Agents CLI 如何用扩展系统支持 LangChain 与自定义部署策略
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。
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。
DeepSeek 开源其内部推理框架 DeepInfer,用于以高吞吐、低延迟大规模运行 DeepSeek-V4.1-Flash。项目代码已发布至 github.com/deepseek-ai/DeepIn…,DeepSeek 表示希望借此帮助社区降低计算成本和能源使用,让 AI 更加可负担。
Google 将 TorchTPU 集成进 TorchTitan,提供在 Google Cloud TPU 上使用 PyTorch 训练模型的 TorchTitan TPU fork,代码位于 github.com/google-pytorch/tor…。
推荐理由:文章把 TorchTPU 上的 PyTorch 训练优化拆成可复用配置,并用 Llama 3、Qwen3 和 FLUX.1 的实测结果说明各环节的收益。
DeepSeek 发布 DeepSeek-V4.1-Flash-1017,称其相较上一版本拥有更强的基准表现、更快的任务完成速度和更短的输出,在性能与成本上实现 Pareto 改进。
DeepSeek 将 DeepSeek V4.1 Flash 更新至 V4.1-Flash-1017,官方网页端、APP 与 API 已同步切换到新模型。
推荐理由:材料同时给出新版模型的基准对比、适配框架,以及 Search/Fetch 接口 5 元/千次的价格,便于评估升级与接入成本。
Mistral AI 发布 Timestral 时间序列基础模型家族,提供 5M、28M、123M 和 209M 四种规模,支持多变量概率预测、过去协变量和已知未来协变量。
推荐理由:原文同时给出四种参数规模、CPU 推理延迟和公开基准结果,便于比较时间序列基础模型的精度、效率与部署成本。
LightSeek Foundation 在 TokenSpeed 测试中测得 Qwen3.8-Flash-Next 单用户输出速度达 685 output tokens/s。测试运行于 4× NVIDIA GB300,使用 NVFP4,并介绍了相关 kernel 和 serving 优化。
Anthropic 构建内部版本控制系统 Scion,并在五个月内将单体仓库从 git 完整迁移,以应对代码合并量从 2026 年 5 月日均约 2,500 次增至 9 月超过 30,000 次。
推荐理由:文章以 Anthropic 的超大单体仓库为案例,解释 AI 智能体高频改码如何暴露 Git 的扩展瓶颈,并给出 Scion 的架构取舍与实测收益。
Qwen 发布 QwenGyre,用于极长时程(XLong)智能体训练,并提出 Elastic Scheduler 与 Trajectory Processor 两项设计。
Andrej Karpathy 认为,不同人群接触 LLM 的层级差异正在扩大,少数专业用户已在数学和编码领域直接感受到前沿智能体的快速进步。 他估算约 6B 人几乎未接触 LLM,约 1-2B 人仅偶尔使用免费产品,约 20M 人在专业数学与编码工作中使用前沿 LLM,约 5,000 人可内部接触更先进系统。
Qwen 发布 Qwen-Image-2.1-Turbo 并开放权重,这是基于 Qwen-Image-2.1 同一 7B 视觉生成架构的加速 checkpoint,可用 8 个去噪步骤生成和编辑 2K 图像。Qwen-Image-2.1 Pro 和 Turbo API 现已正式上线,用户也可以通过 Diffusers 使用 Turbo 权重。
推荐理由:材料给出 8 步采样、2K 图像和自然语言编辑等具体信息,便于比较开放权重工作流与托管 API 的使用方式。
GitHub数据显示,2024年Q2至2026年Q2公开推送量增长2.84倍,含凭证推送增长2.59倍,但每次推送中出现密钥的比例并无统计显著上升,说明问题是人工处置跟不上代码增速,而非开发者更粗心。
Mistral AI 发布 Mistral Large 4 公共预览版,这是一款 1 trillion-parameter、52 billion active parameters 的原生多模态模型,预览 API 已可在 Mistral Studio 试用。
