TokenEconomizer 开源插件利用历史会话降低 AI 编码智能体成本
UC Berkeley、Microsoft Research 和 Microsoft Security 推出开源插件 TokenEconomizer,可从同一仓库的历史会话中学习,在不修改智能体或底层模型的情况下减少后续任务浪费。
推荐理由:它展示了如何从同一仓库的历史会话中提炼微技能、裁剪工具并干预失败循环,为降低编码智能体的 token 成本提供可迁移方案。
UC Berkeley、Microsoft Research 和 Microsoft Security 推出开源插件 TokenEconomizer,可从同一仓库的历史会话中学习,在不修改智能体或底层模型的情况下减少后续任务浪费。
推荐理由:它展示了如何从同一仓库的历史会话中提炼微技能、裁剪工具并干预失败循环,为降低编码智能体的 token 成本提供可迁移方案。
Google 讲解了如何按 AI 智能体会话而非 Web 请求为 GKE 节点池规划容量,并介绍 Agent Substrate 和 AX 如何在会话等待时停放沙箱、释放计算资源。
推荐理由:文章用100个编码智能体的成本模型说明,应按实际占用 worker 的会话配置节点池,并以最繁忙时段的提示频率校准容量。
NVIDIA 在 SC26 发布 Rubin HPC GPU,面向 NVIDIA Vera Rubin 平台,加速科学、工程与分析工作流中的仿真和数据处理。该 GPU 单卡配备超过 50,000 个 CUDA 核心,并加入稀疏数据加速能力和第七代 NVIDIA NVLink 互连技术,预计于 2028 年上市。
NVIDIA 扩展 CUDA-X 库,引入 cuPhoton、cuPotential 和 cuSpa 等工具,支持 AI 智能体参与天体物理、聚变、药物、材料与单细胞研究。
NVIDIA 公布 Vera Rubin 的 MLPerf 首测结果,称其领先 MLPerf Training v6.1 全部项目,智能体推理每瓦吞吐量较 GB300 提升超过 10x。
Amazon Bedrock Managed Knowledge Base 现已支持表格搜索,可通过智能体检索读取 CSV、XLSX 和 XLS 文件的完整表格,并结合相关文档回答多步分析问题。
推荐理由:文章拆解了表格搜索先检索定位文件、再在隔离沙箱中读取整表计算的机制,并提供文件选择与审计追踪方法。
OpenAI Bedrock 为开放权重模型新增显式提示词缓存,可通过 Chat Completions API 标记可复用前缀,并从响应中读取缓存使用情况。隐式缓存自动复用匹配前缀,显式缓存使用 prompt_cache_options 和 prompt_cache_breakpoint 控制缓存边界;示例还演示了 OpenCode 1.18.35 编码智能体会话中的缓存验证与最佳实践。
OpenAI 为 ChatGPT for Healthcare 引入电脑操作智能体、改进临床回答,并新增医疗插件。新插件可跨医疗软件工作,以完成实际任务。
Google Maps 为 Ask Maps 新增自定义公路旅行行程、实时路线提示、预约查找和收藏列表搜索,用户还可让其在线查找空档并致电本地商家。更新从今天起在 Android 和 iOS 推出,Ask Maps 同时扩展至欧洲30个国家,覆盖全球逾200个国家和地区。行程与列表搜索随 Ask Maps 提供,路线提示和预约查找先在美国上线。
推荐理由:它展示了地图产品如何结合生成式规划与实时地点数据,并通过预约代办把 AI 从回答问题延伸到执行任务。
QwenTeam 正式发布 Qwen4-Max,该模型基于 Qwen4 系列新架构,拥有 2.4T 主干参数、原生视觉能力和百万 token 上下文窗口。相比 Qwen3.8-Max,Qwen4-Max 在 Work360 的 Xhigh 和 High 推理强度下 token 消耗分别减少约 24% 和 35%,单个任务平均费用从 26.58 元降至 11.16 元,降低 58%。
推荐理由:原文同时披露了 Qwen4-Max 的架构变化、评测结果和成本下降,便于比较它相对 Qwen3.8-Max 在能力与 token 效率上的改进。
