Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体模型 Devstral，在 SWE-Bench Verified 上得分 46.8%，比此前开源 SoTA 模型高出 6 个百分点以上，并以 Apache 2.0 许可开源。
推荐理由：官方给出 Devstral 在 SWE-Bench Verified 的分数与开源许可、部署门槛，读者可据此判断它能否替代现有编码智能体方案。
OpenAI 发布 o3 和 o4-mini 系统卡的补充文件，介绍云端编码智能体 Codex。Codex 由 codex-1 驱动，这是 OpenAI o3 针对软件工程优化的版本；codex-1 在多种环境的真实编码任务上通过强化学习训练，以生成贴近人类风格和 PR 偏好的代码、精确遵循指令，并反复运行测试直到通过。
推荐理由：系统卡补充文件披露 Codex 由 o3 衍生模型 codex-1 驱动，并说明其强化学习训练方式。
OpenAI o3 可对复杂任务进行推理，帮助自动化多步骤工作流。
Mistral AI 发布 Le Chat Enterprise，一款由全新 Mistral Medium 3 模型驱动的企业级 AI 助手，包含企业搜索、Agent 构建器、自定义数据与工具连接器、文档库、自定义模型和混合部署等功能，全部功能将在未来两周内陆续上线。
推荐理由：官方给出 Le Chat Enterprise 的功能清单与部署选项，可据此判断企业级 AI 助手的落地方式。
Qwen-3 的 chat template 相比 Qwen-2.5 和 QwQ 有 4 处关键变化：通过 enable_thinking 标志可开关推理，设为 false 时模板插入空对以跳过逐步思考，而 QwQ 强制每轮推理。
Hugging Face 发布 Tiny Agents 教程，用约 50 行 TypeScript 代码在 InferenceClient 之上实现 MCP 客户端与智能体，核心逻辑是工具调用加一个 while 循环。
推荐理由：作者以 Hugging Face 官方 SDK 为例，展示 MCP 客户端加一个 while 循环即可构成智能体，可迁移到自己的工具链。
OpenAI 发布 o3 和 o4-mini 的系统卡，两款模型将前沿推理能力与完整工具能力结合。可用工具包括网页浏览、Python、图像与文件分析、图像生成、canvas、自动化、文件搜索和记忆。
推荐理由：官方系统卡披露 o3 与 o4-mini 的推理与工具能力组合，可据此了解新模型的能力边界。
OpenAI 发布 o3 和 o4-mini 两款模型，称其为目前最智能、能力最强的模型，并具备完整的工具调用能力。
推荐理由：OpenAI 发布 o3 与 o4-mini 两款推理模型，并首次强调完整工具调用能力，可据此了解其推理产品线的最新布局。
OpenAI 推出 BrowseComp，一个用于评估浏览智能体（browsing agents）的基准测试。该基准旨在衡量智能体在网页浏览任务中的表现。
OpenAI 推出 PaperBench，用于评估 AI 智能体复现前沿 AI 研究的能力。该基准衡量智能体能否从零复现 state-of-the-art AI 研究，具体评测细节与结果尚未在原文中披露。
OpenAI 提出从基于意图的机器人转向主动式 AI 智能体。原文未披露具体模型版本、参数规模或可用性信息。
Hebbia 的深度研究产品借助 OpenAI 实现金融与法律工作 90% 的自动化。该产品面向金融和法律场景，由 OpenAI 模型驱动完成深度研究任务。
Booking.com 将自身数据系统与 OpenAI 的 LLM 集成，用于提供更智能的搜索、更快的客服支持和意图驱动的旅行体验。该集成面向大规模旅行个性化场景，具体模型版本与性能数据未披露。
EliseAI 正借助 AI 提升住房与医疗领域的效率。OpenAI 发布了对该公司 CEO 兼联合创始人 Minna Song 的访谈，讨论相关实践。
OpenAI 公布 ChatGPT 商业版 2025 年 3 月更新，ChatGPT 正变得更具交互性、更贴合团队工作方式，并更智能体化。官方同步分享了最新一批发布内容。
