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。
原文发布 3月18日 08:00
MiniMax 发布 M2.7，称这是其首个深度参与自身进化的模型，可构建复杂 agent harness 并完成高难度生产力任务。官方称 M2.7 在 SWE-Pro 得分 56.22%，接近 Opus 最佳水平，VIBE-Pro 为 55.6%，Terminal Bench 2 为 57.0%，GDPval-AA 的 ELO 为 1495，为开源模型最高。
推荐理由：MiniMax 首次公开模型参与自身迭代的流程，并给出 SWE-Pro、GDPval-AA 等基准数据，可据此判断其智能体与编程能力位置。
原文发布 3月18日 00:00
Mistral AI 推出 Forge，一套让企业基于自有专有知识构建前沿级 AI 模型的系统，支持预训练、后训练和强化学习等阶段。Forge 支持 dense 与 MoE 两种架构，并可按需支持多模态输入，模型可在企业自有基础设施内训练与治理。
推荐理由：Mistral 官方给出企业自建前沿模型的分阶段训练路径与已合作机构名单，可据此判断企业定制模型的落地方式。
原文发布 3月12日 00:58
Google Research 与 Beth Israel Deaconess Medical Center 合作开展了一项前瞻性单中心可行性研究，让对话式诊断 AI AMIE 在门诊预约前为患者采集病史，全程由医生通过视频通话监督。
推荐理由：原文给出 AMIE 在真实门诊的前瞻性可行性数据，读者可据此了解对话式医疗 AI 的安全监督方式与诊断表现。
原文发布 2月14日 08:00
MiniMax 发布内部强化学习框架 Forge，用于在真实智能体场景中大规模训练，并支撑 MiniMax M2.5 的能力突破。Forge 在 M2.5 训练中接入超过十万个不同的真实智能体脚手架与环境，上下文长度达 200k，日吞吐量达数百万样本，奖励保持收敛。
推荐理由：原文披露了 Forge 在十万级智能体脚手架上的训练规模与 40 倍训练加速，可据此了解长程 Agent RL 的工程取舍。
原文发布 2月14日 00:00
字节 Seed 发布 Seed2.0 系列，包含 Pro、Lite、Mini 三款通用 Agent 模型和一款专用 Code 模型，Pro 与 Code 已上线豆包 App 和 TRAE，全系列 API 在火山引擎开放。
推荐理由：官方给出 Seed2.0 在多模态、长链任务与 token 定价上的具体变化，可据此判断其生产部署适配度。
原文发布 2月12日 08:00
智谱发布 GLM-5，定位从编码转向工程，面向复杂系统工程与长程 Agent 任务，在后端架构、复杂算法和顽固 bug 修复上展现较强深度推理表现。官方称其在代码逻辑密度和系统工程能力上直接对标 Claude Opus 4.5，并集成 DeepSeek Sparse Attention 以提升 token 效率，同时保持长上下文质量。
推荐理由：官方给出 GLM-5 面向复杂系统工程与长程 Agent 任务的定位，并说明其与 Claude Opus 4.5 的对标维度。
原文发布 2月12日 08:00
MiniMax 发布最新模型 MiniMax-M2.5，在 SWE-Bench Verified 得分 80.2%、Multi-SWE-Bench 51.3%、BrowseComp 76.3%，官方称其在编码、智能体工具调用与搜索上达到 SOTA。
推荐理由：原文给出 M2.5 在编码、搜索与办公任务上的基准成绩和定价，读者可据此判断智能体任务的成本与速度边界。
原文发布 2月9日 08:00
Kimi 发布 Agent Swarm，可让 Kimi K2.5 自主组建并调度最多 100 个子智能体并行工作，执行超过 1500 次工具调用，结果比串行执行快 4.5 倍。该功能面向长周期任务，官方给出批量信息搜集、从 40 份 PDF 生成 100 页文献综述、多视角专家评审等用例。目前以早期研究预览形式向最高档订阅用户开放，后续将加入子智能体直接通信和并行宽度动态控制。
推荐理由：原文给出并行子智能体数量、工具调用规模和提速倍数，读者可据此判断多智能体编排在长任务上的实际形态。
原文发布 1月28日 00:00
Mistral 发布终端编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型系列驱动，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，CLI 更新改为持续推送。
推荐理由：官方给出 Vibe 2.0 的自定义子智能体、斜杠命令技能等能力与定价方式，可据此判断终端编码智能体的工作流变化。
