Google DeepMind 發佈 Gemini 3,Gemini 3 Pro 以預覽版推出
Google DeepMind 發佈 Gemini 3,推出預覽版 Gemini 3 Pro,並介紹加強推理能力的 Gemini 3 Deep Think。
推薦理由:Gemini 3 Pro 與 Gemini 3 Deep Think 的兩項基準成績並列,便於比較加強推理模式在 Humanity’s Last Exam 和 GPQA Diamond 的分數差異。
讓模型自主規劃、調用工具、完成多步任務的技術方向——從 Claude Code、Manus 到各家 Agent 框架與評測基準的全部動態。
Google DeepMind 發佈 Gemini 3,推出預覽版 Gemini 3 Pro,並介紹加強推理能力的 Gemini 3 Deep Think。
推薦理由:Gemini 3 Pro 與 Gemini 3 Deep Think 的兩項基準成績並列,便於比較加強推理模式在 Humanity’s Last Exam 和 GPQA Diamond 的分數差異。
Google 推出 Antigravity 智能體開發平台,並免費開放公開預覽。平台保留 AI IDE 編輯器,另設以智能體為核心的 Manager,支援瀏覽器控制及非同步互動,讓智能體自主規劃和執行端到端軟件任務;Artifacts 可供使用者檢視工作成果並提供回饋。
推薦理由:Antigravity 將 IDE 編輯與 Agent Manager 分成不同工作介面,並以任務級 Artifacts、驗證結果和非同步回饋呈現及修正智能體工作。
Google Research 介紹生成式 UI 實作,Gemini app 今日起推出 dynamic view 和 visual layout 兩項實驗,Google Search 的 AI Mode 亦加入生成式互動介面。
推薦理由:文章對照生成式 UI 與標準 LLM 輸出及專家設計網站的偏好結果,並交代生成有時需一分鐘以上及輸出偶有不準確的限制。
Google DeepMind 推出研究智能體 SIMA 2,將 Gemini 推理能力整合至虛擬 3D 遊戲,使其能理解目標、規劃行動並與用户對話。它能將在不同遊戲中學到的概念遷移,也可透過試錯及 Gemini 回饋利用自身經驗繼續訓練,並在 Genie 3 生成的新世界中嘗試執行任務。
推薦理由:SIMA 2 結合 Gemini 推理、跨遊戲技能遷移與自生成經驗訓練,並交代長程任務、記憶和精細鍵盤滑鼠操作的限制。
Anysphere 於 2025年10月29日發佈 Cursor 2.0,新增多智能體管理功能,並推出由該公司開發的智能體編碼模型 Composer。用戶可透過一個提示詞並行執行最多 8 個智能體,各智能體在程式碼庫的獨立副本中工作,並使用 Git worktree 或遠端機器防止檔案衝突。據 Anysphere 稱,Composer 的運行速度較同等智能模型快 4 倍。
推薦理由:文章交代最多 8 個智能體如何並行工作,以及以獨立程式碼副本和 Git worktree 或遠端機器防止檔案衝突,呈現多智能體編碼的協作設計。
Hugging Face 發佈 Python 套件 huggingface_hub v1.0,遷移至 httpx,推出重設計的 hf CLI,並將 hf_xet 設為檔案傳輸預設套件。
推薦理由:文章集中説明 httpx、hf CLI 與 hf_xet 的變更,並列出 transformers v4、v5 的版本相容要求,便於維護者評估升級範圍。
Meta 與 Hugging Face 合作推出 OpenEnv Hub,供開發者建立、分享和探索可用於訓練與部署的智能體環境。OpenEnv 以沙盒封裝任務所需工具、API、憑證及執行上下文,並提供清晰語義與隔離控制;團隊同時發布 OpenEnv 0.1 Spec(RFC)徵求社羣意見。
推薦理由:OpenEnv 將智能體任務所需的工具、API、憑證與執行上下文封裝成可分享環境,並銜接訓練和部署,呈現環境規格化的實際用途。
OpenAI 於 2025-10-21 發佈 AI 瀏覽器 ChatGPT Atlas,發佈時只提供 macOS 版,Windows、iOS 和 Android 版本則計劃稍後推出。
推薦理由:文章整理 Atlas 在頁面內使用 ChatGPT、瀏覽器記憶及預覽版智能體操作的方式,也交代資料訓練設定與存取限制,呈現功能和使用邊界。
Anthropic 於2025年10月21日推出 Claude Code on the web 研究預覽版,讓用戶透過網頁介面操作 Claude Code,無須開啟終端機。
推薦理由:這次更新把 Claude Code 的操作入口由終端機延伸至網頁,並交代雲端執行環境的隔離與 GitHub 存取限制,呈現其使用方式和安全邊界。
