2026年5月19日,Google DeepMind发布Gemini 3.5系列,率先推出Gemini 3.5 Flash模型。据其介绍,该模型在Terminal-Bench 2.1获得76.2%,输出速度为其他前沿模型的4倍,已全面开放,并成为Gemini应用和全球搜索AI Mode的默认模型;3.5 Pro计划下月推出。5月20日,Google的Noam Shazeer表示,Gemini 3.5的性能与速度组合适合长周期和智能体任务。同日另有消息称,由Gemini 3.5驱动的24/7个人AI智能体Gemini Spark可在文档、日历、幻灯片等应用间工作,关闭电脑后仍继续运行,下周开始推送。
匹配字段摘要
Together AI 推出 Voice Finder语音搜索与推荐工具
English translation is being prepared.
匹配字段摘要
2026年4月1日,Sakana AI开始招募其商用研究助手Sakana Marlin的封闭β测试者,测试期间免费。据Sakana AI官方博客介绍,Sakana Marlin是该公司首个商用产品,面向商业调研场景,用户只需给出调研主题,AI即可自主研究近8小时,输出结构化摘要幻灯片和数十页调研报告,全程无需人工介入。该产品基于AB-MCTS的推理时搜索与AI科学家的工作流自动化技术,可调用多个模型协同调研;官方称此前验证中,其在信息深挖方面获得比现有聊天服务内置研究功能更实用的反馈。目前该故事尚无后续发展事实,状态为招募启动。
匹配字段摘要
NVIDIA 发布面向 AI 智能体负载的 Vera CPU，称在 100 兆瓦数据中心对比中，单颗 Vera 的性能优于最快的 x86 CPU 和最节能的 x86 CPU。NVIDIA 给出的数据是：相比最快的 x86 CPU，Vera 每瓦可支持 1.6 倍数量的智能体；相比最节能的 x86 CPU，智能体速度提升 2 倍。Perplexity、DeepInfra、ClickHouse、DuckLabs、Daytona、Modal 等早期采用者给出了生产环境测试结果，其中 Daytona 用 Vera 在 10.8 秒内启动 1000 个智能体沙箱，x86 为 88.4 秒。
AI智能体不仅生成答案，还会搜索信息、查询数据库、编写和测试代码并采取行动。 上述每一步都依赖CPU，智能体在整个任务过程中不断在GPU推理与CPU执行之间切换。 随着企业部署越来越多的智能体，AI工厂需要能够快速执行这些步骤、同时支持大量智能体的CPU，而且这一切都要在可用功耗的限制之内实现。 这意味着： AI基础设施提供商需要支持更多智能体，同时不让每个智能体等待更长时间才能完成工作。更关键的是，AI工厂受功耗限制。这意味着运营方需要选择能在每一瓦功耗下最大化完成工作量的基础设施。 为何重要： NVIDIA Vera 在单颗CPU内同时实现了快速的智能体性能和高每瓦容量。这为提供商提供了一颗可覆盖多种智能体工作负载的CPU，而无需混搭快速型和密集型x86部件来平衡速度与容量。 证明这一点的数据： 在100兆瓦数据中心的对比中，NVIDIA发现单颗Vera CPU的性能优于最快的x86 CPU和最节能的x86 CPU。 Vera 在提供行业领先的智能体速度的同时，还能实现 相比最快的 x86 CPU，每瓦可支持的智能体数量多 1.6 倍。 相比最快的 x86 CPU。 Vera 实现
匹配字段正文
Together AI 发布 Together Compiler（TKCC），一个用高吞吐智能体持续优化推理负载的编译系统，在不到 24 小时内于 Kimi K3、GLM 5.3、MiniMax M3.1-Flash、DeepSeek v4.1-Flash 等前沿开源模型上实现最高 2.6x 的 TPS 提升。它在 SemiAnalysis 的 InferenceX 低延迟基准上取得 MiniMax M3.1-Flash 1111 TPS、DeepSeek v4.1-Flash 1205 TPS 的当前最好成绩，并在 Llama 1B batch size 1 场景比开源 megakernel 高 1.7x。TKCC 依靠持久化引擎热加载候选前向计算和快慢两级引擎平衡吞吐与保真度，实验吞吐比基线智能体优化系统高 252x，目前已用于服务每天数万亿 token。
