OpenAI 更新 Agents SDK，加入原生沙箱执行与模型原生 harness
OpenAI 更新 Agents SDK，新增原生沙箱执行和模型原生 harness，帮助开发者在文件与工具之间构建安全、长时间运行的智能体。
推荐理由：官方给出 Agents SDK 的两项能力变化，读者可据此判断长时运行智能体的构建方式有何调整。
#Agent
#Agent
今日 2 条OpenAI News精选AI 评分6262 Hugging Face Blog精选AI 评分6565 HCompany 发布 HoloTab：浏览器内的 AI 智能体扩展
HCompany 发布 HoloTab，一款 Chrome 扩展，可在浏览器内像人一样操作网页，自动完成跨网站任务，无需任何配置或技术技能。HoloTab 支持 routines 功能，用户录制一次操作流程后即可重复运行或定时执行，其底层运行视觉模型、动作规划和界面理解。该扩展基于 3 月 31 日发布的 Holo3 computer-use 模型，目前免费开放使用。
推荐理由：HCompany 把自家 computer-use 模型做成免费 Chrome 扩展，读者可据此判断浏览器内自动化任务的门槛变化。
Google ResearchAI 评分4848 Google 推出 Vantage：用生成式 AI 评估未来技能
Google 在 Google Labs 上线研究实验 Vantage，用生成式 AI 构建模拟对话环境，评估高中与大学生面向未来的技能，目前提供英文版并可注册。Vantage 与纽约大学合作开发，由 Executive LLM 动态引导对话、AI Evaluator 依据评分量表打分，188 名 18-25 岁美国测试者的研究显示其评分与人类专家一致度接近专家间一致度。
OpenAI NewsAI 评分2929 Cloudflare Agent Cloud 引入 OpenAI GPT-5.4 与 Codex，支持企业级智能体工作流
Cloudflare 将 OpenAI 的 GPT-5.4 和 Codex 引入 Agent Cloud，让企业能够构建、部署并规模化运行面向真实任务的 AI 智能体，兼顾速度与安全。
Google ResearchAI 评分3131 Google Research 发布 ConvApparel：测量并弥合用户模拟器的真实感差距
Google Research 推出 ConvApparel，一个包含 4000 多段人机多轮对话（近 15000 轮）的服饰购物领域数据集，用于量化 LLM 用户模拟器与真实人类行为的真实感差距。
Google ResearchAI 评分4242 Google 推出 PaperVizAgent 与 ScholarPeer 两个学术 AI 智能体
Google 发布两个面向学术工作流的 AI 智能体：PaperVizAgent 负责生成论文配图，ScholarPeer 负责自动同行评审。
OpenAI NewsAI 评分2222 OpenAI 阐述企业级 AI 下一阶段：Frontier、ChatGPT Enterprise、Codex 与全员 AI 智能体
OpenAI 阐述了企业级 AI 的下一阶段，随着各行业采用加速，其企业产品线涵盖 Frontier、ChatGPT Enterprise、Codex 以及公司范围内的 AI 智能体。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemma 4 开源模型家族
Google DeepMind 发布 Gemma 4 开源模型家族，包含 E2B、E4B、26B MoE 和 31B Dense 四个尺寸，采用 Apache 2.0 许可。
推荐理由：Gemma 4 以四个尺寸覆盖端侧到工作站，并给出 Apache 2.0 许可与首日工具支持，读者可据此判断本地部署与微调的选择空间。
OpenAI NewsAI 评分2929 Gradient Labs 用 GPT-4.1 和 GPT-5.4 mini/nano 为每位银行客户配备 AI 客户经理
Gradient Labs 基于 GPT-4.1 与 GPT-5.4 mini、nano 构建 AI 智能体，为每位银行客户提供 AI 客户经理，自动处理银行客服工作流。该方案主打低延迟与高可靠性。
Mistral AIAI 评分3838 Mistral AI 推出 Spaces：一款为人类和 AI 智能体打造的 CLI
Mistral AI 发布 Spaces CLI，同时面向人类开发者和编码智能体设计。它通过 `spaces init`、`spaces dev` 等命令完成项目脚手架、开发环境与部署，并让每个交互式提示都有对应的 flag 或配置文件，使智能体可自主操作。每次 init 还会生成 context.json 和 AGENTS.md 两个文件，为智能体提供项目上下文与规则。