AWS 介绍了如何在 Amazon Bedrock 上部署 LiteLLM 与 NVIDIA NeMo Switchyard,为编码智能体请求配置 Stage 或 Random 模型路由。
推荐理由:文章把编码智能体的路由评估从单次 token 价格转向每个成功任务成本,并提供可部署的 Stage、Random 配置与基线对比方法。
Google Research 宣布向外部研究者和开发者开放 Antigravity 中基于 Gemini 4 的 /teamwork 与 /boost 工作流。
推荐理由:原文将并行探索、专门验证和上下文分工组织成可复用的多智能体工作流,并用数学形式化、化学结构识别与代码优化案例展示其适用范围。
OpenAI 推出 ChatGPT Wallet,让 ChatGPT Work、Codex 和 dots 中的智能体在获得用户批准后完成购买。该功能保留现有银行卡的保护机制。
IBM Granite团队发布LLM原生标记语言LLMON,并推出两个基于Granite 4.1训练的实验性预览模型granite-4.1-3b-LLMON-preview与granite-4.1-8b-LLMON-preview。
Google DeepMind 发布 Gemini 4 Hydrogen,并将其面向开发者、企业和消费者全球开放,用于快速执行与智能体工作流。
推荐理由:文章同时给出 Hydrogen 的性能、价格与安全数据,并说明 Orchestrator 如何在 Carbon 与 Hydrogen 间切换,便于理解其在开发工作流中的定位。
Google 使用 Agent Development Kit(ADK)和 gemini-2.5-flash,在五个非 Google 编写的公开安全基准上测试 Private Preview 中的 Agent Anomaly Detection,共评测 1,774 个 sessions。
推荐理由:五个公开安全基准的测试展示了 Agent Anomaly Detection 对已执行有害指令的检测效果,也暴露出对长期记忆投毒的覆盖短板。
Tether AI Research 发布 BotPsy,这是一个基于 Qwen3.5-0.8B、面向工具调用和智能体工作流的 0.8B 参数语言模型,适用于端侧部署。
推荐理由:文章披露 BotPsy 的四阶段训练和多项基准结果,便于比较 0.8B 参数智能体在工具调用、推理效率和端侧部署上的表现。
微软研究人员发现名为Lazarus的后门技术,通过重编程LLM中不到10个休眠神经元即可植入后门,且不需要重新训练。模型能通过标准安全评测,但在触发条件(如日期变化)出现后,基于该模型的AI智能体会在正常任务中执行命令下载并运行攻击者代码,对拥有工具或终端访问权限的智能体风险尤其大。
推荐理由:研究显示,重编程不到10个休眠神经元就能让智能体在特定触发下执行恶意命令,提示权重溯源审计的现实意义。
Google DeepMind 宣布 Gemini 4 Carbon 已向开发者、企业、科学家和消费者开放,是其当前最强的前沿模型,专注网络安全能力以及跨知识工作、软件工程和科学推理的长链路智能体任务。
推荐理由:文中给出了Carbon与Argon及多家外部模型在基准测试、成本和安全指标上的对比数据,便于横向评估这次升级。
NVIDIA 将智能体运行时 OpenShell 贡献给 CNCF,并宣布 NVKE、NVKR 和 Snapshot 三个面向 Kubernetes AI 基础设施的组件。NVKE 和 NVKR 已进入公开预览,Snapshot 可在数秒内恢复检查点副本而无需重新加载模型。Crusoe 测试 GLM-5.3 时,就绪时间从约 8 分钟降至 31 秒。
Google 发布 A2UI 1.0,这是其生成式 UI 开放协议的首个稳定版本,可让 AI 智能体返回表单、图表等交互界面。协议支持双向函数调用、无障碍和扩展元数据,开发者可使用面向 Web、Android 和 iOS 的开源渲染器,以及 Python、TypeScript 和 Dart SDK。
推荐理由:A2UI 1.0 将智能体生成界面与应用原生渲染分开,并补充双向函数调用和多平台 SDK,适合了解跨端生成式 UI 的实现路径。