推荐理由:文章集中披露 Mistral Large 4 的参数规模、核心基准与预览 API,并交代月底发布权重的计划,便于把握其能力范围和开放节奏。
Workera 宣布将被 Pearson 收购,双方计划结合 Workera 的技能测量技术与 AI 人才,以及 Pearson 的全球规模和学习评估经验。Workera 表示,其已开发 AI-native skills intelligence、智能体主导的多模态评估和 ambient skill measurement,并建立了跨组织、行业和岗位的技能基准。
Andrew Ng 表示,OpenWorker 正基于 Nvidia OpenShell 构建智能体沙箱,并将支持把每个智能体的命令放在沙箱内运行。沙箱只允许与任务相关的文件进入,默认阻断 API keys、浏览器登录凭据和任意网站访问权限,权限限制由确定性代码实施,所有操作都会记录以供监控和审计。
Andrew Ng认为,近期围绕AI危险的恐慌被过度炒作,安全问题应靠工程修复而非暂停AI发展。他以OpenAI智能体集群入侵Hugging Face为例,指出报道中的1,200个智能体并不等于神奇能力,OpenAI的沙箱与监控缺陷才是事件关键。他认为AI智能体已改变网络安全威胁格局,但AI的有益应用仍远超风险,应继续推进建设。
Andrew Ng 认为,近期 AI 风险恐慌主要由炒作推动,AI 技术并未出现意外的危险转向。他指出,AI 智能体的网络安全能力确实改变了威胁形势,但 OpenAI 智能体群攻击 Hugging Face 的事件也与沙箱和监控缺陷有关。Andrew Ng 主张通过工程改进和明确责任应对风险,而不是暂停 AI 进展。
Jack Clark 在 Import AI 473 中汇总 RAND 的美国超级智能战略,以及人类脑组织移植小鼠、AI 进展节奏和递归自我改进等研究,并以机器诠释学故事收束。
Qwen-Image-2.1 开源,将文生图与图像编辑整合在同一模型中,视觉生成部分为 7B 参数,并原生支持透明图像的生成与编辑。该模型最多支持 10 张参考图输入,也支持圈选、涂抹和独立掩码等局部编辑方式。
推荐理由:原文同时交代了 7B 视觉生成规模、透明图像处理和最多 10 张参考图编辑能力,便于了解其在创作与设计场景中的适用范围。
Qwen3.8-LiveTranslate 发布,采用 Interleave 架构,将字均延迟(LAAL)从上一代的 2.8 秒降至 2.3 秒。模型支持 60 种语言输入音频与输出文本、29 种输出音频语言,并新增实时说话人分离、原文译文同帧同出和长上下文消歧。文章还给出了通过 DashScope API 使用实时同传客户端的示例。
推荐理由:文章给出 Qwen3.8-LiveTranslate 的 Interleave 架构、2.3 秒字均延迟和多说话人长音频评测结果,便于理解其实时同传的能力变化。
Qwen3.8-Omni-Flash 正式上线,支持文本、图像、音频和视频输入,以及 1M 长上下文。在累计 29 项评测中,相比上一代 Qwen3.5-Omni-Plus 平均得分提升超过 25%。API 每小时音频输入价格降幅超过 98%,音视频输入价格降幅超过 93%。
推荐理由:原文提供了与上一代模型的评测和价格对比,帮助判断 Qwen3.8-Omni-Flash 在音视频 Agent 场景中的变化。
DeepSeek 正式发布 552B 参数的 MoE 模型 DeepSeek V4.1 Flash,具备原生多模态视觉理解能力并同步上线 DeepSeek API。
推荐理由:文章同时交代了 DeepSeek V4.1 Flash 的架构、缓存成本变化、API 使用方式和开源入口,有助于判断其部署与使用影响。
Qwen 联合淘天集团发布 E-Commerce Bench,用于评估 Agent 在有限资金和时间约束下持续经营网店的能力。模型以10万元本金经营365天,面对6,886个商品、576个供应商和动态市场,并接受盈利、现金流、谈判、反欺诈、运营效率、执行力与长程学习等维度评估。
推荐理由:E-Commerce Bench 将真实平台脱敏数据、确定性谈判内核与长期资金约束结合,提供了评估 Agent 持续经营和风险管理能力的可复现实验框架。
千问提出 Qwen-Drive-1.0,以 Qwen3.5-4B 为基座,在不改动预训练 VLM 架构的前提下统一 3D 感知、驾驶视觉问答与运动规划。模型增加 BEV 感知头和基于流匹配的规划专家,Qwen-Drive-1.0-SFT 在 LingoQA、Ego3D RMSE 和 WaymoQA All 上分别为 77.80、7.78 和 74.47。
