Agent 智能体

openJiuwen首发TTSE双轨自演进经验学习框架

openJiuwen提出TTSE（双轨自演进）经验学习框架，借鉴认知科学中陈述性知识与程序性知识的区分，将Agent经验分为FACT（环境事实）与TIP（条件式技巧）两条轨道，通过冷启动、在线增量演进（归因、退役、矛盾分析合成、归纳）循环更新经验库。该框架在ALFWorld、ScienceWorld、GDPevo、SOPBench、PinchBench五个基

美团 LongCat-2.5 正式开源：1.6 万亿参数原生多模态模型

美团正式开源 LongCat-2.5 原生多模态模型，采用 MIT 协议，支持商用推理部署与二次训练。该模型总参数 1.6 万亿、每 token 激活约 480 亿参数、支持一百万上下文，面向长程智能体任务，在复杂代码库开发、完整项目构建、Visual Coding 与专业办公场景的端到端交付能力明显提升。团队还针对显存与带宽受限的国产算力芯片做了架构、量化

OpenAI Java SDK v4.103.0 发布

OpenAI 发布官方 Java SDK v4.103.0，为 Managed Agents 功能工具新增类型化异步字段（typed async fields）。该更新属于 API 层面的 SDK 功能增强，旨在改善 Java 开发者在调用 Managed Agents 工具时的类型安全与异步支持。

Meta AI 发布最小最高效模型 Muse Ember

Meta AI 发布其最小、最高效的模型 Muse Ember，面向工具调用、编码子任务、路由、信息抽取和长文档解析等智能体高频工作。短提示下定价与 GPT-6 Luna、Claude Haiku 5.5 相同（输入 $0.10/百万 token、输出 $0.50/百万 token），长提示下价格介于两者之间，并在 Artificial Analysis 的

四维图新发布AI原生智能座舱方案，战略拓展移动智能体

四维图新在上海举办2026 EVOLUTION创想大会，CEO程鹏宣布公司从汽车智能化向移动智能体领域拓展，提出“移动智能体的超级伙伴”新定位。公司展示了数据合规闭环、杰发科技车规SoC与MCU、千元级行泊一体与舱驾融合方案，并发布面向全球市场的AI原生智能座舱解决方案，与微软中国达成AI座舱全球化合作。此外，其RND时空数据集已服务22家具身机器人厂家，并

Fable 5.2 首批实测：编程能力超 Opus 5.5，网友玩出游戏视频 3D 建模

Anthropic 发布 Fable 5.2 模型，首批实测显示其在智能体编程、科学研究、计算机操作等基准上全面超越 Opus 5.5，编程测试高出 45.5%，软件工程测试达 69.9%，输出速度最高提升 30%，支持 100 万 Token 上下文，API 价格下降 20%。网友用其生成 3D 游戏、视频、音乐和 3D 建模等作品，但社区也反馈高推理档位

OpenAI Node SDK 发布 v7.55.0，新增类型化异步函数工具

OpenAI 发布 openai-node SDK v7.55.0，新增带类型的异步函数工具（typed async function tools）API 能力，并升级了 zod、ws、@smithy/signature-v4 等多项开发与运行时依赖。该版本主要提升 Node 开发者在构建函数调用/工具调用时的类型安全与开发体验。

Fable 5.2 重夺全球最强 LLM 宝座，Anthropic IPO 路演启动

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2，在 Artificial Analysis Intelligence Index v5 上以 65 分重回全球第一，超过 Gemini 4 Carbon 的 60 分。新模型单 token 价格下调 20% 至每百万输入 8 美元、输出 40 美元，但因大量生

另有 2 家信源报道

同伴记忆改变 LLM 智能体咨询对象，但未检测到答案准确率提升

该研究提出 PeerMem，将 MACE 中用于同伴选择的 LinUCB 状态持久化保存，并在相同智能体再次出现时复用。实验使用六个智能体、80 道 HotpotQA 问题，对比冷启动、热启动与打乱初始化三种条件，发现热记忆降低了事后遗憾并增加了对其他证据持有者的咨询，但最终答案 F1 的差异仍不确定。在 Qwen3.5-9B 上进一步测试角色重分配场景，主

NormGym：通过社交互动评估智能体的规范能力

研究团队提出 NormGym，一个用于评估智能体规范能力（normative competence）的多智能体交互基准：新加入的智能体需在完成自身任务的同时，从其他智能体的行为和公开制裁中推断出社区隐藏的任意规范，并在新情境中应用。实验显示最强 LLM 的任务与合规联合成功率仅 55.3%，模型能根据自身受到的制裁调整行为，却难以利用他人的行为和制裁推断规范

