让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
Mistral AI 发布 Spaces CLI，为人类开发者和 AI 智能体提供统一命令行接口。文章提出交互输入应有 flag 等价、状态显式化、插件可自省等原则，并指出生成 context.json 和 AGENTS.md 可显著减少智能体错误。从单提示到部署上线仅需不到 10 分钟。
推荐理由：原文系统阐述了让 CLI 同时服务人类与 AI 智能体的设计原则，涵盖 flag 等价、显式状态、插件化等模式，读者可据此构建更可组合、可脚本化的开发者工具。
Together AI 发表 ICLR 2026 论文，提出研究长上下文 LLM 分治框架的理论方法。Planner 重写任务、Worker 并行处理文档分块、Manager 聚合答案，弱模型（如 Llama-3-70B、Qwen-72B）使用该框架可匹配或超越 GPT-4o 单次处理。
推荐理由：弱模型配合分治策略可在长上下文任务中追平 GPT-4o 单次推理，为工程落地提供低成本并行方案。
Google Research 发布 Vibe Coding XR 工作流，将 Gemini 与基于 WebXR、three.js、LiteRT.js 的 XR Blocks 框架结合，把自然语言提示转为具备物理感知的可运行 Android XR 应用，整个过程不到 60 秒。
推荐理由：原文给出了从自然语言到可运行 Android XR 应用的端到端流程与实测基线，读者可据此判断自身原型开发是否值得接入。
Together AI 扩展 Together Fine-Tuning，原生支持工具调用、推理与视觉语言模型微调，并升级训练栈以支持 100B+ 参数模型、最高 6 倍吞吐提升和 100GB 数据集。
推荐理由：原文给出工具调用、推理与视觉模型微调的新支持，以及训练吞吐和数据集上限提升，读者可据此评估自身多轮工作流的迭代成本与可靠性改善空间。
Mistral AI 发布 Mistral Small 4，统一推理、多模态与编码能力，Apache 2.0 开源许可。模型采用 MoE 架构，119B 总参数含 6B 激活参数，支持 256k 上下文，延迟优化下完成时间减少 40%、吞吐优化下每秒请求数提升 3 倍。来源：https://mistral.ai/news/mistral-small-4/
推荐理由：Mistral Small 4 将推理、多模态与编码能力整合进单一开源模型，用户无需在多个专用模型间切换即可处理复杂任务与文档分析。
Google Research与Beth Israel Deaconess Medical Center合作，发布了AMIE在真实门诊场景中的前瞻性单中心可行性研究。100名患者在就诊前通过安全网页链接与AMIE进行文本问诊，由医生实时监督。研究显示零安全触发事件，AMIE诊断符合率90%、top-3准确率75%，且患者和医生对其接受度良好。
推荐理由：研究提供了AMIE在真实门诊场景中的安全性和可行性证据，为对话式医疗AI的临床落地提供了初步实证基础。
Together AI 将 NVIDIA Nemotron 3 Super 带给开发者，模型为 120B 参数（12B 激活）的混合 MoE 架构，支持 1M token 上下文和多 Token 预测，并在 AIME 2025 与 SWE Bench Verified 上达到领先精度。
推荐理由：原文同时给出单GPU部署和1M上下文等具体能力，读者可据此判断它能否直接承载多智能体与大上下文推理工作流。
Stephan Rabanser、Sayash Kapoor与Arvind Narayanan发布论文《Towards a Science of AI Agent Reliability》，将可靠性分解为12个维度，并在GAIA与TauBench两个互补基准上评测了14个模型，发现近18个月能力快速提升但可靠性改善有限。
推荐理由：论文将可靠性分解为12个维度并评测14个模型，揭示能力提升与可靠性进步不匹配，对部署者和研究者提出具体改进方向。
Ollama 在 Claude Code 中新增 Subagents 与网页搜索功能，无需 MCP 服务器或 API Key。Subagents 可并行执行文件搜索、代码探索和研究等任务；网页搜索内建于 Anthropic 兼容层，模型需要最新信息时由 Ollama 直接返回结果。推荐云端模型包括 minimax-m2.5、glm-5 与 kimi-k2.5。
推荐理由：原文给出无需 MCP 与 API Key 的入口，读者可据此判断它能否降低 Claude Code 的接入成本。
Mistral 发布终端编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型族驱动，新增自定义子智能体、多选项澄清、斜杠命令技能和统一智能体模式。