原文发布 1月27日 08:00
MiniMax 发布角色扮演模型 MiniMax-M2-her，基于 Talkie / Xingye 三年角色扮演优化经验，围绕 Worlds、Stories、User Preferences 三个维度设计。
推荐理由：原文公开了角色扮演模型的评测框架与两阶段对齐流程，可了解长对话稳定性为何成为优化重点。
原文发布 1月27日 08:00
Kimi 发布开源模型 Kimi K2.5，在 K2 基础上用约 15T 混合视觉与文本 token 继续预训练，定位为原生多模态模型，主打编码与视觉能力以及自主编排的 Agent Swarm。
推荐理由：官方给出 K2.5 的预训练规模、Agent Swarm 并行机制与三类基准表现，可据此判断开源模型在智能体方向的位置。
原文发布 12月23日 08:00
MiniMax 发布 MiniMax M2.1，重点提升多语言编程与真实复杂任务表现，系统增强 Rust、Java、Golang、C++、Kotlin、Objective-C、TypeScript、JavaScript 等语言能力，并加强 Android 与 iOS 原生开发。
推荐理由：原文给出多语言编程与 Agent 工具泛化的能力变化，并附 VIBE 基准与开源权重，可据此判断实际开发可用性。
原文发布 12月22日 08:00
智谱发布 GLM-4.7 基础模型，在编码、推理和智能体能力上有明显提升，可生成更可靠的代码并增强长上下文理解。该版本在主要编码与推理基准上取得开源 SOTA 表现，并改进了面向目标的多步智能体编码以及前端和文档生成质量。
推荐理由：原文给出 GLM-4.7 在编码、推理与智能体能力上的升级方向，读者可据此判断其在开发工作流中的定位。
原文发布 12月9日 20:00
Mistral 发布下一代编码模型系列 Devstral 2，含 123B 的 Devstral 2 和 24B 的 Devstral Small 2，分别采用修改版 MIT 和 Apache 2.0 许可，均为开源。
推荐理由：官方给出两款开源编码模型的参数、许可与 SWE-bench 成绩，并附独立评测对比，便于判断开源编码模型与闭源模型的差距。
原文发布 11月9日 08:00
腾讯混元 Tencent HY 2.0 Think 上线，模型底座从 TurboS 升级为混元2.0，模型能力全面提升。官方称该版本显著增强了复杂指令遵循、多轮及长文理解、代码、Agent 和推理能力。
推荐理由：原文列出混元2.0底座升级与能力增强方向，读者可据此判断它在复杂指令与Agent场景的适用性。
原文发布 11月6日 08:00
Kimi 发布开源思考模型 Kimi K2 Thinking，可在使用工具的同时逐步推理，在 HLE 上取得 44.9%、BrowseComp 60.2%、SWE-Bench Verified 71.3%。
推荐理由：原文给出 K2 Thinking 在 HLE、BrowseComp、SWE-Bench Verified 上的成绩与 INT4 推理效率，读者可据此判断开源思考模型的能力位置。
原文发布 10月27日 08:00
MiniMax 正式开源并发布 MiniMax M2，定位为面向 Agent 与编码的模型，API 定价为每百万输入 token $0.30、每百万输出 token $1.20，约为 Claude 4.5 Sonnet 的 8%，推理速度接近其两倍。
推荐理由：原文给出 M2 的定价、推理速度与开源权重，读者可据此判断它在 Agent 与编码场景中的成本位置。
原文发布 10月24日 20:00
Mistral 发布 Mistral AI Studio，一个面向企业团队的生产级 AI 平台，由 Observability、Agent Runtime 和 AI Registry 三大支柱组成。
推荐理由：Mistral 把自家大规模系统的运维经验打包成企业平台，读者可了解生产级 AI 需要哪些基础设施能力。
原文发布 10月15日 08:00
xAI API 宣布 web_search、x_search 和 code_execution 等新的服务端智能体工具正式可用，官方同时提供了 Tools 使用指南。这些工具此前处于预览阶段，现在面向开发者开放接入。
推荐理由：xAI API 把服务端工具转为正式可用，读者可据此判断智能体检索与代码执行能力的接入方式。
原文发布 9月30日 08:00
智谱发布旗舰编码模型 GLM-4.6，在公开基准和真实编程任务上表现提升，官方称其为中国领先的编码模型。此次更新将上下文窗口扩展至 200K，以更好处理更长的代码和复杂智能体任务。
推荐理由：原文给出 GLM-4.6 在公开基准与真实编程任务上的提升，以及 200K 上下文窗口对长代码和复杂智能体任务的意义。