OpenAI 發佈 AgentKit、擴展的評測能力,以及面向智能體的強化微調(RFT)。這些工具旨在協助開發者更快從原型走向生產。
推薦理由:AgentKit、擴展評測能力與智能體強化微調同屬加快開發者從原型走向生產的工具更新,呈現 OpenAI 此次發佈的整體方向。
OpenAI 表示正透過 ChatGPT 邁出智能體商務的第一步,並推出 Instant Checkout 與 Agentic Commerce Protocol。這些新方式讓人、AI 智能體與企業共同購物。
Hugging Face 推出 Gaia2 智能體基準及 Meta Agents Research Environments(ARE)框架,用於在更複雜、接近真實情境的環境中執行、除錯和評估智能體。
推薦理由:Gaia2 將智能體評測從唯讀檢索擴展至含模糊指令、時間要求和環境故障的互動任務,ARE 記錄執行 traces,便於分析智能體在複雜情境中的失誤。
OpenAI 在 GPT-5 系統卡補充説明中介紹 GPT-5-Codex,這是針對 Codex 中 AI 智能體編碼進一步優化的 GPT-5 版本。它會按任務複雜度動態調整思考投入,簡單對話查詢或小任務回應較快,複雜任務則獨立工作更長時間。
推薦理由:補充説明交代 GPT-5-Codex 面向 Codex 中的 AI 智能體編碼,並説明它如何按任務複雜度調整思考投入。
OpenAI 介紹用 Ollama 在本地運行兩款 gpt-oss 模型,支援離線聊天、API 調用及接入 Agents SDK。gpt-oss-20b 建議至少 16GB VRAM 或 unified memory,gpt-oss-120b 至少 60GB;模型預設採用 MXFP4 量化,VRAM 不足時可用 CPU,但速度較慢。
推薦理由:指南比較兩個模型所需的硬件配置,並串起本地聊天、Chat Completions API 與 Agents SDK 接入步驟,便於評估本地部署路徑。
Ollama 與 OpenAI 合作,將 gpt-oss-20b 和 gpt-oss-120b 開放權重模型帶到 Ollama,供用戶本地使用。兩款模型採用 MXFP4 量化,20B 版本可在記憶體低至 16GB 的系統運行,120B 版本可在單張 80GB GPU 上運行。20B 面向低延遲、本地或專用場景,120B 面向生產、通用及高推理需求;可透過 Ollama 新應用程式或終端機下載。
推薦理由:文章説明 MXFP4 量化及 Ollama 原生支援如何降低本地運行門檻,並列出 20B 與 120B 模型的硬件需求和用途定位。
文章示範如何以 Gradio 在 Python 中實作 MCP 伺服器,並建立可瀏覽服裝網站、呼叫 IDM-VTON 虛擬試穿的 AI 購物助手。Gradio 會把應用程式的 API endpoint 自動轉為具名稱、描述及輸入 schema 的 MCP 工具,並支援即時進度通知和自動檔案上傳。
推薦理由:示例將 Gradio MCP 伺服器、Playwright 網頁瀏覽與 IDM-VTON 虛擬試穿串成工作流程,並列出 VS Code 設定步驟。
Mistral AI 發佈 Codestral 25.08,並推出整合程式碼補全、語意檢索、Devstral 智能體工作流及 Mistral Code IDE 外掛的企業編碼技術棧。
推薦理由:文章把 Codestral 25.08、程式碼檢索、Devstral 智能體工作流與 IDE 管理整合為企業方案,並交代部署選項及安全治理設計。
Mistral AI 為 Le Chat 推出 Deep Research、語音、多語言推理、Projects 和圖片編輯等新功能。Deep Research(Preview)可搜尋可信來源並生成附參考資料的結構化報告,語音模式採用 Voxtral,多語言推理由 Magistral 驅動,圖片編輯則與 Black Forest Labs 合作。
推薦理由:Le Chat 把研究、語音、多語言推理、Projects 與圖片編輯納入同一產品,呈現其如何覆蓋資訊整理、語音互動和圖像修改等不同任務。
OpenAI 推出 ChatGPT agent;它能思考並採取行動,在使用者指引下運用工具完成研究、預訂及簡報等任務。
推薦理由:原文將 ChatGPT agent 的定位連到工具操作與使用者指引,並以研究、預訂和簡報列出可處理的任務範圍。
Moonshot AI 開源 Kimi K2,提供 Kimi-K2-Base 和 Kimi-K2-Instruct,分別面向微調,以及通用聊天和智能體體驗。Kimi K2 是 MoE 模型,具有 32 billion activated parameters 和 1 trillion total parameters,並在非思考型模型的知識、數學及編碼方面達到最先進表現。
推薦理由:文章説明 Kimi K2 如何透過大規模工具使用數據合成與通用強化學習,培養處理可驗證及非可驗證任務的智能體能力。