OpenAI 推出 GeneBench-Pro：测大模型的生物科研判断力，GPT-5.6 Sol 通过率不到 30%
OpenAI 推出科研级基准 GeneBench-Pro，包含 129 道计算生物学题目，专门测大模型处理模糊数据和自主决策的「科研判断力」。其采用已知因果结构的合成数据进行客观打分。GPT-5.6 Sol 取得 28.7% 的通过率，远高于 GPT-5 当初低于 5% 的表现。目前已在 Hugging Face 开源 10 道代表性题目。
智能体
查看更新的新闻
Anthropic 发布 Claude Sonnet 5：性能逼近 Opus，智能体能力大跃进
Anthropic 正式推出 Claude Sonnet 5，在编程、工具调用与推理上大幅提升，性能已逼近 Opus 4.8。它能自主制定计划并调用终端等工具，API 定价每百万输入仅 2 美元，目前已成为免费与 Pro 用户的默认模型。
Anthropic 发布 Claude Code 循环指南：教你把单轮对话做成自主智能体
Anthropic 旗下 Claude Code 团队发布循环工程指南，详解如何让编程智能体脱离逐句盯梢、实现自主迭代。指南将循环划分为轮次交互、基于 /goal 的目标驱动、利用 /loop 与 /schedule 的定时轮询以及全自主的主动循环四种模式，并建议用 SKILL.md 进行端到端自我验证与 Token 控费。
Anthropic 推出科研工作台 Claude Science：打通 60 多项工具并内置审查智能体
Anthropic 推出科研工作台应用 Claude Science 测试版，支持 macOS 与 Linux。它整合了生命科学与化学等 60 多项工具与连接器，并内置审查智能体核验引用与计算，结果全程可审计复现。目前面向付费订阅用户开放。
ComfyUI 发布 Comfy MCP：不用手动连节点，让 AI 智能体直接跑工作流
ComfyUI 开启 Comfy MCP 公开测试，让 Claude 等 AI 智能体能直接接入 ComfyUI。用户用自然语言即可让智能体自主搜索模型、搭建并运行图像与视频工作流，免去手动连线和配节点。目前处于公测阶段，支持免费接入试用。
Cursor 推出 iOS 版公测：手机也能调遣 AI 智能体写代码、合 PR
Cursor 推出原生 iOS 版公测，向付费订阅用户开放。开发者不仅能在手机端启动云端智能体或远程操控电脑，还支持语音输入、锁屏实时提醒及直接合并 PR。7 月 5 日前移动端运行 Composer 2.5 享 25 折。
微软开源 Resource2Skill：把教程视频蒸馏成 Agent 能跑的技能库
微软开源 Resource2Skill，能将教程视频、代码与文章自动蒸馏为智能体可调用的执行技能。提取的技能包含代码与视觉示例，挂载在 MCP 服务器上，支持智能体自主产出网页、PPT、Excel 及 Blender 场景，实测性能提升 11.9 个百分点。
HP 联手 OpenAI：全面部署 Frontier，一人几周搞定 122 次 PR
HP 宣布扩大与 OpenAI 的 Frontier 战略合作。自 2026 年 2 月测试以来，HP 一名工程师在数周内完成了 43 个项目的 122 次 PR，安全团队更在一天内修好多处以往需耗时一个月的漏洞。接下来，AI 将全面接入客服与十万级合作伙伴体系。
BrowserBC 开源：把网页操作提炼为「技能卡」，做 Agent 版按键精灵
Einsia AI 旗下 Navers Lab 开源 BrowserBC。它先完整录制人类在浏览器中的操作与页面反馈，再由模型转写成说明书式的自然语言「技能卡」，供任意智能体在真实页面上自主执行，而非死板复刻点击坐标，相当于 Agent 时代的「按键精灵」。
OpenAI 开启 GPT-5.6 预览：旗舰 Sol 配多智能体模式，应美政府要求限额测试
OpenAI 开启 GPT-5.6 系列限量预览，包含旗舰 Sol、平衡型 Terra 和平价版 Luna。Sol 引入深度推理与调用子智能体的 ultra 模式，在编程与网络安全评测中表现突出。应美国政府要求，目前仅向小范围可信伙伴开放，未来数周内铺开。
