搜索
过去一年，Agent 的讨论大多围绕模型本身展开：推理能力更强、上下文更长、工具调用更稳定。但进入真实工作流后，另一个问题开始变得更关键：Agent 的能力从哪里来，又如何被持续复用。
现在的 Agent 的产品越来越多，有些主打 Coding，有些事做日常办公，也有些用于情感陪伴虽然这些产品的用途不同，背后的工作原理其实都大同小异，便是 Harness 对上下文的自动化编排
千问把全模态Agent的使用成本，直接砍掉了90%！
当Agent已经能够调用工具、使用技能并保存记忆，一个更进一步的问题是：这些能力怎样在任务中配合，又怎样从过去的执行中积累可复用的经验？
让 AI 生成一张海报已经不难。更难的是，让它围绕同一个设计目标持续工作：理解品牌与产品要求，生成初稿；发现标题、产品位置或整体风格存在问题后，知道应该修改哪里、怎样修改；同时保留已经确认的内容。等到下一次活动，它还能延续此前确定的设计偏好和有效经验。
当经典算法遇到 LLM，用概率预判代替盲目试错，或许才是架构演进的真正解法。
过去一年，AI正在从回答问题的工具，逐渐走进企业的真实业务。
Claude向OpenAI格式投降了。
前OpenAI研究员所在的TypeSafe AI于9月15日发布专门处理判断题的AI模型Jev，将其定义为System One Models，因在Agent评估、广告分析及浏览器操作等场景展现出的高速低成本能力而在开发者社区迅速走红，LangChain、OpenAI研究员Tibo等纷纷跟进关注。
阶跃星辰发布新一代旗舰基座模型Step 5 Preview，以44分的AA智能指数成绩跻身全球开源模型前三，采用600B总参数/27B激活的稀疏MoE架构并原生支持1M上下文，在代码生成、长程Agent、深度研究与金融尽调等场景表现突出。