Google DeepMindAI 评分5858 Google DeepMind 为 AI 时代重新设计鼠标指针，Chrome 已可用 Gemini 指向提问
Google DeepMind 公布 AI 指针的实验性方案，由 Gemini 驱动，让指针不仅知道指向什么，还能理解它对用户的意义。团队提出四条交互原则：保持工作流不被打断、用指向代替详细提示词、支持 this 和 that 这类口语化指代、把像素转成可操作实体。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 3.1 Flash Live 语音模型
Google DeepMind 发布 Gemini 3.1 Flash Live，称其为目前质量最高的音频与语音模型，具备更高精度和更低延迟。该模型在 ComplexFuncBench Audio 上以 90.8% 领先上一代，在 Scale AI 的 Audio MultiChallenge 上开启 thinking 后得分为 36.1%。
推荐理由：官方给出语音模型的基准成绩与多产品接入路径，可据此判断实时语音智能体的可用性变化。
Google DeepMind精选AI 评分6262 Google DeepMind 发布有害操纵评估研究：首个经实证验证的测量工具包
Google DeepMind 发布关于 AI 有害操纵的新研究，称其为首个经实证验证、可在真实世界测量此类操纵的工具包，并公开运行同类人类参与者研究所需的全部材料。
推荐理由：Google DeepMind 公开了首个经实证验证的有害操纵测量工具包，并给出跨英、美、印三国万人实验的关键结论。
Google Research精选AI 评分6060 Google 发布 Vibe Coding XR：用 Gemini 和 XR Blocks 把自然语言变成 Android XR 应用
Google 发布 Vibe Coding XR 工作流，将 Gemini 与基于 WebXR、three.js、LiteRT.js 的 XR Blocks 框架结合，把自然语言提示词直接转成可运行的物理感知 Android XR 应用，耗时不到 60 秒。
推荐理由：Google 把 Gemini 与 XR Blocks 组合成从自然语言到 Android XR 应用的生成流程，并给出 VCXR60 初步评测数据，可据此判断 XR 原型的门槛变化。
OpenAI News精选AI 评分6060 OpenAI 推出安全漏洞赏金计划
OpenAI 推出 Safety Bug Bounty 计划，用于识别 AI 滥用与安全风险，覆盖范围包括智能体漏洞、提示注入和数据外泄。
推荐理由：OpenAI 把智能体漏洞、提示注入和数据外泄纳入漏洞赏金范围，读者可了解其安全风险覆盖边界。
OpenAI NewsAI 评分5858 ChatGPT 上线基于 Agentic Commerce Protocol 的购物功能
ChatGPT 推出更丰富、更具视觉沉浸感的购物功能，由 Agentic Commerce Protocol 驱动，支持商品发现、并排对比和商家接入。
Hugging Face BlogAI 评分5151 ServiceNow 发布语音智能体端到端评测框架 EVA
ServiceNow 在 Hugging Face 发布 EVA，一个面向对话式语音智能体的端到端评测框架，同时给出 EVA-A（准确率）和 EVA-X（体验）两个分数，并称是首个联合评估任务成功与对话体验的框架。
OpenAI NewsAI 评分4242 OpenAI 如何监控内部编码智能体的失准行为
OpenAI 利用思维链监控研究内部编码智能体的失准问题，通过分析真实部署环境来检测风险并强化 AI 安全保障措施。
Google ResearchAI 评分4040 Google Research 在 The Check Up 展示医疗 AI 进展：从个性化健康到临床落地
Google Research 在 The Check Up 活动上公布多项医疗 AI 进展：与 Fitbit 合作研究发现，模拟协作医疗团队的 Personal Health Agent（PHA）比单一任务应用更能支持长期健康管理。
Mistral AI精选AI 评分6262 Mistral AI 推出 Forge，让企业用自有知识训练前沿模型
Mistral AI 推出 Forge，一套让企业基于自有专有知识构建前沿级 AI 模型的系统，支持预训练、后训练和强化学习等阶段。Forge 支持 dense 与 MoE 两种架构，并可按需支持多模态输入，模型可在企业自有基础设施内训练和治理。该产品以 Agent 优先设计，Mistral Vibe 等自主智能体可用它微调模型、寻找最优超参数、调度任务并生成合成数据。
推荐理由：原文给出企业用自有数据训练前沿模型的产品定位与训练流程，可据此判断企业自建模型的落地路径。
