搜索
Google DeepMind的4个Gemini 4 Argon智能体在无人预先分工和干预的情况下自主协作，通过编写2783个程序在《我的世界》中经历605次死亡后，于27小时14分钟内击败末影龙。
蚂蚁百灵发布并开源Ling-3.1-flash，聚焦复杂任务与长程执行，实测可筛选AI新闻、开发并迭代城市建造游戏及生成费马原理教学网页，显示AI正进入真实工作流但仍需人工核查修正。
OpenAI的Codex在Tibo接手后从云端转向本地，并推出不含代码编辑器的桌面应用；随着GPT-5.3 Codex拓展至知识工作，Codex于2026年7月成为新版ChatGPT桌面应用，Codex与ChatGPT for Work合计周活超4000万。
香港大学MMLab团队提出EgoWild2Dex，利用538.9小时真实人类第一视角数据训练机器人，每个下游任务使用不到1小时真机数据微调，拆快递、用热熔胶枪固定摆件和制作冰饮等任务的平均成功率达96.7%。
智谱推出法律专用开源模型GLM-Legal，可处理合同审查、证据分析和跨境合规，并在Vals AI法律测评中以19.2%的任务全通过率和86.23%的准确率位居Harvey LAB与LegalBench双榜开放权重模型榜首。
Scale AI与Elorian发布Humanity’s Sixth Sense（HSS）基准，以522道图像和视频题测试多模态模型的直觉式视觉推理，25个模型均显著落后于人类，榜首GPT-6-astra得分53.6%，人类达93.1%。
Anthropic称，Mythos 5在53小时内自主设计8个量子电路并击败人类公开最优方案，其中新解码实现将量子门数量降低17倍，另一架构将计算成本降低12倍。
StartLux发布StartLux-Decision新版本，推出Instant与AutoThink双模型矩阵及原创RLCD²，在Decision Index 0.3和DecisionPivot评测中领先多款模型，并公开模型权重与推理代码。
英伟达开放Nemotron 3.5 Bolt模型权重，将740亿参数版本从约148GB压缩至22.1GB以支持笔记本本地Agent任务，搭载RTX Spark的联想、微软等笔记本也于10月16日全球发售。
清华大学THUNLP实验室联合面壁智能、OpenBMB等团队开源智能体操作系统PilotDeck 2.0，支持记忆可查可改、后台长任务与智能路由，并在复杂任务测试中将成本降低约83%。