Anthropic 发布的内部研究显示，自 2025 年初以来技术部门初级岗位占比从 21% 降至 14%，初级新员工占比从 27% 降至 9%，开放初级岗位降至 6%。公司将原因归于 AI 智能体能力提升，到 2026 年 8 月智能体记录的工作时长已是人类员工的 6 倍，研究部门达 19:1。研究同时承认 Anthropic 是高度依赖 AI 的特例，结果难以直接套用到整体经济。
推荐理由：Anthropic 内部研究给出初级岗位占比与 AI 智能体工时对比，可观察 AI 替代入门岗位的具体幅度。
Google DeepMind 团队让四个运行 Gemini 4 Argon 的 AI 智能体在随机生成的世界中自主通关 Minecraft，击杀末影龙，全程无人类输入。
推荐理由：四个 Gemini 4 Argon 智能体在无人类干预下通关 Minecraft，其分工、共享记忆与成本数据可供观察多智能体协作。
ChatGPT 的 Chrome 扩展现在可以访问浏览器中打开的标签页并对其执行操作。用户用 @chrome 指定标签页，Chat 模式可同时汇总多个标签页的数据，Work 模式则通过 Computer Use 发送消息、填写表单、下载文件或对标签页分组。
推荐理由：原文列出扩展在标签页读取与操作上的具体能力，读者可据此判断浏览器内智能体的可用边界。
Anthropic 正与律所合作，为替用户议价、处理投诉或争取更优合同条款的 AI 智能体制定公平谈判规范。实验显示更强模型能谈成更划算的交易，可能加剧社会不平等。Anthropic 还在招聘有法律背景的 Conceptual Reasoning Fellows，以 10 万至 16.7 万美元薪酬用四个月测试 Claude 在法律、哲学等 judgment-heavy 问题上的表现。
研究者提出 Taste-Bench，用智能体运行轨迹中的决策分叉点考察其长期决策质量，共 502 道二选一题。测试的 14 个模型中最好的 GPT-5.6 Sol 平均准确率 59.7%，GPT-5.5 为 59.5%，其余明显更低；当关键线索只在后续步骤才出现时，平均准确率降至 21%。
独立 AI 安全研究员 Matilda Glynn-Henley 在 Vals AI 网站发布实验，让 Grok 4.7、Claude Fable 5.1、Gemini 3.8 Flash、GPT-6 Astra、Muse Spark 1.3 和 Claude Opus 5.5 六款具备网页与邮件权限的智能体。
The Verge 报道，Yelp、达美航空、摩根大通和嘉信理财等网站近期封堵 Meta Muse、xAI Grok、OpenAI Dots 等 AI 智能体执行任务，部分此前可用的站点如 Cars.com、Amtrak 也不再可访问。
DeepSeek 发布 V4.1-Flash-1017，已在官网、App 和 API 上线，并在 Hugging Face 与 ModelScope 开源模型权重。
推荐理由：DeepSeek 新 Flash 模型在自家基准上以更低单任务成本超过更大竞品，同时开放内部搜索 API。
Addy Osmani、Morgan Westlee Lunt 和 Qing Wang 认为，"人有没有读代码"只是判断变更风险的粗略替代指标，更该问哪项检查能抓住问题。Claude Code 团队的审查已从 PR 末尾的关卡变成持续进行，多数变更在人工查看前已由 Claude 至少审查并修复过一次。
AWS 销售与市场团队基于 Amazon Bedrock AgentCore Evaluations 搭建了覆盖智能体全生命周期的九阶段评测框架，从定义质量标准、CI 回归门禁、CD 质量门到上线后金丝雀监控与漂移检测。
Itaú 正通过对话式界面 ia.i 和治理平台 IARA，把 AI First 战略同时落地到客户与员工两端。这家巴西银行在高度受监管的行业中推进生成式 AI 应用。
AWS 博客介绍如何在 AWS 上部署 Reflection AI 的开源权重智能体编码模型 Beam。Beam 为稀疏 MoE 模型，总参数 501B、激活参数 23B，Reflection 报告有效上下文长度 100 万 token，权重以 Apache 2.0 许可发布于 Hugging Face，提供 BF16、FP8、NVFP4 三种 checkpoint。
推荐理由：文章给出 Beam 在 SageMaker JumpStart 与 HyperPod 上的两条部署路径和参数配置，可作为开源大模型上云的实操参考。