作负载高度多样：Together 每天为数千名客户提供数万亿 token 的服务，每个客户的流量形态各不相同（批大小、序列长度、MoE 专家不均衡、注意力稀疏性、会话时长、领域）。 硬件高度多样：H100、B200、B300、NVL72、VR、Groq 等各自需要不同的策略。 理论上，智能体非常适合解决这个问题。它们能够适应新的工作负载，并在可能的优化空间中搜索，而不依赖那些困扰人类专家和传统机器学习编译器的固定规则或启发式方法。然而，当今的智能体系统受限于实验速度。 我们推出 Together Compiler（TKCC），这是首个 真正 持续 的优化循环，利用高吞吐智能体针对多样化的推理工作负载进行优化 在不到 24 小时内，TKCC 在前沿开源模型（Kimi K3、GLM 5.3、MiniMax M3.1-Flash、DeepSeek v4.1-Flash）上实现了最高 2.6 倍的 TPS 提升，在 SemiAnalysis 的 InferenceX 低延迟基准上创下当前最好成绩——MiniMax M3.1-Flash 达到 1111 TPS，DeepSeek v4.1-Fla
匹配字段正文
Together AI 发布 Together Compiler（TKCC），用高吞吐智能体持续为不同流量形态、模型和硬件生成推理优化。官方称其在不到 24 小时内于 Kimi K3、GLM 5.3、MiniMax M3.1-Flash、DeepSeek v4.1-Flash 上实现 1.3-3 倍 TPS 提升，并在 SemiAnalysis 的 InferenceX 低延迟基准上以 MiniMax M3.1-Flash 1111 TPS、DeepSeek v4.1-Flash 1205 TPS 取得 SOTA。该系统采用常驻引擎与快慢两级引擎平衡实验吞吐和测量保真度，实验吞吐比基线智能体系统高 252 倍，目前已用于线上服务。
载高度多样：Together 每天为数千名客户提供数万亿 token 的服务，每个客户的流量形态各不相同（批大小、序列长度、MoE 专家不均衡、注意力稀疏性、会话时长、领域）。 硬件高度多样：H100、B200、B300、NVL72、VR、Groq 等各自需要不同的策略。 理论上，智能体非常适合解决这个问题。它们能够适应新的工作负载，并在可能的优化空间中进行搜索，而不依赖那些困扰人类专家和传统机器学习编译器的固定规则或启发式方法。然而，当今的智能体系统受限于实验速度。 我们推出 Together Compiler（TKCC），这是首个 真正 持续 的 RSI 系统，利用高吞吐智能体针对多样化的推理工作负载进行优化. 在不到 24 小时内，TKCC 在前沿开源模型（Kimi K3、GLM 5.3、MiniMax M3.1-Flash、DeepSeek v4.1-Flash）上实现了 1.3-3 倍的 TPS 提升，在 SemiAnalysis 的 InferenceX 低延迟基准上取得 SOTA，MiniMax M3.1-Flash 达到 1111 TPS，DeepSeek v4.1-F
匹配字段正文
Google DeepMind 为 Google Antigravity 发布一套化学信息学技能（Cheminformatics Skills），基于 RDKit 并接入 ChEMBL 与 PubChem，由语言模型负责任务编排与科学推理、确定性化学工具执行分子计算。以肺癌药物为例，智能体在约一小时内检索数千个化合物、完成匹配分子对分析并训练效力预测模型，还提出带合成路线的新型刚性化大环分子设计。团队同时说明，稀疏数据、实验室间检测噪声和窄动态范围会限制预测精度，计算设计只是可验证的假设，仍需实验合成验证。该技能已在 Antigravity 上线，安装 Science 插件即可使用，并向 1 万名科学家提供 6 个月最高用量档免费名额。
