Grok 4.7 现已通过 Amazon Bedrock 上线，提供 500K token 上下文窗口和低、中、高、超高四档可配置推理力度。该模型面向编码、长时运行智能体和知识工作，支持 Responses、Chat Completions 和 Converse API。xAI 称其为最擅长编码和知识工作的模型，强调持久工作与自我校验。
推荐理由：Grok 4.7 登陆 Bedrock，文章梳理了 500K 上下文、四档推理级别与成本权衡，适合评估长任务智能体工作负载。
Amazon Nova Act 通过多模态大语言模型处理 UI 截图而非 DOM 选择器，在早期企业用例中对浏览器工作流的准确率超过 90%。该方案结合 Amazon Bedrock AgentCore 托管代理执行，以 AgentCore Browser 提供隔离远程浏览器环境，并由 EventBridge Scheduler 调度、SNS 发送失败告警，实现完全托管的合成监控。
GitHub Copilot app 的 canvas 是一种用户与智能体共享的可定制界面，可根据自然语言描述生成看板、清单、表单等布局，并支持双向实时更新。用户通过 `/create-canvas` 技能用纯英文描述工作流即可生成，无需手写代码，且创建后可作为扩展保存复用。
该方案在AWS上构建单一AI智能体，运行时按用户提问选择工具，对上传的视频返回自然语言答案。已分析内容的响应不到1秒，新视频初次分析需5–10分钟，代码已在GitHub开源。一家大型媒体娱乐公司采用后，对200多个多小时录音的手动审查时间减少约80%（未经独立验证）。
Claude Opus 5.5 已在 Amazon Bedrock 和 Claude Platform on AWS 上线。相比 Opus 5，它用更少 token 完成任务且单价与缓存读取更便宜，平均单任务成本更低，并首次为 Opus 系列加入生物、网络安全和 AI 发展领域的安全分类器。模型支持自适应思考，可通过 Bedrock 控制台或相关 API 调用，覆盖多个地理区域的推理配置。
推荐理由：AWS 官方博客给出了 Opus 5.5 的效率与成本优势说明，并附 Bedrock 调用示例，便于开发者评估部署价值。
NVIDIA 在加拿大多伦多 ROSCon 上发布 Isaac ROS 5.0，为约 130 万 ROS 用户带来 Agent 化开发工作流，并新增对 ROS Lyrical 和 Ubuntu 24.04 的支持。
NVIDIA 主张将 AI 安全作为工程问题处理，在智能体栈各层级落实安全要求、可控策略与责任归属，强调运行时环境须在智能体推理之外独立施加边界限制。NVIDIA OpenShell 提供开源安全运行时，在智能体能力之外强制策略并支持沙箱执行，Cisco DefenseClaw 与 JFrog 已基于其构建治理与技能扫描能力。
AI 生成的代码仍需人工审查，RAG 并未消亡，Skills 也未能取代 MCP——GitHub 博客逐条剖析这些热点观点。作者强调代码审查责任、检索增强生成的价值，以及 Skills 与 MCP 的互补关系，并指出微调并非代码质量差的借口，这些工具应协同使用而非相互取代。
OpenAI推出新的AI驱动广告体验，包括Sponsored Agents、面向营销人员的工具，以及与HubSpot和Shopify的集成。这些功能旨在探索智能体在广告投放和营销中的新应用。
Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款新语音对话模型，主打近实时推理。
推荐理由：官方基准显示新模型在语音智能体任务上领先并在成本上有竞争力，可据此判断生产环境中的应用价值。
OpenAI 发布 Agents API，一个由 Codex harness 驱动的托管服务，支持智能体的编排、长会话和工具调用，用于构建和部署云智能体。
推荐理由：原文点出 Agents API 的定位与三大核心能力，读者可据此判断其编排、长会话与工具调用的适用场景。
GitHub Copilot 应用支持在同一项目上并行运行多个独立智能体会话，每个会话拥有独立的Git worktree和上下文，互不干扰，可随时启动新任务而无需等待。用户可通过会话视图跟踪进度，自由切换会话，减少上下文切换干扰。
Google DeepMind 发布 Gemini 3.8 Flash 和 3.8 Flash Cyber 两款新模型，3.8 Flash 保持与 3.7 Flash 相同的每百万输入 token 0.75 美元、输出 3.75 美元定价。
推荐理由：原文给出 3.8 Flash 的定价、编码与智能体基准成绩，以及 Cyber 版的安全管控方式，可据此判断其在企业自动化中的定位。
Google DeepMind 今日推出 Gemini 3.7 Flash，定位为迄今最智能的编码与智能体工作负载模型，距离 3.6 Flash 发布仅三周。相比 3.6 Flash，它在编码基准 FrontierCode 1.1（43.6% 对 34.4%）和 DeepSWE v1.1（65.3% 对 49.0%）上显著提升，并改善网页开发与多领域知识推理能力。