Meta 发布 Muse Spark Open，这是一个 816B 总参数、42B 激活的 MoE 模型，支持 1M token 上下文和文本、图像、视频、音频输入，权重以自定义 Muse Model License 发布。
Stack Overflow for Agents 借助 ChatGPT 插件将智能体创建量最高提升至 10 倍，注册量增长两倍。两名工程师用 Codex 在数周内完成了该产品的开发。
OpenAI 为 ChatGPT 的 Google Chrome 扩展推出升级，安装后可在 ChatGPT 网页版或桌面版中标记 Chrome，让 ChatGPT 查看已打开的浏览器标签页。
在 Claude Code 中用 Claude Opus 5.5 Extra 构建了一款双人竞技 Pong 类游戏，两台手机通过麦克风发送声波、由 Web 麦克风 API 解析来同步游戏状态，静态 HTML 即可运行。实验证明这种声波联网方式可行，并在画面和玩法上加入了比传统 Pong 更有趣的改动。
Google DeepMind 发布技术演示，展示生物学家如何用智能体开发平台 Google Antigravity 在单次会话中完成抗菌肽候选的发现、结构评估与优先级排序，把原本分散在多个数据库的检索压缩到一处。
AWS AI Services 副总裁 Shawn Bice 提出 Trust in Depth 框架，主张在智能体行为可被验证时让其自主行动，把人工判断留给真正需要决策的环节。
Sullivan & Cromwell 与 OpenAI 合作开发了 AI 工具 Agreement Analyzer，用于识别协议草案中的问题。该工具将律所的法律专业能力引入协议审查流程。
OpenAI 的 Joseph Kim 在 AIE New York 提出"有用性阈值"，称模型能力上涨将让金融分析师把更多工作交给智能体，并预测 2027 年智能体可做投资想法生成与交易。
Simon Willison 用 Claude iPhone 应用的默认聊天模式，让 Claude Opus 5.5 Max 构建了 Three.js 找不同游戏 Tree Appreciator：每轮由同一颗种子生成两棵 3D 树，玩家需找出缺枝、飞鸟、早变色枝条等细微差异。
Latent Space 播客访谈 Leash Bio 的 Ian Quigley，讨论该公司如何用 DNA 编码库（DEL）收集蛋白质与小分子的高通量相互作用数据，并整理出干净可复现的数据用于大规模建模。
基于 Amazon Bedrock AgentCore 的多智能体 IDP 系统可在 20 分钟内完成部署，自动分类、提取并校验供应商发票、采购订单等文档。系统由 8 个专用智能体组成，通过识别与训练两条工作流，遇到新格式时自动生成提取提示词并保存复用，后续同类文档无需重新训练。
基于 Amazon Bedrock AgentCore 搭建的 AI 智能体系统可自动生成 PowerPoint 演示文稿，内部测试中不到 90 秒完成。
Tamnoon 基于 Amazon Bedrock 构建了智能体式云修复编排器 Tami，可自主调查 CNAPP 等来源的安全发现并评估修复安全性，再生成带护栏和回滚指引的修复方案。该方案在 90 天内将关键云暴露减少超过 90%，且未出现生产问题。平台由调查、安全评分、修复和代码生成四类专用智能体组成，通过单一 API 按任务调用不同基础模型。
Amp 展示了如何用 GPT-6 Astra、Ultrafast、GPT-Live-1 和 Sign in with ChatGPT 拓展 AI 智能体的能力边界，使其不再局限于写代码。
欧洲多座城市正与软件及基础设施伙伴合作，用 NVIDIA 加速计算构建物理 AI 智能体和数字孪生，辅助城市运营决策。方案基于 NVIDIA Cosmos、Nemotron 开放模型与 Metropolis VSS Blueprint，覆盖比利时、芬兰、法国、意大利、荷兰、波兰、瑞典、英国等地。
Latent Space 的 AINews 汇总了 Gemini 4 Argon 正式开放使用的情况，覆盖 Gemini API、Gemini 应用、Search 的 AI Mode 和 Antigravity，介绍期 API 价格为每百万输入/输出 token 2/10 美元，缓存输入折扣 95%。