探索科学用例 此处. 企业用户今天也可以在 Antigravity 上开始使用化学信息学，方法是选择“使用企业账号”，并使用您的 Google Cloud 凭据登录该应用。 为进一步加快研究步伐，我们向 10,000 名科学家免费提供 Google Antigravity 最高用量档，为期 6 个月（滚动入驻），但须符合资格、容量和遴选条件。申请 现已开放. 我们要感谢以下团队成员的贡献：Filip Radlinski、Artem Sobolev、Victoria Johnston、Hannah Kiely-Collins, Zachary Wu、Jue Wang、Jack Dunger、Adriana Fernandez Lara、Ngân Vũ、Doug Fritz、Yunhan Xu、Sebastian Nowozin、Pushmeet Kohli。 申请 Google Antigravity 最高用量档 在 Google Antigravity 上探索科学 相关文章 借助 Google Antigravity 加速抗菌肽的搜索2026年10月科学 了解更多 与古物对话 了解更多
匹配字段正文
Browser Use 将最快的浏览器智能体 BU Ultrafast 从等待名单开放到美国所有 Cloud 套餐，免费版也包含。官方数据显示其任务中位耗时 22 秒、单次成本 0.0064 美元，而默认智能体在 GPT-6 Luna 上为 79 秒、0.0098 美元。使用时只需把 model 设为 bu-ultrafast；需要更多逐步推理可改用同一智能体的 bu-fast，后者按标准费率计费。
，而且每个任务的成本更低。 来源：2026 年 10 月 16 日至 29 日已完成运行的中位数，每个项目最多 1,000 次。Ultrafast：12,238 次运行，134 个项目。默认：146,120 次运行，9,473 个项目。在两者均有 20 次以上运行的 8 个项目中，Ultrafast 在全部 8 个项目中都更快、更便宜。成本为每次运行的模型和搜索费用；浏览器和代理单独计费。 试用 将 model 设为 bu-ultrafast其他一切不变。 curl https://api.browser-use.com/api/v4/runs \ -H "X-Browser-Use-API-Key: $BROWSER USE API KEY" \ -H "Content-Type: application/json" \ -d '{"task": "Find the cheapest flight from SFO to JFK next Friday", "model": "bu-ultrafast"}' 需要更多逐步推理？使用 bu-fast。它是同一个智能体。 定价 bu-ul
匹配字段正文
GitHub 在 2026 年 10 月 28 至 29 日举行的 GitHub Universe 2026 上宣布，整合自动模型选择与多模型协作的 Copilot Fusion 正式提供，可在 VS Code、GitHub Copilot 应用、CLI 和 JetBrains IDE 中使用，按 Standard、High、Max 三档处理级别自动决定所用模型与 Single、Cascade、Critique 三种执行方式。桌面版 GitHub Copilot 应用同时开始公测 Projects，把资料、仓库、会话与成果物集中到一处管理。GitHub 称 Fusion Max 在 Artificial Analysis Coding Agent Index 上得分 60，与使用 Opus 5.5 Max 的 Claude Code 相差 2 分以内，单任务平均 API 费用约为其一半、耗时约少 40%。
作。对于特定缺陷修复等对象与工作已确定的情况，也可以不创建Projects，直接从仓库或文件夹开始会话。 Projects可从侧边栏“Projects”旁的“＋”创建。也可以不使用开始画面的选项，直接在底部输入栏中写下目标或最初的请求来开始。还可以通过输入栏的“＋”传入本地文件夹。文件夹或仓库的指定并非必需，使用GitHub上的仓库时，可通过所有者名或仓库名搜索并添加。 图1 在GitHub Copilot应用中打开新项目的画面。按下侧边栏“Projects”旁的“＋”后会添加“New project”，中央显示开始画面。“Start with one or more repositories”是添加GitHub上的仓库的入口，“Work on parallel tasks”是并行执行与Issue或PR相关工作的入口，“Triage recent issues”是确认、整理近期Issue的入口，“Automate routine work”是定期执行重复工作的入口，“Research and work with docs and messages”是利用文件、聊天、会议信息进行调查的入
