OpenEnv 实践：在真实环境中评测工具调用智能体
Meta 与 Hugging Face 联合推出的开源框架 OpenEnv 用于在真实系统而非模拟环境中评测 AI 智能体，Turing 为其贡献了生产级日历管理环境 Calendar Gym。
推荐理由：通过 Calendar Gym 的实测数据，读者能看到工具型智能体在多步推理、歧义消解和参数执行上的具体失败模式。
#Agent
#Agent
今日 2 条Hugging Face Blog精选AI 评分6262
OpenAI NewsAI 评分3030 Harness engineering：在智能体优先的世界中利用 Codex
OpenAI 技术人员 Ryan Lopopolo 提出 "Harness engineering"，探讨在智能体优先的世界中如何利用 Codex。文章围绕以 AI 智能体为核心的工作方式展开，但正文未披露具体功能、版本号或性能数据。
Google ResearchAI 评分3636 Google Research 推出 DialogLab：开源多智能体群聊对话创作与测试框架
Google Research 发布开源原型框架 DialogLab，用于创作、模拟和测试动态的人机多方群聊对话，相关论文在 ACM UIST 2025 展示。该框架将对话的社交设定与时间流程解耦，支持拖拽式编排、human control 实时干预和验证仪表盘分析，14 名用户评测显示 human control 模式在参与感、有效性和真实感上评分最高。
Google DeepMind精选AI 评分7474 DeepMind 发布两篇论文，Gemini Deep Think 用于数学与科学研究
Google DeepMind 发布两篇论文，介绍由 Gemini Deep Think 驱动的数学研究智能体（内部代号 Aletheia）在数学、物理和计算机科学专业研究问题上的表现。
推荐理由：DeepMind 公开了 Gemini Deep Think 在数学与理论计算机科学研究中的两篇论文，读者可了解其智能体工作流与已产出的具体成果。
OpenAI News精选AI 评分6262 GPT-5 与 Ginkgo Bioworks 自动化结合将无细胞蛋白合成成本降低 40%
OpenAI 与 Ginkgo Bioworks 的云端自动化结合 GPT-5 构建自主实验室，通过闭环实验将无细胞蛋白合成成本降低 40%。
推荐理由：材料给出自主实验室将 GPT-5 与云端自动化结合、通过闭环实验降低无细胞蛋白合成成本的量化结果。
Google ResearchAI 评分3434 Google 如何用 AI 工具重新定义通用设计以提升无障碍体验
Google 提出 Natively Adaptive Interfaces（NAI）框架，用多模态 AI 工具让 UI 设计从一刀切转向基于情境的动态决策，以 Orchestrator 协调摘要、设置等子智能体替代静态导航。
OpenAI News精选AI 评分6262 OpenAI 发布企业级智能体平台 OpenAI Frontier
OpenAI 发布企业平台 OpenAI Frontier，用于构建、部署和管理 AI 智能体。该平台提供共享上下文、入职引导、权限与治理能力。
推荐理由：OpenAI 把智能体的构建、部署与治理收进同一企业平台，可据此判断其企业侧落地路径。
OpenAI News精选AI 评分8080 OpenAI 发布 GPT-5.3-Codex
OpenAI 发布 GPT-5.3-Codex，这是一个 Codex 原生的智能体，将前沿编码性能与通用推理能力结合，用于支持长周期、真实世界的技术工作。
推荐理由：OpenAI 发布 Codex 原生的 GPT-5.3-Codex，读者可了解其在前沿编码与通用推理上的定位。
OpenAI News精选AI 评分7272 OpenAI 发布 GPT-5.3-Codex 系统卡
OpenAI 发布 GPT-5.3-Codex 系统卡，称其为迄今能力最强的智能体编码模型。该模型把 GPT-5.2-Codex 的前沿编码性能与 GPT-5.2 的推理和专业领域知识能力结合在一起。
推荐理由：官方系统卡披露 GPT-5.3-Codex 把编码能力与推理、专业知识合并，可据此判断智能体编码模型的能力边界。
OpenAI News精选AI 评分6262 OpenAI 详解 Codex App Server：如何嵌入 Codex 智能体
OpenAI 介绍 Codex App Server，这是一个双向 JSON-RPC API，用于把 Codex 智能体嵌入到应用中。该接口支持流式进度、工具调用、审批和 diff 等能力。