计划变更时：动态多智能体协调的战略世界测试平台

该论文提出名为 Strategic World 的图结构仿真测试平台，用于研究多智能体在目标动态变更时的协调问题。平台将权威目标、本地计划、通知接收与实际行动分离，设计了六类干预场景，并通过脚本化轨迹和本地语言模型试验表明：相同的完成与确认摘要可能掩盖未获知信息下的过时工作、收到通知后仍执行过时任务或受阻的不安全意图。在16个回合的对比中，优先处理待处理通知

BIBIMBAP：面向BIM自动化编程的指令基准

研究者提出 BIBIMBAP，一个面向 Text-to-BIM 的基准，包含 100 个覆盖增删改查（CRUD）操作的任务，涉及空间、几何、拓扑、数值和概念类别。每个任务提供自然语言提示、IFC 模型、期望的结构化输出和自动化测试脚本。基线结果显示最佳性能仅 50.2%，模型在约束保持和空间推理上频繁失败，部分正确输出还伴随错误推理。

Micius-Flash：面向工程的轻量级智能体模型

研究团队发布 Micius-Flash，一个 270 亿参数、支持原生多模态输入和 256K 上下文窗口的工程领域模型。团队构建知识树驱动的数据飞轮，训练半导体知识、硬件编码、多模态理解及智能体专家模型，再用多教师同策略蒸馏（MOPD）整合为统一模型。在 20 多个数据集上，硬件代码基准平均 64.2%（超同规模基线 15 分），半导体智能体基准 62.4%

因果发现基准：LLM 能否自主开展有效实验？

该论文提出 Causal-Discovery-Bench，一个可验证沙盒，用可配置的结构方程模型和资源约束评估 LLM 智能体自主设计实验、进行因果发现的能力。研究覆盖 5 家厂商的 13 个模型、3802 个回合，发现智能体 94.5% 的错误源于实验设计而非因果推断，且单纯放宽资源约束不能可靠解决顺序发现失败。基础统计工具能显著提升多个模型家族的表现，而

Pixie：面向数字营销的上下文感知多智能体多模态LLM架构

Pixis 研究团队提出 Pixie 框架，一种面向数字营销的上下文感知多智能体多模态 LLM 架构，由主编排智能体协调多个任务专用智能体，并结合零样本/少样本提示、营销数据洞察与专有专家策略文档。该框架支持实时与离线营销活动，通过人工专家评估和 LLM 输出方差测量进行验证，结果显示多智能体架构显著提升决策质量与运营效率，并有望减少根因分析、报告、活动研究

LLM智能体技能编排可编译多少？基于执行的特化实现高效token技能使用

该论文研究LLM智能体能否将技能编排自动编译为可执行快速路径。作者发现零样本技能特化因运行时绑定假设错误而效果不佳，提出SkillCache方法，利用单次执行轨迹将技能编译为参数化胶囊。在Claude Code环境下，87个SkillsBench任务中重复请求的token消耗降低81%（Sonnet 4.6）和74%（Opus 4.8），且胶囊可跨模型迁移，

Forge Decision Context：AI 智能体的持久行为学习

该论文提出 Forge Decision Context（forge dc）系统，从人类纠正和工具调用失败中捕获行为信号，编译为规则指令并在决策点注入，以解决 LLM 智能体跨会话不学习纠正的问题。作者同时发布 DC-Bench 基准（71 个场景、9 个行为维度），forge dc 达到 95% 合规率，而朴素检索仅 55%，且每次查询注入的 token

多智能体工作流的变异测试

该论文将变异测试引入多智能体 LLM 工作流，定义了四类共 14 个变异算子（委派、允许工具、限制、智能体/指令）和三个杀死判据（K-Struct、K-Outcome、K-Safety），并在 10 个基于 OpenAI Agents SDK 的工作流上执行 29,601 次智能体运行、评估 1,084 个变异体。结果显示，最佳基线测试套件 T-Dev⋆ 的

llama.cpp 发布 b12242：修复 tools 与 response format 下的 lazy grammar

llama.cpp 发布构建版本 b12242，主要变更是 chat 模块在设置了 response format 且同时使用 tools 时不再使用 lazy grammar（PR #31956）。该版本同时提供 macOS/iOS、Linux（含 CUDA、ROCm、Vulkan、SYCL、OpenVINO 等后端）、Android、Windows 及

千问办公2.0发布：主打Team Agent多人协作

阿里千问办公发布2.0版本，公测三个月以来最大升级，推出行业首个支持多人与Agent协作的「协作」功能，并上线人机共创、自动任务、资料空间和三端互联等能力，官方将其定位为Team Agent。产品可将钉钉群聊、AI听记、云文档等关联进协作空间，让Agent跨群汇总选题、认领任务、创建待办并定时提醒。文章以量子位编辑部日常实测展示效果，并提到银泰百货卡券运营团

另有 2 家信源报道