匹配字段正文
谷歌为 Gemini 新增文件预览与编辑功能，用户可在聊天界面直接生成、查看和修改文档，无需离开应用。支持 PDF、Google Docs、Google Sheets、幻灯片、Markdown、TXT 及代码文件，即日起面向所有 Gemini 用户开放。PDF 预览和编辑同时支持网页版与移动端，其他文件类型目前仅支持网页版；用户可全屏编辑，或选中文字向 Gemini 提问并要求修改。
，无需离开Gemini应用。 此次更新支持的文件类型包括PDF、Google Docs文档、Google Sheets表格、幻灯片、Markdown、TXT文本及代码文件。新功能即日起面向所有Gemini用户开放。其中，PDF预览和编辑功能同时支持网页版与移动端，其他文件类型目前仅支持网页版。 谷歌表示，用户可以将文档展开至全屏模式进行编辑，也可以选中文件中的文字，向Gemini提问或要求其修改内容。例如，用户选中一张表格后，可以直接要求Gemini将其转换为图表。 今年早些时候，Gemini已支持生成和下载文件。此次更新进一步加入应用内编辑功能，让用户能够在同一聊天界面中继续调整生成的文件。 此前，用户也可以通过谷歌Workspace应用中的Gemini集成功能编辑文件，例如使用Google Docs内的Gemini侧边栏。此次更新将文件编辑功能直接引入Gemini聊天界面。Anthropic也在今年早些时候推出了类似功能，允许用户在Claude聊天中生成和编辑文档及演示文稿。（编辑/于雷） 更多一手新闻，欢迎下载凤凰新闻客户端订阅凤凰网科技。想看深度报道，请微信搜索“凤凰网科技”。
匹配字段正文
前 GitHub CEO 创办的 Entire 推出新一代 Git 托管，把代码托管、评审、CI 和 Agent 会话记忆按人机协作重做。它用 Trail 替代以 diff 为主的 PR 时间线，每次推送由评审 Agent 在云沙箱打分并跟踪未关闭问题，底层调用 Claude Code、Codex 等，沙箱由 Daytona、E2B 提供。其自研 Git 服务给出自家开源基准，称推送最高约比 GitHub 快 89 倍，并已接入 Buildkite 与 Depot 作为 CI。
缀的分支；或 迁移（美国镜像可 Detach，也可用 entire-migrate 插件，或本地 fetch 再 push）。 Continuous Memory：把理解也写进仓库 Entire 团队把 CI / CD 对代码的汇合与发布，类比到「理解」也要持续往前传：仓库应成为 Agent 真正需要的记忆。CLI 里两个开源、本地优先的插件配合工作： · entire-graph：用 tree-sitter 在本地解析，给出仓库的预计算地图（排序搜索、定义、调用方、类型、路由、改动影响，并带 文件:行号），文中称测试里可省最多约 71% token；不联网、不调模型、不查 API Key。 · entire-brain：在 graph 之上索引过去的 Agent 会话（经 Entire CLI 记进 Git 历史），把「为什么这么改」绑到「改了什么」上。也可接到 Entire 后端，让团队记忆共享；每条 Trail 会展示 Agent 留下的记忆，方便评审看见当时决策。举例：修计费舍入 bug 时，graph 追调用链和测试，brain 则提供当初意图、已上线修复及上次改动踩过的坑。
匹配字段正文
Shopify 发布 Fall '26 Editions「Exponential」，主线是让商品、结账和店铺管理进入 ChatGPT、Claude、Gemini、Copilot、Grok Bot 等 Agent，同时升级商家后台的 Sidekick、Canvas、Campaign Autopilot 和支付风控。Shop Pay 称约有 4 亿用户，可进入个人 Agent 并支持非 Shopify 店铺结账，Shopify Catalog 开始纳入不在 Shopify 上的品牌商品。开发者侧提供一条 MCP 给任意 Agent 或 App 加购物，另有 WebMCP、Catalog API 增强和 Universal Commerce Protocol 的 /buy、/ask 接口。