Google 分析数千名工程师、数亿个智能体步骤后发现,代码中的 TODO/FIXME bug 引用会让智能体偏离开发者原定任务。13% 的文件读取会话接触到这类引用,其中 6% 触发后续行动,83% 的行动未获开发者请求。
推荐理由:文章量化了代码中过时 TODO 如何诱发智能体偏航,并给出结合工单状态与代码历史清理引用的方法。
Microsoft Research 发布 PDD Kit,一套结合 Verus 形式化证明和测试来验证智能体编写代码是否符合开发者意图的工具包。团队在 GitHub Next 的 Chopin 环境中用它验证了 Rust 全栈应用 Pet Store 的登录逻辑,证明代码在所有输入下满足规范,同时对 bcrypt、SQLite 查询等无法证明的部分保留测试覆盖。
Anthropic Research 介绍 AI 参与科学建模的三个步骤:构建模型、用数据约束参数,以及解释模型对真实系统的含义。文章重点讨论 simulation-based inference 和基于 LLM 的智能体如何生成并筛选一组候选模型,而非只给出单一拟合结果。作者认为,保留模型分布、失败的替代方案和数据未约束部分,才有助于形成可解释的科学理解。
推荐理由:文章以 Hodgkin-Huxley 模型为例,拆解 AI 科学建模的构建、参数约束与解释过程,并说明为何保留候选模型分布有助于区分数据支持与未知部分。
Anthropic 介绍了 Claude 的 AI 智能体记忆系统,涵盖记忆笔记、dreaming、wiki 等组件,以及它们如何在会话间组织、修正和加载记忆。
推荐理由:文章拆解了记忆笔记、wiki 表征与 dreaming 的分工,并用 CL-Bench、Pokémon 和文档检索实验说明它们如何修正错误、组织跨会话知识。
Mistral 扩展企业 AI 平台 Mistral Studio,新增托管智能体和应用,以及工作流、企业上下文、智能体可观测性与评测能力。平台可在 cloud、VPC、on-premises 或组合环境部署,并通过连接器和 MCP servers 接入企业数据与系统。Mistral Large 4 (Le Chonk)提供编码、网络安全和文档推理能力,作为 Studio 中可使用的模型。
推荐理由:文章集中说明 Mistral Studio 如何把托管智能体、工作流和应用接入企业数据,并通过多环境部署、可观测性与评测支持从试点走向生产。
Google Antigravity 上线 Cheminformatics Skills,可检索并整理数千种化合物,执行 matched molecular pair analysis 和药效预测,提出新型刚性化大环分子及合成路线。该套技能基于 RDKit,并连接 ChEMBL 和 PubChem;相关设计仍需经过合成与实验验证,技能现已开放使用。
推荐理由:文章展示了 Cheminformatics Skills 如何串联文献检索、分子分析、建模与合成路线设计,并交代了模型预测仍需实验验证。
Google 通过 50 个自动评分的编码智能体任务,比较 Jev 分类器、启发式规则与 Gemini 不同配置的任务路由效果。Jev 在 34 个未见任务上与人工难度标注 34/34 一致,Jev 路由方案让简单任务使用 Flash-Lite、复杂任务升级到低 thinking 的 Flash,50 题全部答对,并可降低相较于全程低 thinking 的成本和响应时间。
推荐理由:文章用 50 个编码智能体任务比较启发式路由、Jev 与不同 Gemini 配置,给出按任务难度设置 thinking level 和维护上下文缓存的实践依据。
Mistral AI 发布改进版 Mistral Large 4(Le Chonk)的模型权重,这款 1-trillion-parameter 原生多模态模型提供 Low、Medium、High 三种推理模式,并提升编码、防御性网络安全和推理效率。
推荐理由:原文把编码、防御性网络安全和推理效率的公开评测,与开放权重及自部署路径放在一起,便于判断模型的工程使用价值。
Google 讲解如何结合 A2UI、AG-UI 与 CopilotKit 构建可在运行时生成、流式渲染并支持双向交互的 UI 应用。文章以 Google ADK 为例,展示通过受信组件目录和 Zod 校验限制可渲染组件,并让日期、航班和乘客信息沿同一数据流返回智能体。
