AWS 宣布更新 Amazon Bedrock AgentCore 运行时——其面向智能体的托管计算层，会话启动速度现已提升至多 15 倍，算力扩展至 4 倍（最高 8 vCPU 和 32 GB，容器镜像最大 10 GB），运行效率提升至多 68%，同时每个会话仍运行在各自硬件隔离的 Firecracker MicroVM 中。无论镜像大小或并发量如何，会话启动均在 2 秒以内，空闲智能体可缩容至零，智能体可挂载文件系统（如支持 FUSE 的 Amazon S3 桶）并保存工作成果，使数据始终留在信任边界内。该运行时现已在北美、南美、欧洲和亚太地区的 AWS 区域可用。
推荐理由：AgentCore 运行时的新版本将会话启动、算力上限和内存计费一并调整，为需要长时间运行的智能体在隔离与成本之间提供了新的取舍。
Google DeepMind 推出了 Gemini 4 Hydrogen，这是一款 Gemini 4 模型，专为快速的日常编程和智能体执行而构建，而非 Gemini 4 Carbon 和 Argon 那种长程推理。在其默认的高思考级别下，它在 Artificial Analysis Intelligence Index 上得分为 51，而 Argon 为 50；在新的 xhigh 设置下达到 54；其定价在其 100 万 token 上下文窗口内统一为每百万输入 token 1.50 美元和每百万输出 token 7.50 美元。Google 还在 Google Antigravity 中推出了 Orchestrator，它可以在会话内在 Carbon 和 Hydrogen 等模型之间切换，并在 Terminal-Bench 4.0 上达到接近 Carbon 的任务成功率，同时使用的配额减少 24%，完成速度快 19%。
推荐理由：Google 的 Gemini 4 Hydrogen 面向快速的日常编程和智能体工作，在 100 万上下文窗口内统一为每百万 token 1.50/7.50 美元的定价，并推出了可在 Gemini 4 模型之间切换的新 Orchestrator。
AWS 已开源 UAEF（Universal Agent Evaluation Framework，通用 Agent 评估框架），这是一个与框架无关的系统，通过适配器将来自 LangGraph、LangChain、Strands Agents、Amazon Bedrock AgentCore 和 Langfuse 的 Agent 轨迹归一化为统一的 AgentTrace，然后用覆盖 7 个维度的 36 项内置指标进行打分。结果按实验存储在 Amazon DynamoDB 和 Amazon S3 中，使团队可以将 Agent 版本与基线进行比较，用默认 5% 的阈值标记回归，并生成统计报告以及由 LLM 撰写的洞察。文章称，来自电信、医疗和金融服务领域 12 个组织的客户在发布前使用了 UAEF，Apache 2.0 代码、Python 库、CDK 部署和各框架 notebook 均位于 awslabs/uaef GitHub 仓库中。
推荐理由：AWS 团队开源 UAEF，用适配器把不同框架的 Agent 轨迹统一成一种格式，再以 36 项指标跨 7 个维度打分，为跨框架比较 Agent 版本提供了一套可复用的评测层。
Replit Agent 现在有两项新任务：通过 Link 和 Visa 购买业务用品，以及在搜索、YouTube、展示广告和 Discover 上构建 Google Ads 广告系列。在购买流程中，浏览器子代理会导航到商家网站并准备结账，然后等待所有者批准最终总额；在支付期间 shell 访问和一般浏览被禁用，审批检查在代码中强制执行。Agentic Commerce 面向美国 Core 和 Pro 用户开放，仅支持一次性购买；Agentic Ads 面向全球 Pro 用户开放。
推荐理由：Replit Agent 现在处理购买和 Google Ads 广告系列，并通过代码强制执行的审批关卡展示了如何设计代理支出限制。