推荐理由：汇总 Gemini 4 Argon 发布后的定价、第三方评测与可靠性反馈，便于横向比较能力与成本。
Google DeepMind 发布前沿模型 Gemini 4 Argon，面向开发者、企业、科研人员和消费者开放，API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：官方给出定价、基准排名与多个内部落地案例，可据此判断前沿模型在编码与科研场景的实际位置。
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，前者可通过 Meta Model API 和 Muse Code 使用，后者仅向 Muse Code 订阅用户开放。
推荐理由：汇总了 Meta 新模型的首发细节与多家第三方评测数据，可对照其与 Opus 5.5 等前沿模型的位置。
GitHub Copilot 入门系列介绍四种让 Copilot 适配项目的方式：仓库级与路径级自定义指令、打包可复用流程的 agent skills、面向大型任务的 custom agents，以及连接外部工具和数据的 MCP servers。
微软研究院提出研究系统 StudentSim，用公开去标识化学习记录为每个学生训练个性化 AI 学生模拟器，在真实学习者测试前评估和改进 AI 辅导系统。研究同时发布覆盖国际象棋、英语二语写作和数学的 StudentSimEval 基准，从行为保真度与指导响应性两个维度评测模拟器，StudentSim 在三项任务上均优于主流基线。该系统仅为研究用途，未部署于课堂，也不用于替代教师。
微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重写智能体。
推荐理由：微软研究院开源约 3500 行的智能体强化学习框架，用真实 harness 训练，并给出 SWE-bench 提升数据。
微软研究院播客中，partner research manager Jennifer Neville 与首席应用科学家 Chad Atalla 对谈，讨论评估如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“意外失败”。她结合自身从数学、物理、认知科学到计算机科学的曲折经历，分享使用当前 AI 系统的实用建议，并强调结果偏离预期时应仔细检查数据。
MIT Technology Review 基于 300 名数据与 AI 高管调研发现，企业平均仅约 34% 的智能体 AI 项目进入生产环境，遗留数据系统、安全隐私顾虑和知识与上下文缺失是主要失败点。
企业 AI 的竞争焦点已从预测模型能否超越统计预测，转向如何让预测系统依据自身结论自主行动而不偏离业务意图。深度学习与生成式 AI 驱动的智能分析支持实时训练，数据范围也扩展到非结构化交互来源，推动企业从被动回顾转向务实前瞻。Everest Group 合伙人 Vishal Gupta 认为，"分析"一词正让位于 AI。
GitHub 博客提出 AI 时代开发者应强化的三项技能：学会指挥 AI 智能体而非仅使用它，不轻信 AI 的第一个答案，以及用 AI 省下的时间解决更大的问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明用第二个模型审查计划、代码和测试能发现首个模型遗漏的问题。
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，之后再逐步扩展到开发者、企业和消费者。
推荐理由：官方披露了 Argon 在编码、企业知识工作和网络安全防御上的基准表现与内部落地案例，可据此判断前沿模型的能力边界。
GitHub Copilot 应用中的 canvas 是一种可自定义界面，用户和智能体共享同一份状态，可做成看板、问题分诊板、发布清单或仪表盘。创建时在智能体会话中输入 /create-canvas 技能并用自然语言描述工作流，智能体就会生成界面并打开在右侧面板，之后可继续让智能体增删列、筛选或接入未关闭的 pull request。
GitHub Copilot 应用推出 canvas，一种在应用内运行、无浏览器外壳的全栈小应用，可与 Copilot 智能体双向通信。官方演示用 canvas 做 Connect 4 对战、Winget 包管理和 SQLite 操作，并称让智能体造工具比反复用聊天消耗 token 更划算。canvas 可调用第三方 API 并本地执行代码，复杂工作流示例约需一天调好。