Runway 推出 Agent 2.0：从一条提示生成营销企划与全套素材
Runway 推出内置于平台的 Agent 2.0，用户输入简短提示词即可直接生成完整营销企划书和全套物料。该系统还能分析投放效果数据来优化创意，并跨平台、格式与市场快速扩展，加速打通从创意到宣发执行的完整营销链路。
Ornith 1.0 开源：让模型自造脚手架写代码，最高 3970 亿参数
开源模型家族 Ornith 1.0 正式上线，专为智能体编程设计，覆盖 9B 到 397B MoE 规格。它最大的亮点是能在强化学习中自主生成引导解题的脚手架框架，在 SWE-bench Verified 等测试中比肩前沿大模型。全套权重及 21GB 的 GGUF 量化版已在 Hugging Face 开源。
Excel 里的 Copilot 变身财务分析师：支持 DCF 建模与专业数据源
Microsoft 升级 Excel 版 Copilot，推出面向财务人员的工作流「技能」、全流程变更追踪以及外部权威金融连接器。用户通过 OneDrive 里的 SKILL.md 文件即可固定 DCF 建模等标准流程，并能直连 PitchBook、S&P Global 等专业数据源，让 AI 在表格里的每一步修改都清晰可查。
Chrome 149 迎来新功能：圈选网页图文直接发给 Gemini
Google 开始在 Chrome 149 中推出「Select from screen」功能，用户可通过 Gemini 面板的「+」菜单圈选当前网页的文字或图片直接提问。同日，Gemini 3.5 Flash 也上线了 computer use 能力，支持智能体跨浏览器与桌面执行多步操作。部分用户可能需重启浏览器生效。
Meta 开源设计系统 Astryx：支撑内部 1.3 万个应用，专为 AI 智能体设计
Meta 开源了内部演进 8 年的设计系统 Astryx，它支撑了 Meta 内部超过 1.3 万个应用。系统基于 React 19 构建，包含 150 多个无障碍组件与专用 CLI。最值得关注的是它专为人机协作打造，统一了规范与文档，让 AI 智能体也能精准理解和调用。
Meta 提出 Autodata：让智能体当「数据科学家」，自我迭代造训练数据
Meta 提出 Autodata 框架，让 AI 智能体像数据科学家一样自动构建高质量训练和评估数据。智能体不仅能生成样本，还会自行测试有效性并从失败中反思迭代。这意味着合成数据不再依赖人工反复调优，能把推理算力直接转化成更高质量的模型训练。
Google 升级 Gemini 3.5 Flash：内置电脑操作工具，跨桌面与移动端可用
Google 宣布在 Gemini 3.5 Flash 中原生内置「computer use」工具。此前该能力仅以独立的 2.5 模型提供，现在开发者能直接让智能体跨浏览器、移动与桌面环境看懂并操作界面。官方同时引入了针对提示注入的对抗训练，并提供敏感操作需用户确认的安全防线。
Figma 推出设计智能体：用提示词直接在画布上生成定制插件
Figma 在 Config 大会上推出设计智能体。设计师输入提示词，AI 就能直接在画布上生成并运行可复用的定制插件或 WebGPU 着色器，全程无需配置开发环境。以往必须找工程师协助的脚本工具，现在一句话就能自制并共享给全团队。
Hermes Agent 新增 /learn 命令：给代码或文档，自动提炼可复用技能
Nous Research 为 Hermes Agent 引入 /learn 命令，用户只需提供本地目录、网页 URL 或刚才的对话记录，智能体就会利用自带工具将其提炼为规范的技能文件。该功能不依赖额外的提取引擎，在本地、Docker 和远程环境都能直接把临时操作变成可复用能力。
Perplexity 推出法律 AI 工具 Computer for Counsel：打通判例库与办公套件
Perplexity 面向 Enterprise 和 Max 订阅用户推出法律工具 Computer for Counsel。它搭载 20 多个前沿模型，打通 Midpage 等判例库以及 Microsoft 365、Google Workspace，接管判例检索、文件收集与合同初审等杂务。