Anthropic 发布 Claude Meetings 测试版，让 Claude 作为可见参与者加入 Google Meet 通话，在聊天中回答问题、实时构建文档和白板，并撰写笔记和行动项。每次会议都会在 claude.ai 中生成一个页面，包含转录、笔记和产出物；默认情况下，除非管理员允许，Claude 不会加入有外部嘉宾的通话。该测试版正在 Team 和 Enterprise 套餐中推出，部分组织无法使用，包括 ZDR、HIPAA-ready 和 CMEK 配置；测试期间，笔记、转录和通话内回答均免费。
推荐理由：Anthropic 的测试版发布展示了会议代理如何在实时通话中起草文档、拉取已连接工具的数据并撰写笔记，同时默认规则排除外部嘉宾。
Claude Opus 5.5 现已成为 Claude 在 Pro、Max、Ultra 和 Team 套餐中的默认模型，Anthropic 推荐将其作为研究、分析以及成品文档、演示文稿和电子表格的日常主力。Anthropic 表示，Opus 5.5 在中等努力程度下，在其编码和知识工作评估中达到或超过了高努力程度的 Opus 5；在一项内部合并分析测试中，它以 Opus 5 完成同一任务一半的成本，在 63 分钟内完成。该文章还列出了针对新模型的提示词调整建议，包括去掉“think hard”指令、从中等努力程度开始，以及附上图表而不是重新输入其数值。
推荐理由：Anthropic 自己的指南解释了为什么 Opus 5.5 现在是日常知识工作的默认选择，以及应为此放弃哪些提示习惯。
微软研究人员描述了一种名为Lazarus的后门技术，该技术通过重编程大语言模型中不到10个休眠神经元，使基于该模型构建的智能体在出现隐藏触发条件时执行攻击者指令，且无需重新训练。被修改的模型仍能通过标准评估，在触发前表现正常，触发条件可以简单到只是日期变更，随后智能体会以被授予的权限运行下载的代码。作者表示，检测需要与原始权重进行差异比对，而Microsoft Foundry已将开放权重模型与其发布者绑定并扫描其容器，同时红队测试框架、基于智能体的权重扫描以及具有防篡改来源证明的签名模型正在开发中。
推荐理由：微软研究人员表明，重编程不到10个休眠神经元即可在无需重新训练的情况下对大语言模型智能体植入后门，这使得权重来源与完整性成为一项实际的安全要求。
LangChain 详细说明了其开源 Deep Agents 框架如何使用中间件来对抗长时间智能体运行中的上下文腐化。超过约 20,000 token 的工具结果和超过 50,000 token 的用户消息会被卸载到文件中，仅显示预览；而当使用量达到上下文窗口的 85% 时，摘要功能会压缩较早的消息。技能、子智能体和一个 markdown 长期记忆文件使主智能体的窗口保持较小，并让记忆能够跨模型和提供商延续。
推荐理由：LangChain 解释了其开源 Deep Agents 框架如何使用中间件来卸载、摘要和隔离上下文，为执行长任务的智能体提供了一种可复用的模式。
Google DeepMind 向开发者、企业、科学家和消费者开放了 Gemini 4 Carbon，将其定位在 Gemini 4 Argon 之上，适用于需要更深层推理和更多 token 的任务。Carbon 在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 上排名第一，每任务成本比次优外部模型低 2 倍以上，定价为每百万输入 token 2 美元、每百万输出 token 10 美元，与 Argon 的 introductory 价格相同。Google 还预览了 Google Antigravity 中的 /swarm，可将单个提示转化为协同工作的智能体团队，并报告 Carbon 在模拟网络攻击测试中拦截了 99% 的攻击轨迹。
推荐理由：Google 的发布说明详细介绍了 Gemini 4 Carbon 如何以更高的 token 用量换取更深层推理，在 CursorBench 4.0、WANDR 和 AutomationBench 上排名第一，每任务成本不到次优外部模型的一半。
NVIDIA 正将其用于保护和治理自主 Agent 的开源运行时 OpenShell 作为 Sandbox 项目贡献给云原生计算基金会，同时也为 Google 主导的 Agent Substrate 做出贡献。NVIDIA 宣布了三个新的 DSX AI Factory 平台组件：NVIDIA Kubernetes Engine 和 NVIDIA Kubernetes Recipes（现已进入公开预览），以及 NVIDIA Snapshot，后者可在数秒内恢复检查点副本，无需重新加载模型或预热。Crusoe 在 Crusoe Cloud 上测试了 GLM-5.3，将工作负载就绪时间从大约八分钟缩短至 31 秒，而 Saturn Cloud 将 vLLM 启动时间从 2 到 8.5 分钟缩短至 6 分 34 秒。
