智能体AI
21 published articles
AI 智能体
Grok Bot 瞄准大多数 AI 未完成的最后 10% 工作
Grok Bot 是 xAI 新推出的智能体产品，运行在专属云端电脑上，可登录你已在使用工具，通过看你操作一次来学习工作流程，并端到端地完成工作。其背后的卖点是：大多数 AI 只做到 90% 就停下了。
2026-08-14
AI 模型 | NVIDIA Nemotron 3.5 Lightning
为什么 Nemotron 3.5 Lightning 认为大多数智能体步骤不需要大模型
Nvidia 的新开源模型在本地运行，具有 3B 激活参数和 100 万 token 上下文，专为持续运行的智能体打造。Nvidia 声称吞吐量最高可达同类开源模型的 4 倍，任务完成速度快 30%。
2026-08-14
AI 安全
OpenAI 暂停 Astra，担忧其可在无人辅助下入侵加固系统
OpenAI 在评估后暂停了其开发中模型 Astra 的内部工作，因为评估结论是，根据其 Preparedness Framework，该公司无法排除“关键网络能力”。该完整门槛描述的是：一个能在无需人工干预的情况下发现加固系统中零日漏洞的模型。
2026-08-13
智能体AI
三星最新折叠屏手机主打智能体，而非铰链
三星第八代折叠屏手机Galaxy Z Fold8 Ultra、Fold8和Flip8于7月22日发布，智能体AI成为主打卖点。硬件传承真实存在；发布会材料推销的是智能体，而不是铰链。
2026-08-11
人工智能
CNIL的人工智能数据保护蓝图：笔记、审计与联盟
CNIL正从指导转向执法，采取一系列协调行动：发布关于代理式人工智能的探索性说明、推出名为PANAME的实用审计工具，并积极参与欧盟及国际数据保护标准的制定。
2026-08-08
特别报道：AI评估
2026年AI基准测试现状：静态测试的崩溃与替代系统的构建
2026年AI基准测试全景深度巡览：MMLU、GSM8K和HumanEval为何失效，动态基准测试和专家级考试（如HLE和GPQA Diamond）如何取代它们，代理式测试和锯齿形智能测试揭示了什么，以及人类偏好、LLM评判和生成式可观测性如何完善整个评估堆栈。
2026-08-03
AI路由
对于代理型AI，逐次调用路由是盲点。TRACE-Router提供解决方案。
一种新的路由框架TRACE-Router解决了代理型AI中逐次调用LLM路由与任务级成功指标之间的不匹配，实现了高达8个准确率点的提升和36%的延迟降低。
2026-08-01
微软AI
微软用更便宜的老GPU模型在Excel中媲美GPT-5.6
微软在Excel中的MAI模型以较低成本在常见任务上匹敌GPT-5.6，在Copilot中使用的令牌比竞争对手更少，并在H100和A100 GPU上运行，降低了广泛部署的门槛。
2026-07-29
工业转型
Mistral 不再只是一家模型公司：其工业押注已全面落地
Mistral 不再只是又一家 LLM 供应商。其新的工业工程堆栈、与欧洲主要制造商的合作以及自有数据中心，标志着从横向模型竞争向安全、垂直化关键工作流 AI 的有意转变。
2026-07-19
平台战略
Groq停止兜售速度，转而推出智能体操作系统
Groq于9月23日推出远程MCP支持，并迅速添加Kimi K2-0905和OpenAI的GPT-OSS系列等模型，将其API从快速推理管道转变为完整的智能体编排层。该平台不再仅仅依靠每秒token数来竞争。
2026-07-19
管控型代理研究
英伟达新型AI科学家无需接触患者数据即可工作
英伟达AI技术中心推出NAIS，这是一个受管控的代理研究系统，可在受保护的医院数据上协调端到端生物医学工作流。在一项涉及286,422人的真实世界高血压GWAS部署中，该系统产生了与专家主导分析相当的结果，同时保护了隐私并允许人类监督。
2026-07-19
分析
Kimi K3 在哪些基准测试上领先前沿模型？对开放 2.8T 模型的逐项解读
月之暗面推出的 2.8T 参数开源模型 Kimi K3，在大多数通用基准测试上落后于前沿专有模型，但在 SWE Marathon、Terminal-Bench 2.1、BrowseComp 等测试中领先。详细表格揭示了其在 KDA 和 Stable LatentMoE 架构上的投入在哪些方面获得了回报。
2026-07-17