Hugging Face Blog精选AI 评分6262 H Company 发布 Holotron-12B 高吞吐 computer-use 智能体模型
H Company 发布 Holotron-12B，一个基于 NVIDIA Nemotron-Nano-2 VL 后训练的多模态 computer-use 模型，现已在 Hugging Face 上线，采用 NVIDIA Open Model License。
推荐理由：模型基于 Nemotron 架构做后训练，给出吞吐与 WebVoyager 数据，可对照现有 computer-use 智能体的部署成本。
OpenAI News精选AI 评分6565 OpenAI 发布 GPT-5.4 mini 与 nano
OpenAI 发布 GPT-5.4 mini 和 nano，两者是 GPT-5.4 的更小、更快版本。官方称其针对编码、工具调用、多模态推理以及高并发 API 和子智能体负载做了优化。
推荐理由：OpenAI 在 GPT-5.4 之下补出 mini 与 nano 两档，读者可据此判断小模型在编码与子智能体负载上的定位。
Google Research精选AI 评分7171 Google 与 BIDMC 开展 AMIE 对话式诊断 AI 真实临床可行性研究
Google Research 与 Beth Israel Deaconess Medical Center 合作开展了一项前瞻性单中心可行性研究，让 AMIE 在门诊初诊前与患者进行文本问诊，由医生通过视频实时监督。
推荐理由：Google 与 BIDMC 公布 AMIE 在真实门诊的前瞻性可行性研究，给出安全停用次数与诊断一致性等关键数据。
Mistral AI精选AI 评分6262 Mistral 用 Vibe 搭建自动写 Rails 测试的智能体
Mistral 基于开源编码助手 Vibe 搭建了一个自动生成和改进 RSpec 测试的智能体，可读取 Rails 源文件、生成测试、按风格规则与覆盖率目标校验，并在 CI/CD 中无需人工干预运行。
推荐理由：Mistral 公开了自动写 RSpec 测试的智能体完整搭建方法，包含 AGENTS.md、Skills 与自定义工具的可迁移细节。
OpenAI NewsAI 评分4040 OpenAI 如何设计 AI 智能体抵御提示词注入
OpenAI 介绍了 ChatGPT 在智能体工作流中抵御提示词注入与社会工程攻击的设计思路：通过限制高风险操作、保护敏感数据来降低风险。
OpenAI News精选AI 评分6262 OpenAI 为 Responses API 加入计算机环境，从模型走向智能体
OpenAI 介绍如何用 Responses API、shell 工具和托管容器构建智能体运行时，让智能体在安全、可扩展的环境中处理文件、工具和状态。
推荐理由：OpenAI 官方说明如何用 Responses API、shell 工具和托管容器搭建可运行文件、工具与状态的智能体运行时。
OpenAI News精选AI 评分6060 OpenAI 发布 Codex Security 研究预览版
OpenAI 发布 Codex Security，目前处于研究预览阶段。它是一个 AI 应用安全智能体，通过分析项目上下文来检测、验证并修复复杂漏洞，官方称其置信度更高、噪声更少。
推荐理由：OpenAI 发布面向应用安全的 Codex 智能体，读者可了解其检测、验证与修复漏洞的定位。
OpenAI NewsAI 评分2222 Balyasny Asset Management 如何用 OpenAI 构建 AI 研究引擎
Balyasny Asset Management 通过严格的模型评估、全平台使用 OpenAI 以及智能体工作流，重构了投资研究流程。该机构将模型评估、OpenAI 全平台能力与 agent 工作流结合，用于打造 AI 研究引擎。
OpenAI News精选AI 评分8686 OpenAI 发布 GPT-5.4 前沿模型
OpenAI 发布 GPT-5.4，称其为面向专业工作能力最强且高效的前沿模型。该模型具备 state-of-the-art 的编码、computer use、工具搜索能力，并支持 1M-token 上下文。
推荐理由：OpenAI 公布 GPT-5.4 的编码、computer use 与 1M token 上下文等能力定位，可据此判断其面向专业工作的边界。
OpenAI News精选AI 评分6262 OpenAI 推出 ChatGPT for Excel 及金融数据集成
OpenAI 推出 ChatGPT for Excel 和新的金融应用集成，由 GPT-5.4 驱动，用于在受监管环境中加速建模、研究与分析。
推荐理由：OpenAI 把 ChatGPT 接入 Excel 并新增金融数据集成，读者可据此判断表格建模与合规场景的用法变化。