推荐理由：官方拆解 Codex App Server 的双向 JSON-RPC 接口，可了解流式进度、工具调用与审批如何接入自有应用。
Google Research精选AI 评分6060 Google 与 Included Health 合作开展全国性随机研究，评估对话式 AI 在真实虚拟护理中的表现
Google 宣布与 Included Health 合作，待 IRB 批准后启动一项全国性前瞻性随机对照研究，评估对话式 AI 在真实虚拟护理工作流中的表现。
推荐理由：Google 与 Included Health 合作开展全国随机对照研究，读者可了解医疗对话 AI 从模拟走向真实临床的评估路径。
Hugging Face BlogAI 评分4242 H Company 发布 Holo2-235B-A22B Preview，UI 定位刷新 SOTA
H Company 发布迄今最大的 UI 定位模型 Holo2-235B-A22B Preview，在 ScreenSpot-Pro 上以 78.5% 刷新 SOTA，OSWorld G 达 79.0%，模型已在 Hugging Face 开放。该模型单步在 ScreenSpot-Pro 上达 70.6%，配合智能体式定位可在 3 步内迭代提升精度，各尺寸 Holo2 模型相对提升 10-20%。
Hugging Face BlogAI 评分2828 从 DeepSeek 到 AI+：全球开源 AI 生态的未来走向
Hugging Face 博客系列第三篇指出，开源已成为中国 AI 机构近期的主流路径，DeepSeek 是 Hugging Face 上关注度最高的组织，Qwen 位列第四。
OpenAI NewsAI 评分4242 Snowflake 与 OpenAI 达成 2 亿美元合作，将前沿智能引入企业数据
OpenAI 与 Snowflake 达成 2 亿美元合作协议，将前沿智能引入企业数据，让 AI 智能体和洞察直接在 Snowflake 中运行。
OpenAI News精选AI 评分6767 OpenAI 发布 macOS 版 Codex 应用
OpenAI 发布 macOS 版 Codex 应用，定位为 AI 编码与软件开发的指挥中心，支持多个智能体、并行工作流和长时间运行的任务。
推荐理由：OpenAI 官方发布 Codex 桌面应用，读者可据此了解多智能体并行编码这一新入口的形态。
OpenAI NewsAI 评分4242 OpenAI 如何构建内部 AI 数据智能体：用 GPT-5、Codex 和记忆推理海量数据集
OpenAI 构建了一个内部 AI 数据智能体，结合 GPT-5、Codex 和记忆能力对海量数据集进行推理，可在数分钟内给出可靠洞察。该智能体用于公司内部数据分析场景，核心在于用记忆机制支撑跨数据集的推理过程。
Hugging Face Blog精选AI 评分6262 Gradio 团队开源 Daggr：用 Python 串联 AI 工作流并自动生成可视化画布
Gradio 团队发布开源 Python 库 Daggr，用于把 Gradio 应用、ML 模型和自定义函数串联成 AI 工作流，并自动生成可视化画布。画布支持查看任意节点输出、修改输入并单独重跑某一步，无需执行整条流水线，还支持状态持久化和备份节点替换。
推荐理由：Gradio 团队开源 Daggr，用代码定义工作流并自动生成可视化画布，可单独重跑某一步，为多模型串联调试提供了新选择。
Google Research精选AI 评分6262 Google Research 论文：智能体系统扩展的量化规律
Google Research 发布论文《Towards a Science of Scaling Agent Systems》，对 180 组智能体配置做大规模对照评测，覆盖 GPT、Gemini、Claude 三个模型家族和 Finance-Agent、BrowseComp-Plus、PlanCraft、Workbench 四个基准。
推荐理由：通过 180 组智能体配置的对照评测，给出多智能体架构在并行与串行任务上的量化差异，可作为架构选型参考。
OpenAI NewsAI 评分3636 OpenAI 如何保障 AI 智能体点击链接时的数据安全
OpenAI 说明了 AI 智能体打开链接时如何保护用户数据，防范基于 URL 的数据外泄与提示词注入，并内置了相应防护措施。
Hugging Face Blog精选AI 评分6262 Hugging Face 发布 upskill：用 Claude 生成 CUDA kernel 技能并教给小模型
Hugging Face 发布新工具 upskill，用大模型生成并评估 agent skill，再交给小模型使用，并以编写 CUDA kernel 为示例任务。
