谷歌正式发布Gemini 3.7 Flash，官方称其为目前面向编码与智能体场景最智能的主力模型。该版本在软件工程和Web开发任务中显著提升准确性与效率，并以比前代更低的成本提供，意味着开发团队可以在更复杂、更长周期的...

World Model Optimizer（WMO）是由experientiallabs开源的一项工具，直面当前智能体（Agent）系统性能优化与模型成本之间的矛盾。其核心思路是将智能体在实际运行中积累的交互轨迹作为高价值训练数据，通过知识蒸馏...

在大语言模型后训练中，强化学习正变得愈发关键，但面向长周期智能体任务时，传统同步、批次交替的RL流程效率低下。异步强化学习通过随到随更新的方式提升了效率，然而现有系统多偏重吞吐量，训练稳定性和任务有效性...

Stably AI团队于今日发布了一款名为Orca的开源智能体开发环境（ADE），专为管理和编排并行的编程智能体集群而设计。该工具的核心突破在于允许用户在同一订阅体系下，同时运行多个独立的编码智能体，极大提升了自动化...

MiniMax 最新发布的开源权重模型 M3 在编码和智能体（Agentic）任务上达到前沿水平。该模型不仅支持图像和视频输入，还可以直接操作桌面计算机。技术上，M3 引入了一种新的注意力架构，支持上下文缩放，并能够处理多...

Anthropic近日正式发布其最新旗舰级模型Claude Opus 4.8，这是对其Opus系列的一次重要升级。该模型在编码、智能体任务和专业工作等多个维度上展现出更强的性能，并显著提升了处理长时间复杂工作的一致性。除了核心能...

Qwen团队今日发布了其最新的开源权重模型Qwen3.6-27B，在AI社区引发广泛关注。该模型虽然仅有27B参数（稠密架构），却在智能体编码任务中实现了旗舰级性能。据Qwen团队宣称，Qwen3.6-27B在全部主流编码基准测试中均...

随着人工智能向智能体（Agent）方向演进，传统的大模型推理基准测试正面临根本性变革。智能体工作负载不再是简单的单轮问答，而是包含多轮交互、工具调用等复杂场景。这种变化给推理引擎带来了前所未有的压力，尤其...