项） · 任意 Agent 可用的 Shop skill / shop.md（工具在 https://t.co/4imrNdCD7i）。 · Shop Pay 进入 Claude Duet、Grok Bot、Instinct、Muse 等；宣称可在 Shopify 内外品牌结账，卡组织含 Mastercard、Visa，Amex「即将」。 · Google 搜索（含 AI Mode）与 Gemini App 内可卖，结账由 Shopify 驱动，订单回 Admin。 · 在 Agent 里预览建店、用数字文件生成商品、用 Shopify Collective 进货；连 Grok / Muse / Copilot 管店；ChatGPT 侧边栏钉 Shopify 看销售与商品。 · 可审核将给各 AI 渠道公开的店铺事实（政策、FAQ 等）。 Sidekick 与建站（约 12 + Online 等） 更会做复杂工作流、一次上多处改动、能算、能写代码、能上网搜；结合 SimGym 先测再让你决定是否应用；浮动对话铺开到改版 Admin；可用 Markdown 教它主题结构与设计偏好。Can
匹配字段正文
Sarvam AI 的 Indus Cowork 在 10 月 28 日由首席部长 Devendra Fadnavis 发布后，正部署给马哈拉施特拉邦 2500 名政府官员，用于起草文件、分析报告、汇总档案和检索政府记录。该邦 8 月批准了 Sarvam 主权 AI 方案，两年预算 11.26 亿卢比，除 Indus Cowork 外还包含面向公民沟通的语音与 WhatsApp 系统 Samvaad，并将 Saaras 语音识别和 Bulbul 文本转语音模型接入该邦 MahaAI 平台。平台支持包括马拉地语在内的 22 种语言，并提供检索政府决议的 GR Expert、邮件摘要和 RFP 投标评估等工具，Sarvam 称系统运行在位于印度境内的安全审计基础设施上。
以及检索政府记录。 马哈拉施特拉邦政府于 8 月批准部署 Sarvam 的主权 AI 解决方案，两年预算为 1126 万卢比。该协议涵盖面向政府雇员的 Indus Cowork 以及其他 AI 和语音技术应用。 据 Sarvam 介绍，官员可以使用 Indus Cowork 起草官方笔记和回复、研究政府政策、翻译和汇总冗长文件、分析数据，并将扫描记录转换为可搜索文本。该工作区支持包括马拉地语在内的 22 种语言。 该平台还包含针对特定行政任务的工具。根据平台发布公告，GR Expert 允许官员跨部门检索政府决议（GR）并跟踪其变更。Email Summariser 可精简官方往来邮件，而 RFP Bid Evaluator 则帮助官员比较和评估投标报价。 马哈拉施特拉邦的协议不仅限于 Indus Cowork。获批方案还包括 Samvaad——一个基于语音和 WhatsApp 的公民沟通系统，并将 Sarvam 的 Saaras 语音识别和 Bulbul 文本转语音模型与该邦的 MahaAI 平台集成。 1126 万卢比的两年预算涵盖 Sarvam 主权 AI 解决方案的部署。该协议
匹配字段正文
Google 在 Android Dev Summit 上宣布，Android Studio 与 Android CLI 向第三方编码智能体开放，Bring Your Own Agent 已支持 40 多个遵循 Agent Client Protocol 的智能体，包括 Claude Agent、Codex 和 Google 自家的 Antigravity，并在 Android Studio Rabbit 2 中转为稳定。新增的 android preview 命令可让智能体在终端渲染 Jetpack Compose 预览，Google 称完成 UI 任务快 77%、token 用量最多减少三倍，但未说明测量方式；android device remote 则让智能体访问 Google 实验室的实体设备。演示中 Claude Code 借助 LeakCanary 排查内存泄漏并自行修复复测，Google 称此类调查快近一倍、token 减少最多 25%，同时推出 Android Bench 2.0 评测模型与智能体在复杂 Android 任务上的表现。
