让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
哈佛大学物理学家 Matthew Schwartz 在 Anthropic 客座文章中介绍开源工具 BootLoops，它让 Claude 执行精确科学计算。三个月内团队在 18 个领域产出 36 篇手稿、19 位合著者，Claude 用该工具计算了 30 个积分，其中 15 个复现已知结果、15 个为首次计算。
推荐理由：哈佛物理学家用开源 BootLoops 在三个月内产出 36 篇手稿，展示了 AI 做精确科学计算的实际边界与局限。
研究团队提出 Image-to-Code 方法，让编码智能体从单张照片出发，迭代编写并运行 Blender 程序，直到场景匹配原图，输出可直接运行和修改的代码。
推荐理由：LEGO-Bench 用模拟器场景提供精确 3D 真值，揭示编码智能体自评几何接近随机水平这一关键局限。
Anthropic 为 Claude Code 发布 Mods，一套直接运行在工具内部的中间件，开发者可用 JavaScript 或 TypeScript 函数挂钩工具调用、用户提示词和 UI 渲染等事件，从而添加自定义面板、拦截工具调用或接入新命令。
推荐理由：Mods 把 Claude Code 的界面与工具调用开放给开发者改写，可据此判断这类编码工具的可扩展边界。
DeepSeek 弹性计算团队大量招聘 HC，尤其需要资深工程师，并同步公开技术分享《DeepSeek 弹性计算（DSec）：面向大规模 Agent 训练的沙盒基础设施》。
推荐理由：DeepSeek 弹性计算团队扩招，同时披露 DSec 沙盒基础设施的生产规模与优化细节，可了解其 Agent 训练底座。
TypeSafe AI 联合创始人兼 CEO Diogo Almeida 在 Latent Space 访谈中表示，Jev 上线不到一周日处理量已突破一万亿 token，夜间流量持续走高，说明大量调用来自机器自动化。
推荐理由：TypeSafe 创始人复盘 Jev 的 System-One 路线，给出对 benchmark、RLHF 与 coding agent 竞争格局的判断。
NVIDIA 宣布本月推出 DGX Spark 64GB 版本，由 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 等厂商发售，10 月 23 日上市，起售价 4,999 美元。
推荐理由：原文给出 64GB 配置的售价、上市时间和双机集群性能数据，读者可据此判断本地跑大模型的成本与扩展方式。
开源工具 Graphify 将代码库、文档和非结构化数据转换为可查询的多模态知识图谱，通过 MCP 服务器与 AI 编码助手集成，以减少令牌消耗。它采用 Tree-Sitter 提取 AST 并结合社区检测算法构建图结构，支持 macOS、Windows 和 Ubuntu/Linux，可通过 uv 安装。
推荐理由：原文给出 Graphify 的图谱构建流程、基准数字与社区采用阻力，读者可据此判断它是否值得接入现有编码工作流。
openJiuwen 团队发布并开源智能路由框架 model-router，首发 x-router 自演进模型路由算法，在 Agent 与模型之间增加一层按请求动态选模的决策能力。
推荐理由：openJiuwen 开源智能路由框架，给出三层架构与两组实测数据，可据此判断 Agent 多模型调度的成本收益。
爱范儿用 Opus 5.5 公开案例的提示词在 MiniMax Code 中实测 MiniMax M3.1 Flash Preview，覆盖动态作品集、手绘短片、水墨动画、纽约天际线时间轴交互以及卡丁车和水下探索等游戏原型。
推荐理由：作者用同一批公开提示词对比 MiniMax M3.1 Flash 与 Opus 5.5 的前端创作成品，可观察 Flash 级模型在动效、手绘与交互场景中的实际完成度。
Simon Willison 发布 pwasm 0.2a0，这是他 1 月用 AI 生成的纯 Python WebAssembly 引擎。
推荐理由：作者用 Claude Opus 5.5 迭代自己 10 个月前写的项目，可看到模型跨版本改进旧代码的实际效果。
谷歌发布新一代旗舰模型 Gemini 4 Argon，在 DeepSWE v1.1 上取得 77.9%，高于 Claude Opus 5.5 的 74.2% 和 GPT-6 Astra 的 74.1%，并以 1525 分位居 Text Arena 第一。
推荐理由：汇总了 Gemini 4 Argon 的跑分、定价与内部质疑，可对照同期竞品判断其真实位置。
谷歌发布新一代模型 Gemini 4 Argon，重点面向长流程软件工程、法律与金融等企业知识工作以及网络安全防御，目前通过 Fairwind 计划向受信任的网络安全防御团队开放，尚未面向所有开发者上线。
推荐理由：谷歌新模型把输出上限提到百万 Token，并披露 80 万行内核代码迁移等内部工程案例，可据此观察长流程任务的实际用法。
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，首批开放给 Fairwind 计划的政府用户和可信网络防御者，之后才向开发者、企业和消费者开放。
推荐理由：汇总了 Gemini 4 Argon 的基准、定价与内部部署数据，并列出评测者对数字的质疑，便于对照判断。
Google 发布 Gemini 4 Argon，官方 18 项测试中 13 项领先，输出上限从上一代 6.4 万 token 提升到 100 万 token，知识工作与长上下文表现最强，编程和终端任务则相对落后。
推荐理由：文章在官方跑分之外补充了内部质疑与第三方盲评，读者可据此判断 Gemini 4 的真实能力边界。
谷歌推出开源编排器与声明式运行时 AX，托管于 agentexecutor.io 和 GitHub 的 google/ax 项目，采用 Apache 2.0 许可证，用于执行和扩展自主 AI 代理工作负载。
推荐理由：谷歌把有状态代理当作 Actor 来调度，读者可据此判断代理基础设施与现有 Kubernetes 工作流的差异。
Google DeepMind 发布前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展到开发者、企业和消费者，起步价每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准成绩和分阶段开放路径，可据此判断前沿模型的能力边界与发布节奏。
AWS 官方博客演示在 Amazon Bedrock AgentCore Runtime Instances 上部署三智能体音乐制作流水线：作曲智能体用 Claude Sonnet 4.6 生成音乐简报并在实例的 NVIDIA L4 上运行 ACE-Step 渲染音频，交付智能体读取共享卷上的 .wav 做 EQ、压缩与限幅，合规智能体独立复测并比对曲库相似度。
推荐理由：AWS 官方给出三智能体共享 GPU 实例的完整代码与实测数据，可迁移到其他长时多智能体工作流。
CoreWeave 宣布 NVIDIA Vera Rubin NVL72 系统搭配 Spectrum-X 102.4T 以太网在 CoreWeave Cloud 上可用，Cognition 成为首个在生产负载上运行该系统的客户。
推荐理由：CoreWeave 上线 Vera Rubin NVL72 并公布 Devin 实测吞吐数据，读者可据此判断智能体编码负载的算力成本走向。
OpenAI 研究员 Noam Brown 在 Dwarkesh Patel 播客中表示，用 1 万个 Agent、耗时 88 小时、消耗 1300 亿 token 解出千禧年数学难题，但多智能体最多只占 10% 功劳，核心仍是模型本身足够强。
推荐理由：OpenAI 研究员复盘万级 Agent 解千禧年难题，并给出多智能体协作与对齐风险的一手判断。
openJiuwen 发布 WorkSwarm 全双工多模态能力，让实时音视频对话与 Core Agent 后台执行并行：用户可随时插话打断播报，复杂任务在后台继续搜索、调用工具并生成文件。
推荐理由：openJiuwen 把实时音视频对话与后台 Core Agent 执行拆成两条并行路径，读者可据此判断边聊边办事的交互如何落地。