推荐理由：NVIDIA 将其 Agent 安全运行时 OpenShell 贡献给 CNCF，并为 GPU AI 工厂新增 Kubernetes 工具，早期 Snapshot 结果将推理启动时间从数分钟缩短至数秒。
Google 发布了 A2UI 1.0，这是其开放协议的首个稳定版本，该协议让 AI 智能体能够以交互式界面作答，这些界面由各应用自身的原生组件渲染。1.0 版本新增了双向函数调用、无障碍支持和扩展元数据，并提供了面向 React、Angular、Lit、Flutter、SwiftUI 和 Jetpack Compose 的开源渲染器（Compose 渲染器目前为 0.9.1，1.0 版本即将推出），以及面向 Python、TypeScript 和 Dart 的智能体 SDK。Atlassian 正将 A2UI 引入 Jira，Alation 在 Claude 中用其渲染信息流，字节跳动于 2026 年 6 月发布了一款 Lynx 渲染器，目前支持 0.9 版本。
推荐理由：Google 稳定的 A2UI 1.0 协议让智能体能够返回原生交互式界面，而非大段文字，并提供了面向 Web、Android 和 iOS 的渲染器，早期采用者包括 Atlassian 和字节跳动。
Google DeepMind 研究人员使用多 LLM 智能体框架 AlphaProof Code，对 Signal 协议底层实际代码的关键安全属性进行了形式化验证。由 Gemini Carbon 驱动的智能体生成了超过六百万行 Lean 代码，人类专家仅审查了约百分之一的代码库；验证耗时四周，而这项任务历来需要专家团队花费数年时间。当两个此前已修复的漏洞被重新引入 Signal 代码的隔离版本时，系统生成了机器校验的证明，表明有漏洞的版本不安全，DeepMind 正在将其形式化验证产物开源。
推荐理由：Google DeepMind 的多智能体框架在四周内对 Signal 已部署的加密代码进行了形式化验证，而这项任务历来需要专家团队花费数年时间。
Anthropic 正在推出一项更新，让受支持的交互式连接器可以在对话旁边或全屏打开完整工具，并允许 Claude 对打开的页面、行或文件进行修改，用户以与连接器操作相同的方式批准这些修改。此次推送覆盖网页版和 Claude 桌面应用的所有套餐，首批工具包括 Asana、Canva、Carta、Dropbox、monday.com、Smartsheet、Vercel 和 Webflow，Figma、Harvey 和 Shopify 也在构建集成。这些连接器运行在 MCP Apps 上，Claude 现在以公开预览形式向开发者支持更多该扩展能力，例如应用工具和嵌入式站点。
推荐理由：Claude 的连接器现在会在聊天窗口旁打开完整工具，并让 Claude 直接编辑页面、行和文件，审批流程与连接器操作相同。
NVIDIA 在 CoRL 上推出了 GR00T 2——一个基于 Cosmos 构建、在 10 万小时人类第一视角数据上训练的开源世界动作模型，同时发布了 Isaac Lab 3.0 和新的机器人基准测试。GR00T 2 在没有任务特定演示的情况下，至少完成了一次 50 个评估任务中的 40 个；在每项任务仅提供一次演示的情况下，50 项任务的平均成功率达到 71%，提供五次演示时则升至 95%。Isaac Lab 3.0 新增了面向可变形物体的 Newton 物理集成，并在一个基于视觉的灵巧操作基准测试中报告其训练吞吐量最高可达使用 PhysX 的 Isaac Lab 2.3 的 2.5 倍。
推荐理由：NVIDIA 在 CoRL 上的发布表明，仿真加上世界动作模型如今正瞄准精细装配工作，GR00T 2 和 Isaac Lab 3.0 的细节值得与先前的机器人技术栈进行比较。