推荐理由：原文给出了 3.7 Flash 相比 3.6 Flash 在编码、网页开发和领域推理上的基准提升数据及首发优惠价，可帮开发者判断升级价值与性价比。
针对长程交互中递归摘要带来的性能损失，Berkeley AI Research提出ABBEL框架，将摘要组织为自然语言信念状态并引入信念评分以监督其信息内容。在CollabBench协作编码环境中，ABBEL将全上下文模型的性能差距缩小约50%，训练步数由100步减至50步，同时峰值上下文token大幅降低。
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和 3.5 Flash Cyber 三款新模型。
推荐理由：官方放出三款Flash模型的token效率、速度与价格数据，可据此评估它们对规模化智能体工作流的实际价值。
AI推理成本大幅下降，GPT-4级能力每百万token从约30美元降至1美元以下，近乎免费智能即将到来。推理价格每年下降9至900倍，中位数约50倍，智能体将成为数据系统主流负载。数据系统需面向、由、与智能体重构，以应对重复查询和智能体推测等新挑战。
Google DeepMind 将 computer use 集成为 Gemini 3.5 Flash 的内置工具，开发者可通过 Gemini API 和 Gemini Enterprise Agent Platform 构建跨浏览器、移动端与桌面端的智能体。
推荐理由：官方博客交代了此前独立模型的集成路径、开发入口与两套企业级防护机制，读者可据此评估它适合哪些自动化场景。
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA 及 Google.org，宣布一项面向全球研究人员、总额最高 1000 万美元的技术研究资助，聚焦大规模多智能体 AI 系统在群体交互中的安全与稳定性。
Google DeepMind 发布 Gemini for Science，包含基于 Co-Scientist、AlphaEvolve 和 NotebookLM 构建的 Hypothesis Generation。
Google DeepMind 与新加坡政府达成新的国家 AI 合作伙伴关系，启动多项项目，将前沿 AI 应用于医疗、科研与教育。合作包括为所有中小学教师提供 Gemini for Education、探索 AI 辅助临床决策，并获 Google.org 700 万美元资助传染病研究。预计到 2040 年，这项合作可通过加速研发为新加坡创造 33 亿新元（约 25 亿美元）经济价值。
Co-Scientist 帮助 MIT 机械工程师 Ritu Raman 与波士顿儿童医院化学生物学家 Ryan Flynn 结合各自专长，加速 ALS 研究。该工具将通常需数月掌握的文献梳理压缩为快速证据评估，生成可检验假说并排序可行方向，促成两人合作聚焦细胞表面 RNA 介导的信号机制，以寻找新型 RNA 靶向疗法。
Google DeepMind 发布 Gemini 3.5 系列，首批推出 3.5 Flash，主打智能体与编码，今天面向 Gemini 应用、Google 搜索 AI 模式及 Antigravity 等平台开放。
推荐理由：官方给出了 3.5 Flash 的基准成绩和开放渠道，可据此判断它在智能体任务上的速度与成本取舍。
Google DeepMind 在 Nature 发表 Co-Scientist 研究，这是一个基于 Gemini 的多智能体系统，通过生成想法、辩论、演化三阶段循环迭代，自动产生并排序新颖的科学假说。该系统已通过 Hypothesis Generation 工具向个人研究者开放，注册入口在 labs.google/science。
推荐理由：介绍了多智能体系统如何通过生成、辩论、演化三阶段迭代产出科学假说，并用具体合作案例展示其实际成效。
Google DeepMind在AlphaGo十周年之际宣布与韩国科学技术信息通信部建立合作伙伴关系，以支持韩国的AI战略和科研生态。
Google DeepMind 宣布与 Accenture、Bain & Company、BCG、Deloitte 和 McKinsey 建立合作，推动前沿 AI 在各行业的规模化应用。
Google DeepMind 发布开源模型 Gemma 4，提供 E2B、E4B、26B MoE 和 31B Dense 四个尺寸，采用 Apache 2.0 许可，31B 模型在 Arena 文本榜单位列开源模型第 3。新模型支持 140+ 语言、最高 256K 上下文、原生多模态与语音输入，可离线运行于手机等边缘设备，并兼容 Hugging Face、vLLM、Ollama 等主流工具。
推荐理由：官方披露 Gemma 4 四个尺寸与 Apache 2.0 许可，有助于评估其智能-参数比优势和本地部署门槛。