OpenAI News精选AI 评分6262 OpenAI 与 Amazon 宣布战略合作，将 Frontier 平台引入 AWS
OpenAI 与 Amazon 宣布战略合作，将 OpenAI 的 Frontier 平台引入 AWS，扩展 AI 基础设施、定制模型和企业级 AI 智能体。
推荐理由：OpenAI 与 Amazon 达成战略合作，将 Frontier 平台引入 AWS，读者可据此了解企业级 AI 基础设施与智能体的落地路径。
OpenAI NewsAI 评分5656 OpenAI 在 Amazon Bedrock 推出面向智能体的有状态运行时
OpenAI 在 Amazon Bedrock 推出面向智能体的有状态运行时（Stateful Runtime for Agents），为多步 AI 工作流提供持久编排、记忆和安全执行能力。该运行时面向由 OpenAI 驱动的多步智能体工作流。
OpenAI NewsAI 评分3131 OpenAI 与太平洋西北国家实验室合作，推出 DraftNEPABench 加速联邦许可审批
OpenAI 与太平洋西北国家实验室联合推出 DraftNEPABench，用于评估 AI 编程智能体加速联邦许可审批的能力。该基准显示，NEPA 文件起草时间最多可缩短 15%，有望推动基础设施审查现代化。
OpenAI NewsAI 评分3838 OpenAI 宣布 Frontier Alliance Partners，助企业将 AI 智能体从试点推向生产
OpenAI 宣布推出 Frontier Alliance Partners，帮助企业将 AI 智能体从试点阶段推进到生产环境，实现安全、可扩展的部署。
Hugging Face Blog精选AI 评分6262 用 Unsloth 和 Hugging Face Jobs 免费训练 AI 模型
Hugging Face 发布教程，介绍如何通过 Claude Code、Codex 等编码智能体，用 Unsloth 和 Hugging Face Jobs 微调 LiquidAI/LFM2.5-1.2B-Instruct。
推荐理由：原文给出用编码智能体提交 Unsloth 微调任务的完整命令与技能安装方式，可据此复现小模型微调流程。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.1 Pro，ARC-AGI-2 得分 77.1%
Google DeepMind 发布 Gemini 3.1 Pro，定位为面向复杂任务的核心推理升级，在 ARC-AGI-2 上取得 77.1% 的验证分数，超过 3 Pro 推理性能的两倍。
推荐理由：官方给出 ARC-AGI-2 上 77.1% 的验证分数与 3 Pro 的对比，可据此判断核心推理能力的提升幅度。
Hugging Face BlogAI 评分4747 IBM 与 UC Berkeley 用 ITBench 和 MAST 诊断企业级智能体失败原因
IBM Research 与 UC Berkeley 用 MAST 失败分类法分析了 310 条 ITBench SRE 执行轨迹，覆盖 Gemini-3-Flash、Kimi-K2 和 GPT-OSS-120B 三类模型。
Hugging Face Blog精选AI 评分6262 Gradio 6 的 gr.HTML 支持自定义模板与 JS 交互
Gradio 6 为 gr.HTML 加入自定义模板、作用域 CSS 和 JavaScript 交互能力，可在单个 Python 文件中完成前端、后端与状态管理，无需构建步骤即可部署到 Hugging Face Spaces。
推荐理由：原文给出 gr.HTML 的模板与状态同步写法，读者可据此判断单文件自定义组件的可行边界。
OpenAI NewsAI 评分3838 OpenAI 与 Paradigm 推出 EVMbench，评测 AI 智能体发现与利用智能合约漏洞能力
OpenAI 与 Paradigm 联合推出 EVMbench，用于评测 AI 智能体检测、修补和利用高危智能合约漏洞的能力。该基准聚焦高严重性漏洞的发现、修复与攻击三个环节。
Hugging Face Blog精选AI 评分6666 Hugging Face 发布 CUDA kernel Agent 技能，Claude 与 Codex 为 LTX-Video 和 Qwen3-8B 生成可用内核
Hugging Face 构建了一个 Agent 技能，教编码智能体编写生产级 CUDA kernel，并用 Claude 和 Codex 在 diffusers 的 LTX-Video 与 transformers 的 Qwen3-8B 两个真实目标上端到端生成了可用的 kernel、PyTorch 绑定和基准脚本。
推荐理由：Hugging Face 把 CUDA kernel 开发经验封装成 Agent 技能，并给出两个真实模型的端到端基准，读者可据此判断这类技能的实际收益。