ex以及Google自家的Antigravity，Google表示该功能在周三发布的Android Studio Rabbit 2中已转为稳定。 开发者可以安装多个智能体并在不离开IDE的情况下切换，连接的智能体会继承IDE对项目的解读——其结构、构建配置、符号，以及Compose Preview、模拟器和Logcat等工具——这些上下文否则它们必须通过代码搜索和终端猜测来重建。 与此同时，一项新的Change Review功能会扫描智能体待处理的更改以发现常见问题，并可在应用任何更改之前引导开发者审阅大量修改，Google还通过面向Claude Code和Codex的官方Android CLI插件将同样的能力扩展到IDE之外，这些插件涵盖项目创建、模拟器管理、UI检查和Android文档。 从终端进行Compose预览 另一项公告包括新的android preview命令，它让编码智能体直接在终端中渲染Jetpack Compose预览，而无需启动IDE或模拟器。 该公司称，使用它的智能体完成UI任务的速度提高了77%，同时token用量最多减少到三分之一，不过它几乎没有说明如何测量
匹配字段正文
苹果发布带 PROLED XDR 显示屏的新款 MacBook Pro，这是其首款支持触控的 Mac，macOS 为手指输入调整了界面控件。手指移到菜单栏项目上时该项目会放大，窗口的红绿灯按钮在触控时也会变大，从屏幕底部上滑可呼出隐藏的 Dock。原刘海位置改为灵动岛，承载 Spotlight、实时活动和 Siri AI，下拉可展开为浮窗。苹果称 macOS 会自动把触控转换为点击，许多现有应用无需开发者更新即可使用触控。14 英寸机型起售价 2,899 美元，16 英寸 3,399 美元，11 月 6 日正式发售。
置的“红绿灯”按钮在你触摸时也会变大，之后你通过轻点做出选择。你还可以从屏幕底部向上滑动，呼出隐藏的 Dock。 下拉式灵动岛 在其他方面，新款 MacBook Pro 用灵动岛取代了刘海，Spotlight、实时活动和 Siri AI 都位于其中。你可以下拉灵动岛，打开一个像小组件一样浮在屏幕上的展开版本，从而访问 Siri 的回复和 Spotlight 搜索。 苹果表示，macOS 会自动将触控转换为点击，因此许多现有应用无需开发者更新即可立即支持触控。可能的交互包括滑动以滚动网页、捏合以放大照片、在演示文稿之间拖放幻灯片，以及双击窗口以填满屏幕。 这一基础在 macOS 中已显现数月。macOS Golden Gate 在 Safari、邮件和日历等应用中加入了 iPhone 风格的下拉刷新手势，而 macOS 27.2 中的代码则在 Safari、备忘录、照片和快速查看中加入了触控专用的手势识别。 专业应用中的精细操作 看来触控并不只是用于随意的滑动。专业应用的功能也已更新以支持手指操作，例如在 DaVinci Resolve 中进行调色，以及在 Logic Pro 中调整配乐
匹配字段正文
苹果推出支持触控的 MacBook Pro，14 英寸起售价 2899 美元、16 英寸起售价 3399 美元，11 月 6 日开售。新机搭载 M5 Pro 和 M5 Max 芯片，最高 128GB 统一内存和 16TB 存储，苹果称 M5 Max 可完全在本地运行数千亿参数的大语言模型。触控功能集成在 macOS 27 中，触控传感器内置于显示面板，Word、Excel、PowerPoint、Lightroom、DaVinci Resolve 等应用将在今年晚些时候支持触控。