推荐理由：原文给出用大模型生成 Skill 再迁移到小模型的可复用流程，并附 CUDA kernel 实测数据。
Mistral AI精选AI 评分6262 Mistral 发布终端编码智能体 Mistral Vibe 2.0，由 Devstral 2 驱动
Mistral 发布终端原生编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型系列驱动，新增自定义子智能体、多选项澄清、斜杠命令技能、统一智能体模式和自动更新。
推荐理由：官方给出 Vibe 2.0 的自定义子智能体、斜杠命令技能等能力与订阅、API 计费方式，可据此判断终端编码智能体的使用成本。
Hugging Face BlogAI 评分4848 Hugging Face 复盘 GPT-OSS 智能体 RL 训练：修复 MoE 对数概率不匹配
Hugging Face 发布复盘，介绍在 verl 框架中解锁 GPT-OSS 智能体强化学习训练的过程。团队发现 GPT-OSS-20B 训练时 KL 散度与熵爆炸、奖励不升，根因是 MoE 架构下双前向传播导致新旧 log-prob 不匹配，使 PPO 重要性采样比值偏离 1。修复后该方案同样适用于 GPT-OSS-120B。
OpenAI NewsAI 评分1515 TRUSTBANK 用 AI 智能体个性化推荐故乡税礼品
TRUSTBANK 与 Recursive 合作，基于 OpenAI 模型打造了 Choice AI，通过个性化对话式推荐简化故乡税（Furusato Nozei）礼品的挑选流程。
OpenAI NewsAI 评分4242 Codex 智能体循环解析：Codex CLI 如何编排模型、工具与提示词
OpenAI 技术深潜解析 Codex 智能体循环，说明 Codex CLI 如何借助 Responses API 编排模型、工具、提示词与性能。
OpenAI NewsAI 评分2020 Praktika 如何用 GPT-4.1 和 GPT-5.2 打造自适应语言学习 AI 导师
Praktika 利用 GPT-4.1 和 GPT-5.2 构建自适应 AI 导师，实现课程个性化、学习进度追踪，帮助学习者达到真实场景的语言流利度。该方案以对话式交互为核心，将大模型能力嵌入语言学习流程。
Hugging Face BlogAI 评分3434 AssetOpsBench：弥合 AI 智能体基准与工业现实之间的差距
Hugging Face 发布 AssetOpsBench，一个面向工业资产全生命周期管理的智能体评测基准，包含 2.3M 传感器遥测点、140+ 场景、4.2K 工单和 53 种结构化故障模式。
Hugging Face Blog精选AI 评分7474 Overworld 发布实时交互视频扩散模型 Waypoint-1
Overworld 发布实时交互式视频扩散模型 Waypoint-1，可通过文本、鼠标和键盘控制，权重已上线 Hugging Face Hub，先开放 Waypoint-1-Small，Medium 版本即将推出。
推荐理由：Waypoint-1 把实时交互式视频扩散模型与推理库一并开源，读者可据此了解世界模型从预训练视频微调转向交互优先训练的思路。
OpenAI NewsAI 评分3636 OpenAI 智能体构建实用指南：从设计、编排到部署
OpenAI 发布智能体构建实用指南，覆盖用例选择、模型选型、工具设计、护栏机制与多智能体模式等环节，并讲解如何设计、编排和部署 AI 智能体。
OpenAI NewsAI 评分3434 用 GPT-5 模型系列构建应用：实用指南
OpenAI 发布面向初创企业的 GPT-5 模型系列实用指南，聚焦迁移至 Responses API、设计智能体、调优提示词与引导 GPT-5 模型，并构建可靠的 AI 工作流。
Hugging Face Blog精选AI 评分6262 OpenAI 发起 Open Responses 开放推理标准，Hugging Face 生态支持
OpenAI 发起、开源社区构建、Hugging Face 生态支持的 Open Responses 开放推理标准发布，基于 Responses API，面向智能体场景设计。
推荐理由：OpenAI 发起、Hugging Face 生态支持的开放推理标准，读者可据此了解 Responses API 的开放化路径与迁移要点。
OpenAI NewsAI 评分2222 Netomi 如何用 GPT-4.1 和 GPT-5.2 将智能体系统扩展至企业级