推荐理由：原文列出子智能体、斜杠命令技能等可配置能力与付费方式，读者可据此判断终端编码智能体的团队落地成本。
Ollama v0.14.0 起兼容 Anthropic Messages API，Claude Code 可通过 --model 指定本地模型（如 gpt-oss:20b、qwen3-coder）或云端模型（如 glm-4.7:cloud、minimax-m2.1:cloud）运行，并支持工具调用、流式对话、系统提示与视觉输入。
推荐理由：Ollama 兼容 Anthropic API 后，Claude Code 可直连本地或云端开源模型，为开发者提供无需切换平台即可替换模型的选择。
Ethan Mollick 用 Claude Code（Opus 4.5）自主开发并部署了一个卖 500 个提示词的网站，全程运行 1 小时 14 分钟。文中分析了自主纠错与 agentic harness 两项进展，并介绍紧凑上下文、技能（Skills）、子代理（subagents）和 MCP 等机制如何扩展 AI 能力。
推荐理由：作者以亲身实验展示 Claude Code 的自主工作能力与上下文管理机制，为非程序员理解 AI 编码工具的现状与边界提供了可迁移的观察框架。
Mistral AI 发布 Devstral 2 编码模型系列，包含 123B 的 Devstral 2 与 24B 的 Devstral Small 2，并推出配套开源 CLI Mistral Vibe。
推荐理由：官方给出参数规模、基准得分与人类评估胜率，可对照开源与闭源编码模型的能力与成本差距。
Mistral 3 包含 Ministral 3（3B/8B/14B）与 Mistral Large 3（41B 活跃/675B 总参数稀疏 MoE），全部 Apache 2.0 开源。
推荐理由：Mistral 3 同时覆盖从边缘到数据中心的稠密与稀疏 MoE 模型，并给出 NVFP4 checkpoint 与多平台部署入口，读者可据此评估自托管与云端方案的成本与性能取舍。
Berkeley AI Research 提出不基于时间差分（TD）学习的强化学习算法，采用分治策略将轨迹递归拆分为子段，以对数级减少 Bellman 递归并缓解误差累积。
推荐理由：提出非TD学习的分治式RL范式，在长 horizon 任务上展示了可扩展性，读者可借此了解值函数学习的新方向。
MiniMax M2 在 Ollama 云端上线，主打编码与智能体工作流。Ollama 给出在 VS Code、Zed、Droid 等工具中的接入步骤，并提供云端 API 访问。
推荐理由：原文给出模型能力变化与多工具接入入口，读者可据此判断它对现有开发工作流的影响。
Mistral 发布 Codestral 25.08，并推出包含 Codestral Embed、Devstral 与 Mistral Code 插件的企业级编程栈，支持云、VPC 与本地部署。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Mistral AI 为 Le Chat 推出深度研究、语音对话、多语言推理和项目管理等新功能。深度研究模式可自动规划、搜索并生成结构化参考报告，语音模式由 Voxtral 模型驱动支持自然语言对话，多语言推理由 Magistral 模型支持，项目功能可组织对话并保留工具与设置。
推荐理由：Le Chat 新增深度研究、语音对话、多语言推理和项目管理功能，为用户提供了从信息搜集到组织协作的一体化 AI 助手体验。
Mistral AI 与 All Hands AI 合作发布 Devstral Medium 和 Devstral Small 1.1 代码智能体模型。Devstral Small 1.1 以 Apache 2.0 开源，SWE-Bench Verified 达 53.6%，为开源无测试时缩放模型新标杆。
推荐理由：Devstral Small 1.1 在 SWE-Bench Verified 上达 53.6% 成为开源代码智能体新标杆，Devstral Medium 以四分之一价格超越 Gemini 2.5 Pro 和 GPT-4.1。
Stanford Hazy Research 推出 Minions 协议，通过 NVIDIA Hopper H100 远程证明与加密 enclave 实现 Ollama 本地模型与云端前沿模型的端到端加密协作，敏感上下文不离开设备，延迟增加不到 1%。项目已开源并提供 Streamlit 演示与 Python 示例代码。
推荐理由：原文给出了端到端加密协作协议的实现路径和实测开销，读者可据此评估本地-云端混合架构的安全性与成本平衡。