就像是 Vision Pro 运行在 Mac 上，以触控作为控制平面的界面。 这是一个集成平台的事情 当你触摸 MacBook 键盘时，显示屏会轻微晃动，但这款 Mac 不会，因为苹果构建了新的铰链机制来保持其稳定。在发布会之前，网上有猜测称该铰链是与 iPhone Duo 的铰链一同开发的。 另一处借鉴 iPhone 的地方是 Mac 上加入了灵动岛。聚焦搜索、实时活动和 Siri AI 都位于那里，你可以在 Mac 上与它们交互。 PROLED XDR 显示屏本身就值得单独写一篇文章——这款 Mac 的许多方面也是如此。除了内置触控支持外，它还支持 Adobe RGB、P3 和 DICOM 医学影像参考模式。它支持用于虚拟制作的 genlock。它拥有 10,000,000:1 的对比度和从 10Hz 至 120Hz 的可变刷新率。为了获得更好的体验，屏幕还提供纳米纹理玻璃选项，屏幕对角线尺寸分别为 14.2 英寸和 16.3 英寸。在首次上手后，Tom's Guide 已经称这块显示屏“令人瞠目结舌”。 你还将获得苹果所称的笔记本电脑中最佳音频系统（六个扬声器，采用全新低音单元设
匹配字段正文
Factory 发布 Droid 1.0，这是其智能体框架迄今最大的一次更新，默认启用程序化工具调用（PTC），让模型写 JavaScript 脚本在沙箱中一次请求内执行数百次工具调用。在 Terminal-Bench 4 上，搭配 GPT-6.1 Sol 时 Droid 比 Codex 高 3.5 分且成本低 12%，搭配 Claude Opus 5.5 时比 Cursor、OpenCode、Devin、Claude Code 高 3.0 至 7.6 分，成本最多低 24%。Droid 1.0 今日开放 macOS 和 Windows 桌面版与终端 UI，并提供 Droid SDK（@factory/droid-sdk）。
2024）表明，在 17 个模型上，通过代码执行操作优于 JSON 和文本工具调用。Cloudflare 和 Anthropic 在 2025 年底将这一理念投入生产，Codex 今年将其引入编码智能体。 我们在 Droid 1.0 中将 PTC 设为默认，原因有三。第一，它保持智能体的上下文窗口干净，因为它收到的只是其程序的输出。普通的工具输出（原始文件、搜索结果、日志）作为变量留在程序内部。第二，它减少了模型请求的数量，因为一个程序会运行许多次调用，从而使复杂任务更快、更便宜。第三，它让智能体更可靠：检查和循环在代码中确定性地运行，消除了模型可能偷懒、尽管原本已规划却漏掉某个用例的可能。 脚本模式 Droid 将 PTC 实现为一个 Script 工具。模型编写 JavaScript，在沙箱中运行，自身没有文件、网络或系统访问权限。 一个 Script 可以在单次模型请求中发起数百次工具调用，因此指令和历史只发送一次，而不是每隔几次调用就重新发送。打印输出的大小有上限，完整结果会被记录在模型之后可以搜索的地方。互不依赖的调用会并发运行，因此一批调用耗时取决于其中最慢的那次调用。 图
匹配字段正文
Google 在 Android Dev Summit 上为 Android Studio Rabbit 2 推出 Bring Your Own Agent 功能，开发者可通过开放 Agent Client Protocol 在 IDE 内同时运行 Claude Agent、Codex、Google Antigravity 等 40 多个编码智能体，并直接访问项目结构、模拟器和 Logcat。Google 称内部测试中智能体在终端渲染 Compose 预览后完成 UI 任务快 77%、token 用量最多降至三分之一；使用 Claude Opus 5.5 的 A/B 测试中，内置 LeakCanary 的 CLI 查找并修复内存泄漏快近一倍、token 减少约 25%。面向端侧，Google 在 ML Kit 中加入由 Gemini Nano 4 驱动的 Agentic API alpha，并推出基于 MCP 的 AppFunctions API beta 与 Agent-to-UI 接口；同时与 XREAL 合作发布 Android XR 智能眼镜 XREAL AURA，售价 1,099 美元，11 月中旬发货。
