微软 ThinkingBox 基准登陆 OpenEnv 并对每项任务进行 20 次测试,Exgentic 数据集汇集 10 000 条 OpenTelemetry 格式追踪记录
ThinkingBox 在 OpenEnv 上将 507 项任务重放 20 次,Agent 排名发生变化;Exgentic 带来 10 000 条 OpenTelemetry 格式追踪记录;Claude Code 2.1.289。
标签: agents
60 篇文章
ThinkingBox 在 OpenEnv 上将 507 项任务重放 20 次,Agent 排名发生变化;Exgentic 带来 10 000 条 OpenTelemetry 格式追踪记录;Claude Code 2.1.289。
Kolibri 是采用 Apache 2.0 许可、拥有 780 亿参数的英德双语模型;Meta 将安全规则扩展至训练阶段;Devin 入驻 Jira。
六篇借助 Muse Spark 撰写的数学论文、以概率作答的 Perplexity API,以及用于培训 10 000 名工程师的 1 亿美元投入。
mods 使用 TypeScript 定制 Claude Code,GitHub Copilot 操控桌面应用并编排其代理,FLUX 3 Image 生成 4K 图像。
Gemini 4 Argon优先面向网络防御者推出,OpenAI称挫败一起蒸馏攻击活动,Cohere推出Embed 5、Ideogram 4.5与HeyGen Video。
DevDay 2026:OpenAI 发布 GPT-6.1 Sol、dots 和 Codex cloud;Clément Delangue 宣布 NVIDIA 将收购 Hugging Face,AMD 将收购 World Labs。
Anthropic 发布 Claude Sonnet 5.5:与 Sonnet 5 相比,生成速度更快、单项任务成本更低;NVIDIA 将智能体管控延伸至芯片层面,Manus 则升级至 2.0。
9 月 22 日:Anthropic 推出 Claude Opus 5.5,并在 Claude Code 中将 Pro 和 Team Standard 切换至 Opus;OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna,其价格相较 GPT-5.6 的促销价降低一半;两大模型家族当天即登陆 GitHub Copilot、Devin 和 Perplexity。
9 月 21 日:xAI 发布 Grok 4.7,定价与 Grok 4.6 保持不变,并于当天将其部署至 Cursor 和 GitHub Copilot;OpenAI 透露,一个内部模型已解决超过 100 个数学开放问题;Google 开启 Googlebook 预购,起售价为 899 美元。
2026年6月22日:OpenAI 发布 Codex Security、GPT-5.5-Cyber 和 Patch the Planet;Sakana Fugu 在 SWE-Bench Pro 上宣称达到 73.7%;Cursor 公布 3 项新内容,其中包括与 SpaceX 共同训练的模型;Gemini Spark 面向 Ultra 订阅用户进入测试版。
2026年6月21日:Perplexity Computer 集成 Deep Research、command panel 和 forking;Together AI 免费部署 GLM-5.2,并成为 OpenRouter 上该模型最快的服务器;Amp 将其 Librarian 加速 3 倍、成本降低 43%,并推出 Custom Agents;v0 引入 Annotations 模式以及 Apple/Google Pay 支付。
GitHub Copilot 2025 年回顾:向具有代理、MCP 服务器、改进的 CLI 和新智能编辑功能的多模型助手的演变。