DeepSeek 将全新的多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp 上线 DeepSeek API,用户可通过指定 model='deepseek-v4-flash-vision-exp' 访问。
推荐理由:材料同时给出文本与多模态 Agent 基准对比,并说明 API、图片传入和 Files API 的接入方式,便于判断模型的适用场景。
DeepSeek 发布 DeepSeek V4 Pro 正式版,并同步更新至 APP、网页端和 API。模型增强了 Agent 能力,API 原生支持 OpenAI Responses API 并适配 Codex;V4-Pro 和 V4-Flash 思考模式新增 low、high、max 三档。API 将于北京时间 2026 年 8 月 17 日 0 时启用峰谷定价,闲时价格为高峰时段的一半。
推荐理由:原文同时交代了 DeepSeek V4 Pro 的 Agent 能力、Responses API 接入、思考强度与峰谷定价变化,便于评估升级成本和接入方式。
IBM Research 将 K-Search 扩展为支持 MLX 的后端,并用结构化 CUDA-to-MLX 翻译层把 CUDA 内核经验迁移到 Apple Silicon 上进行演化优化。
推荐理由:文章说明结构化翻译层如何将 CUDA 内核经验迁移到 Apple Silicon,并用 Attention 与 Mamba SSM 的实测结果呈现具体优化路径。
Meta AI 模型正帮助匹兹堡大学 RAMMP 团队为辅助机器人构建端侧感知系统,实现实时 360 度环境感知和自适应目标检测。系统结合 SAM 自动标注、DINOv2 嵌入微调的轻量 RF-DETR,并以 DINOv3 作为紧凑视觉基础,面向电池供电设备优化。相关功能已准备进行现实测试,可检测自动门按钮、杯子和路缘/地面。
Meta 的 SAM 3 与 DINOv3 被 Genesis Mission 旗下、由 Berkeley Lab 主导的 SYNAPS-I 项目用于 X-ray 和中子科学数据的实时图像分割。
推荐理由:文章展示了 SYNAPS-I 如何将 SAM 3 与 DINOv3 微调后部署在 300 A100 GPUs 上,把葡萄藤微 CT 图像的分割分析从每个时间步一个月压缩至约 15 分钟。
Meta Superintelligence Labs 发布 Muse Spark 1.1,这是一款面向 Agent 任务的多模态推理模型,并通过 Meta Model API 向开发者开放公开预览。
推荐理由:原文展示了 1 million tokens 上下文、工具调用和多智能体编排能力,并开放 Meta Model API 公开预览,读者可据此了解 Muse Spark 1.1 在复杂 Agent 工作流中的使用方式。
Berkeley AI Research 发表一篇观点文章,讨论推理成本快速下降后,数据系统如何为 Agent 服务、支撑多 Agent 协作并由 Agent 构建。
推荐理由:文章把近乎零成本推理带来的变化拆成三类数据系统问题,为理解 Agent 工作负载、共享记忆与系统验证的协同设计提供了具体框架。
Meta Superintelligence Labs 发布 Muse Image,并预览 Muse Video。
推荐理由:文章交代了 Muse Image 的工具调用、自我优化和多参考合成机制,以及 Muse Video 的预览状态与开放范围,便于理解这次发布的能力边界。
Meta 发布 Brain2Qwerty v2 研究,端到端管线可从非侵入式脑信号实时解码句子,词准确率达到 61%。系统基于 9 名志愿者约 22,000 个句子和 MEG 记录训练,最佳参与者的词准确率达到 78%,超过一半句子的解码结果仅含一个或更少词错误。
推荐理由:研究将非侵入式脑信号实时句子解码做到 61% 词准确率,并公开训练代码与 v1 数据集,为复现和后续研究提供具体基础。
Anthropic 介绍了如何在 claude.ai、Claude Code 和 Claude Cowork 中通过环境隔离、模型防护与外部内容控制来限制智能体的潜在影响范围。
推荐理由:文章以 Claude 产品的真实案例说明,智能体安全应先在环境层设置确定性隔离,再用模型层约束行为,并按用户监督能力匹配隔离强度。