搜索
Einsia AI发布Frontier3DBench，在Blender与Unreal Engine中以145项任务评测11种主流模型与Agent框架配置，GPT-6.1-sol总榜第一，但Agent在开放世界连续交互和持久状态协同上仍显薄弱。
香港大学罗晔教授团队发布S²-MAS框架及YN决策模型，以14张GPU在4小时内完成1200万户家庭仿真，YN-mini单卡吞吐量达3.7万token/s，消费金融基准准确率高于Jev 1.13。
Firefly 在 NeurIPS 2026 提出“先探索、后出题”的训练数据合成流程，利用真实 MCP Server 和可离线复现的检索增强模拟器生成5,144个可验证任务，使 Qwen3-4B-Thinking-2507 的 pass@1 从28.1%升至41.5%。
DeepSeek正筹备插件作者支持计划，通过官方插件市场、Token补贴和流量推荐推动生态；DeepSeek Harness发布一个多月已有约3.5万个公开第三方插件，日活超140万、月活548万，日均Token消耗估计超91万亿。
Kimi Hosted Agents 正式发布，以 Harness as a Service 提供7×24小时托管环境，支持长程任务、多智能体协作、安全控制、审计及140+ Skills、30+插件和8个金融Agent模板。
百度开源文心 5.5 Flash Base（ERNIE 5.5 Flash Base）权重，该模型总参数280B、每token激活14B，采用稀疏MoE与混合稀疏注意力，微调和推理上下文外扩至1M tokens。
如今Agent已经能熟练调用工具、修改文件、运行测试，但面对一个长期演进的大型软件系统，它能否从一份新需求出发，交付完整功能？
3014.9亿斤。
高能预警！ Anthropic的终极杀器Fable 5.5，已经临近发布了。
Bo Liu课题组在NeurIPS 2026论文中发现，多Agent通信并非信息越充分越好，Qwen3-Next-80B-A3B向Qwen3.5-9B发送消息使ContextBench准确率提高14.2个百分点，却令ToolSandbox下降23.6个百分点，并提出无需重训模型的按需通信策略。