Netomi 借助 GPT-4.1 和 GPT-5.2 扩展企业级 AI 智能体，通过并发、治理与多步推理支撑可靠的生产工作流。该方案面向企业规模化部署智能体系统，强调在生产环境中保持稳定性与可控性。
Hugging Face Blog精选AI 评分6262 如何用 NVIDIA DGX Spark 和 Reachy Mini 搭建桌面智能体
Hugging Face 博客发布教程，介绍如何用 NVIDIA DGX Spark 与 Reachy Mini 复现 CES 2026 主题演讲中的桌面智能体演示。
推荐理由：原文给出从模型选型到机器人接线的完整复现步骤，读者可据此搭建一套本地可控的桌面智能体。
Google DeepMindAI 评分2222 Google 2025 年回顾：Gemini 3、Gemma 3 等 8 大研究突破
Google DeepMind 与 Google Research 回顾 2025 年 8 大研究突破，模型方面从 3 月 Gemini 2.5 到 11 月 Gemini 3、12 月 Gemini 3 Flash 相继发布，Gemini 3 Pro 登顶 LMArena 并在 MathArena Apex 取得 23.4% 的 SOTA。
Hugging Face BlogAI 评分4242 AprielGuard：面向现代 LLM 系统的安全与对抗鲁棒性护栏模型
Hugging Face 发布 8B 参数安全护栏模型 AprielGuard，可检测 16 类安全风险及提示注入、越狱、思维链污染、记忆投毒、多智能体攻击序列等对抗攻击，并覆盖工具调用与推理轨迹等智能体工作流场景。模型提供推理与非推理两种模式，兼顾可解释分类与低延迟生产部署。
OpenAI News精选AI 评分6060 OpenAI 持续加固 ChatGPT Atlas 抵御提示词注入
OpenAI 正在用基于强化学习训练的自动化红队手段加固 ChatGPT Atlas，抵御提示词注入攻击。这一发现与修补的循环有助于尽早识别新型攻击手法，并随着 AI 智能体能力增强持续强化浏览器智能体的防御。
推荐理由：官方说明 ChatGPT Atlas 用自动化红队加强化学习持续发现并修补提示词注入漏洞，可了解浏览器智能体的安全加固思路。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 3 Flash，主打速度与低成本
Google DeepMind 发布 Gemini 3 Flash，将 Gemini 3 的推理能力与 Flash 级别的延迟、效率和成本结合，定价为每 100 万输入 token 0.50 美元、每 100 万输出 token 3 美元。
推荐理由：官方给出 Gemini 3 Flash 的基准分数、定价与上线渠道，可据此判断它在速度与成本上的取舍。
OpenAI News精选AI 评分6262 OpenAI 开放开发者向 ChatGPT 提交应用
OpenAI 宣布开发者可以向 ChatGPT 提交应用，经审核通过后会在产品内的新应用目录中展示，便于用户发现。官方同时更新了工具、指南和 Apps SDK，用于帮助开发者构建把真实操作带入 ChatGPT 的对话原生体验。
推荐理由：OpenAI 开放 ChatGPT 应用提交与目录入口，开发者可据此判断接入路径和分发方式的变化。
Hugging Face Blog精选AI 评分6262 CUGA 上线 Hugging Face Spaces：可配置通用智能体开源发布
IBM Research 在 Hugging Face 博客发布开源可配置通用智能体 CUGA，采用 Apache 2.0 许可，并上线 Hugging Face Spaces 演示。
推荐理由：CUGA 在 AppWorld 与 WebArena 上的成绩和 Hugging Face Spaces 入口，让读者能直接判断这套可配置智能体架构的可用性。
Google DeepMind精选AI 评分7878 Google DeepMind 发布升级版 Gemini 2.5 Flash Native Audio
Google DeepMind 发布升级版 Gemini 2.5 Flash Native Audio，面向实时语音智能体，在复杂工作流处理、指令遵循和多轮对话上做了改进。
推荐理由：官方给出函数调用、指令遵循与多轮对话三项能力的具体提升数据，可据此判断语音智能体的可用边界。
OpenAI NewsAI 评分2222 BNY 借助 OpenAI 打造“人人可用的 AI”，2 万余名员工用 Eliza 构建 AI 智能体
BNY 正借助 OpenAI 在全企业范围扩大 AI 应用，其平台 Eliza 已让 20,000 多名员工构建 AI 智能体，以提升效率和客户成果。