推荐理由:文章串联了 A2UI 的声明式 UI、AG-UI 事件流与 CopilotKit 接入方式,并给出组件目录、双向交互和错误恢复的实现路径。
Google Developers Blog 演示了 Agents CLI 的 eval 循环,依次使用 eval generate、eval grade、eval compare 和 eval analyze 运行、评分并定位智能体回归。
推荐理由:文章用 Agents CLI 的评估循环展示如何通过基线、逐案例对比和定时告警定位智能体回归,方法可迁移到持续质量管理。
Google Developers Blog 展示了名为 HappyDelivery 的对话式电商工作原型,使用 LangGraph、Gemini、FastAPI 和 Google Cloud 组成 Ingress、Session & Cart、Agent Swarm 三层架构。
Google 发布 A2UI 的可切换推理格式,其中包括新的 A2UI Express,用于加快生成式 UI 的生成。A2UI Express 生成同类 UI 所需 token 最多减少 3x,延迟最多降低 3x;使用 Jev 等决策模型做布局决策时,延迟最多降低 80x。
推荐理由:文章对比了 A2UI Express、Direct JSON 与 Jev 受控生成的适用场景,并给出 SDK 接入方式和延迟、token 数据。
Google Workspace 在 Google Docs 和 Drive 中原生支持 Markdown 文件的预览、编辑与协作。用户无需转换文件类型即可直接编辑 .md 文件,并保留其内容供开发工具和 git repositories 使用。Google Docs 支持人与 AI 智能体实时共同编辑、评论和版本历史,Google Drive 支持富格式预览及切换至原始文本。
推荐理由:原文具体说明 Markdown 文件如何保持原格式并支持人与 AI 智能体协作,帮助判断 Google Docs 对开发文档流程的适配范围。
Google Cloud 展示了代号 Project Chrysalis 的自演化 AI 智能体参考架构,可运行在 Gemini platform 和 Agent Development Kit(ADK)上。
Microsoft Research研究员Xinzhi Zhang与合作者Zhao Song证明了1995年提出的KLS猜想,确立高维对数凹分布中最佳平面切割与最佳任意形状切割之间的差距存在与维度无关的固定上界。
推荐理由:原文详述了研究者引导多个AI智能体并行探索上百条推理路径、逐步筛选收敛到最终证明的协作过程。
Mistral 与 NVIDIA 合作开发面向工程的 AI 原生工作流,结合 Mistral 模型、NVIDIA 加速计算和物理建模工具推进仿真与闭环设计。双方将开发用于评估物理模型及 CAE、EDA 智能体的公开基准和开放数据集,比较准确性、执行时间与计算成本。
推荐理由:这项合作将开发公开基准和开放数据集,覆盖物理模型及 CAE、EDA 智能体评测,帮助比较准确性、执行时间和计算成本。
GitHub Blog 采访三位 Java Champion,介绍他们如何在生产环境和开源项目中使用 GitHub Copilot,并强调人类仍需负责上下文、验证和最终结果。
推荐理由:三位资深 Java 开发者分享从上下文准备、计划拆解到验证门和人工审查的 Copilot 实践,覆盖代码迁移、调试与 Agent Skills。
Google 的 Agents CLI 在 v1.5.0 起支持扩展系统,v1.8.0 提供官方 LangChain 扩展,让 LangChain 智能体接入 Agents CLI 的脚手架、运行、部署和评估流程。
推荐理由:文章以 LangChain 实例和 SBOM 部署策略演示 Agents CLI 扩展机制,说明如何在不分叉工具的情况下替换命令并保留部署与评估流程。
Mistral AI 发布 Voxtral 3 语音模型家族,包括语音转文字模型 Voxtral Small Transcribe 3 和文字转语音模型 Voxtral Mini TTS 3,并推出基于 LiveKit 的语音智能体 SDK,支持 50+ 语言转写和 35+ 语言语音合成。