MCP），并以 beta 版推出 AppFunctions API，作为统一的工具调用层，使应用可以与本地或系统级智能体共享函数。面向 Jetpack Compose 的新 alpha 版 Agent-to-UI（A2UI）接口在此基础上构建。智能体不再以纯文本块回复，而是可以显示由特定应用的组件构建的交互式用户界面。 为了将这些应用服务引入 Google 搜索和 Gemini 应用，该公司正在推出 Connected Apps Platform 的预览版。开发者可以通过 Android MCP 或云端托管的 MCP 服务器关联其应用，并通过单一控制台进行管理。Google 表示，来自 Adobe、Peloton 和 Experian 等公司的 50 多项合作伙伴集成已在 Gemini 应用中上线，并将在未来几周内推广到网页搜索。 XREAL AURA 智能眼镜将 Android XR 和 Gemini 带入现实世界 Google 还宣布了针对多种硬件形态的更新。Jetpack Compose 1.13 和 AppState 模型的更新使应用更容易适配大屏幕，扩展现实（XR）开发环境也
匹配字段正文
Cartesia 推出 Managed Agents 端到端语音智能体平台，面向企业通话场景，在 Artificial Analysis 的 Speech Agent Arena 上以 1115 的偏好 Elo 在 30 个智能体中排名第一。在 ServiceNow 的 EVA-Bench 上，该平台取得 87.4% 的准确率和 90.7% 的体验分，两项均为最高。平台将语音模型与 harness 联合设计，提供 44 种语言、工具调用、知识库和外呼批次等能力，官方称已在金融、零售、酒店和医疗场景支撑数千万次对话。
式：harness 与模型协同设计。 Nitin Aggarwal产品管理高级总监，负责智能体评估与 RAI 当来电者打断、停顿或改变主意时，智能体能自然地应对：在我们的内部评估中，来电者表示在与 Managed Agents 的对话中，85% 的情况下没有出现轮流发言问题，而其他智能体为 67%。 为复杂通话而设计 Cartesia Managed Agents 在一个端到端平台中提供了构建前沿语音智能体所需的全部工具。理赔受理、患者预约、零售退货、IT 服务台：企业通话很少保持简单。一次对话可能意味着验证来电者身份、查询三个系统并引用政策，而这一切都不能有丝毫停顿。 多语言：以 44 种语言构建智能体。智能体可以在对话中途在英语、西班牙语、印地语、法语和日语之间切换，全部 44 种语言即将推出。 工具调用：集成你的后端 API、CRM 和记录系统，让智能体能够在通话中查询记录并采取行动。 知识库：从数百份文档中获取精确答案。智能体的上下文会被动态预填充，因此它无需暂停搜索即可响应。 外呼活动：通过外呼批次安排数千次通话，每次通话都针对你所呼叫的对象进行个性化。 构建你的第一个智能体
匹配字段正文
MiniMax 于 10 月 28 日以 MIT 协议开源 MCode Stack，包含其团队构建 MiniMax Code 所用的 17 个 SKILL.md 技能和 5 份清单，不含 MiniMax Code 源码。技能按规划拆分、上下文与工具、长会话与命令、评审、实验与热修分组，其中 independent-review 只向评审者提供 diff、需求和测试结果。可通过复制技能目录、本地插件或插件市场安装到 MiniMax Code，也能在 Claude Code 中用 /plugin marketplace add MiniMax-AI/mcode-stack 安装；原文未公布评测结果。
ent-review 只向评审者提供 3 项输入：diff、需求和测试结果，并刻意不提供作者的对话记录。其理由是：继承作者上下文的评审者会重复作者的盲点。 subagent-split-check 指出，只有当上下文是被实测出的问题时才拆分工作。按团队或问题类型拆分不是正当理由。 tool-budget-audit 区分 2 种成本：工具定义和工具结果。工具搜索主要削减前者，程序化工具调用主要削减后者。 harness-experiment 强制每次实验只做 1 项变更。它跟踪翻转的任务、每任务请求数、token 数、缓存命中率和实际耗时。 长命令清单有 10 项。它询问将命令移到后台是否会重新运行进程，也询问未读取的结果能否在压缩后保留。 6 个 engineering- 技能改编自 Google Engineering Practices。根据该技术栈的 NOTICE，该材料仍遵循 CC-BY 3.0。 如何安装 MCode Stack？ 根据 README，有 3 种方式： 单个技能：克隆仓库，将技能文件夹复制到 /.agents/skills/。 整个技术栈作为本地插件：将 s
匹配字段正文