Mistral AI 推出 TranscriptToPRDTicket 智能体工作流，由 Mistral Large 2 驱动的 PRDAgent 和 TicketCreationAgent 组成，可将会议转录自动生成 PRD 并转化为结构化开发工单，自动在 Linear、Jira 等项目管理工具中创建。
Hugging Face 博客介绍如何用 Arize Phoenix 为 smolagents 构建的 Agent 实现追踪与评估：通过 OpenTelemetry + OpenInference 自动捕获每一步调用，并可用 OpenAI GPT-4o 以 LLM-as-a-judge 方式评估 DuckDuckGo 搜索工具结果的相关性。
Mercari 借助 GPT-4o mini 和 GPT-4 简化卖家上架流程、优化商品信息并提升销量，推出 AI Listing Support 和 Mercari AI Assistant 等功能。这些能力正在改变这一在线交易平台的售卖体验。
Endex 基于 OpenAI 的 o1 和 o3-mini 推理模型构建自主金融分析师。该产品定位为金融分析的未来形态，具体功能与性能数据尚未披露。
OpenAI 发布 deep research 系统卡，说明该功能发布前开展的安全工作，包括外部红队测试、依据 Preparedness Framework 进行的前沿风险评估，以及针对关键风险领域所构建的缓解措施概览。
推荐理由：OpenAI 公开 deep research 发布前的安全评估流程，可了解外部红队与 Preparedness Framework 如何落地。
Mistral AI 发布新版 le Chat，定位覆盖生活与工作的综合 AI 助手，同时上线 iOS、Android，并推出 Pro 和 Team 订阅以及处于私有预览的 Enterprise 版本。
推荐理由：官方一次性给出 le Chat 的移动端、Flash Answers 速度指标与 Pro 定价，可据此判断其与现有助手的差异。
Hugging Face 在 24 小时复现冲刺中开源了 DeepResearch 框架，用 smolagents 的 CodeAgent 在 GAIA 验证集上达到 55.15%，超过此前开源框架 Magentic-One 的约 46%。
推荐理由：原文给出开源复现 DeepResearch 的完整方法，读者可据此了解代码智能体在 GAIA 上的表现差异。
Adyen 与 Hugging Face 联合推出 DABstep（Data Agent Benchmark for Multi-step Reasoning），包含 450+ 个源自 Adyen 真实业务的数据分析任务，用于评测 LLM 与 AI 智能体的多步推理能力。
OpenAI 发布 deep research，一个利用推理综合大量在线信息、完成多步研究任务的智能体。该功能今日面向 Pro 用户开放，Plus 和 Team 用户随后可用。
推荐理由：OpenAI 官方发布 deep research 智能体，读者可据此了解其多步研究能力与首批开放范围。
Hugging Face 为 smolagents 加入视觉支持，可在智能体流程中原生使用视觉语言模型。图片既能在 run 方法中一次性传入并存入 TaskStep 的 task_images，也能通过 step_callbacks 在每步把截图写入 ActionStep 的 observation_images。
推荐理由：官方给出 smolagents 接入视觉语言模型的两条路径与回调写法，可据此改造现有智能体流程。
OpenAI 发布 Operator 系统卡，说明其基于既有安全框架采取的多层防护措施，包括针对提示词工程和越狱的模型与产品层缓解手段，以及隐私和安全保护。文档还介绍了外部红队测试、安全评估，以及持续改进这些防护的后续工作。
推荐理由：OpenAI 公开 Operator 的系统卡，说明其在提示词攻击、隐私与红队测试上的多层防护设计。