在没有 Prove2Me 平台、也没有研究人员引导的情况下耗时 7 小时——而 Anthropic 九月的运行使用了这两者——写出的证明长度只有其七分之一，输出 token 用量只有其三分之一。每个智能体都在网络隔离的沙箱中工作，配有分类器检查每条 shell 命令和文件编辑，外加一个离线监控器；在超过一百万次工具调用中，没有任何一次达到被拦截的标准。
推荐理由：Anthropic 的千智能体运行在没有 Prove2Me、也没有研究人员的情况下复现了费马大定理的形式化，展示了沙箱与监控如何约束一个自组织的智能体团队。
Anthropic 发布了一份指南，建议开发者将大多数编程和知识工作从 Claude Opus 5.5 的默认中等努力水平开始，因为其每 token 成本仅为 Fable 5.2 的一半。该指南将 Sonnet 5.5 对应到范围明确的日常工作，Haiku 5.5 对应到高容量分类、路由和子代理任务，Fable 5.2 对应到最困难的编程、金融和科学项目或长时间无人值守运行。它还建议在切换模型之前调整努力水平，并指出在 SWE-bench Pro 上，Opus 5.5 在低努力下运行、失败任务以高努力重跑，通过了约 97% 的任务，每个任务约 $0.17，而所有任务均以高努力运行时为 95.3%，每个任务 $0.29。
推荐理由：Anthropic 自己的指南将每个 Claude 模型和努力水平映射到具体任务类型，并提供了用于在它们之间选择的每任务成本和基准比较。
Meta 发布了 Muse Ember，这是其最小、最高效的模型，面向智能体全天执行的重复性工作，例如工具调用、编码子任务、路由、抽取和长文档解析。Meta 称其在约三分之一成本下达到 Claude Haiku 5.5 的最佳分数，并击败 GPT-6 Luna 的所有配置，价格为每百万输入 token 0.10 美元、每百万输出 token 0.50 美元。该模型配备 100 万 token 上下文窗口、最高 51.2 万输出 token，原生支持文本、图像、音频和视频输入，即日起在 Muse Code 和 Meta Model API 上以 muse-ember-1.0 提供。
推荐理由：Meta 最小的模型瞄准高吞吐的智能体步骤，其与 Claude Haiku 5.5 和 GPT-6 Luna 的每任务成本对比说明了效率主张的来源。
Anthropic 报告称，Claude Fable 5.2 仅凭极简提示就设计了三款电子设备——免提扬声器、语音助手中枢和手持虚拟宠物，Diode Computers 依据其设计文件制作出可工作的原型，且未做电路修正。在 Diode 内部的 PCB Gym 基准上，Fable 5.2 得分 69%，而 Fable 5 为 25%；在公开的 BenchCAD 2.1 上达到 83.5%，几乎是 Claude Fable 5.1 的两倍。这些设备仍是原型，尚未经过电气验证、天线调谐、热测试或认证，Claude 也未连接测试设备或制造机器。
推荐理由：Anthropic 亲自披露 Claude Fable 5.2 设计出三款可工作的电子设备，表明模型已从局部 PCB 布局推进到端到端硬件原型制作。
OpenClaw 发布了 Multiplayer，这是一项免费开源功能，允许多人连接到同一个 OpenClaw Agent 和工作区，提示词会在各台笔记本电脑上实时显示，请求通过共享队列进行协调。在旧金山 GitHub Universe 的演示中，两位参会者在各自的机器上输入提示词，共同编辑同一个 3D 场景，无需重复说明上下文。OpenClaw 基金会表示，已有 50 多人在同一共享环境中协作，并将继续扩展该功能。
推荐理由：OpenClaw 把多人共享同一 Agent 与上下文做成免费开源功能，为团队协作中反复重建上下文的问题提供了一种可迁移的做法。
) 引用。智能体在 6% 的遇到情况下对 bug ID 采取了行动，其中 83% 的行动并非由开发者提示；41% 的未提示绕行追逐的是已关闭的工单，而 57% 触及的是仍然开放的 bug 并扩大了范围。在控制开发者、代码库复杂度、任务类型、模型层级和其他因素后，未提示的 bug 绕行使每次会话增加了 70% 的步骤、77% 的 token 和 105% 的等待时间。
推荐理由：谷歌的大规模追踪分析显示，过时的 TODO bug 引用会将编码智能体拖入未提示的绕行，而其清理智能体移除了数千条过时引用，审查者接受率超过 95%。