Hugging Face 发布文章指出，AI 智能体是基于 LLM 构建、能在数字世界中自主行动的系统，其风险随自主性等级上升而增加，因此建议不要开发可自行编写并执行代码的完全自主智能体。文章按自主程度将智能体分为五级，从模型不影响程序流程到模型自行编写并执行新代码，并认为半自主智能体在特定自主水平、任务范围和人类控制方式下可能收益大于风险。
Hugging Face 发布 smolagents，一个让语言模型获得智能体能力的轻量库，核心是 CodeAgent，即让智能体用代码而非 JSON 编写动作，并支持通过 E2B 在沙箱中执行。
推荐理由：Hugging Face 官方发布轻量智能体库，给出代码写动作的设计取舍与开源模型对比，可据此判断自建 Agent 的实现路径。
Hugging Face 用 Keras、JAX 和 TPU 搭建了一个 chatbot arena，测试 LLM 在被指出错误后能否修正代码。实验在 TPU v5e 2x4 上以 bfloat16 同时加载了 5 个约 8B 参数模型和 3 个约 2B 参数模型，共 7 个 LLM，通过 Gradio 界面并行对话。
Mistral AI 为免费生成式 AI 助手 le Chat 上线多项 beta 功能：带引用的联网搜索、用于构思与就地编辑和导出的 Canvas、由新多模态模型 Pixtral Large 驱动的文档与图像理解、由 Black Forest Labs Flux Pro 驱动的图像生成，以及可复用提示词并分享给同事的 Agents。
推荐理由：官方列出 le Chat 新增的联网搜索、Canvas、文档图像理解与图像生成，并给出与主流助手的逐项对比。
Decagon 与 OpenAI 合作，实现大规模、全自动的高性能客户支持。
OpenAI 推出 MLE-bench，用于衡量 AI 智能体在机器学习工程任务上的表现。该基准测试评估智能体完成机器学习工程工作的能力。
Altera 借助 GPT-4o 构建了一个智能体与人类协作的新领域。该方向聚焦于让 AI 智能体与人类协同工作，拓展人机协作的应用空间。
Mercado Libre 推出 AI 开发平台 Verdi，由 GPT-4o 驱动。该平台面向开发者，具体功能与可用性细节尚未披露。
Mistral AI 宣布在 La Plateforme 上支持对 Mistral Large 2 和 Codestral 等旗舰及专用模型进行定制，可通过基础提示词、few-shot 提示或微调实现，并支持自带数据集。
Meta 发布 Llama 3.1 系列，含 8B、70B、405B 三个尺寸的 base 与 instruct 版本，共 6 个开放权重模型，另发布 Llama Guard 3 和 Prompt Guard。
推荐理由：Hugging Face 官方给出 Llama 3.1 三个尺寸的显存、微调与量化配置，可据此估算部署成本。
Hugging Face 团队用基于 transformers.agents 的 ReactCodeAgent 在 GAIA 基准验证集上取得 44.2%，排名第一，比第二名高 4 个百分点；测试集得分 33.3%，排名第二，并在 Level 3 难题上取得最佳平均分。
推荐理由：Hugging Face 团队公开了在 GAIA 上取得领先的 Code Agent 实现细节，包括工具设计、安全解释器与规划策略，可迁移到自建智能体系统。
Hugging Face 发布由 Cubzh 和 Gigax 打造的 3D 演示 NPC-Playground，用户可在浏览器中与 LLM 驱动的 NPC 互动，并用几行 Lua 脚本教它们新技能。
MavenAGI 推出基于 GPT-4 的 AI 客服智能体，Tripadvisor、Clickup 和 Rho 等公司已在使用，以节省时间并更好地服务客户。
Hugging Face 发布 Transformers Agents 2.0，在原有智能体类型之外新增两类可基于历史观察迭代的智能体，并加入共享功能。官方称新框架下 Llama-3-70B-Instruct 智能体在 GAIA 榜单上超过多个基于 GPT-4 的智能体，排名第 4，成为开源类别领先者。
推荐理由：官方给出新智能体框架的模块划分与 GAIA 榜单成绩，可据此判断开源智能体方案的可用边界。