OpenAI 与 Thrive 打造 Tax AI：让 Codex 自主修 Bug，准确率 6 周跃升至 86%
OpenAI 与 Thrive Holdings 披露为会计机构 Crete 开发的 Tax AI 智能体，本季度已处理 7000 份税单。系统将专业会计师的人工修正自动转为评测集，并由 Codex 自主排查并修复代码。上线 6 周内达到 75% 准确率门槛的税单比例从 25% 跃升至 86%，节省了约三分之一工时。
智能体
查看更新的新闻
企业 AI 账单失控：Uber 4 个月烧光全年预算，微软削减 Claude Code
据报道 Uber 因内部使用激增而在 4 个月内耗尽 2026 年全部 AI 编程预算，微软也削减了 Claude Code 授权转用 GitHub Copilot。最值得关注的是，AI 智能体调用消耗的 token 激增，企业发现高额的 AI 开销很难换来成比例的产出，正纷纷收紧工具投入。
Datacurve 发布 DeepSWE 基准：测出编程智能体的真实差距
Datacurve 发布针对编程智能体的新基准测试 DeepSWE。团队表示，顶尖模型在现有公开榜单上跑分看似接近，DeepSWE 则通过贴近开发者日常工作的真实环境，测出它们真正的能力差距。
Anthropic 升级 Claude 托管智能体：支持自托管沙箱与内网 MCP 隧道
Anthropic 升级 Claude 托管智能体。新上线的自托管沙箱支持在企业自身设施或 Cloudflare、Vercel 等平台上运行工具，确保代码与文件不外泄；MCP 隧道则让智能体无需暴露公网即可安全调用内网私有 MCP 服务。前者已开启公测，后者进入研究预览。
DeepMind 发布 AlphaProof Nexus：用几百美元算力，解开 56 年未解数学题
Google DeepMind 发布 AlphaProof Nexus 论文，在 353 个开放数学题中自主攻克 9 个 Erdős 难题，并证明了 44 个 OEIS 猜想。系统将大模型与证明辅助工具 Lean 结合完成机器验证，单题成本仅数百美元。最值得关注的是，AI 正以极低成本介入真正的数学前沿研究，但需全新数学构造的问题仍无法解决。
xAI 上线 Grok Build Beta：支持任务规划与命令行编排
xAI 面向 SuperGrok 和 X Premium+ 订阅用户推出 Grok Build Beta 测试版。该工具配备用于任务规划的 Plan Mode，支持通过 Imagine 生成图像与视频，并提供 CLI 工具以构建自动化流程与智能体编排器。付费用户可借此更方便地搭建 AI 应用。
Ideogram 推出 MCP：把 Claude 和 ChatGPT 变成设计智能体
Ideogram 推出 Ideogram MCP 集成，将 Claude 和 ChatGPT 变身设计智能体。用户无需离开对话框，即可直接生成图片、制作设计并训练专属模型。该功能还兼容 Cursor 和 Hermes 等平台，进一步简化了设计工作流。
Mistral 发布 Medium 3.5：128B 模型上阵，Vibe 编程 Agent 全面迁往云端
Mistral 发布开源权重模型 Mistral Medium 3.5，并为 Vibe 推出云端远程智能体。新模型为 128B 稠密架构，SWE-Bench 得分 77.6%，可在 4 块 GPU 上自建运行。智能体能脱离本地终端在云沙盒异步并行编码，完成后自动开 GitHub PR。
OpenAI 入选 Gartner 魔力象限领导者：Codex 周活超 400 万
OpenAI 宣布被 Gartner 评为企业级 AI 编程智能体魔力象限领导者。Codex 周活已超 400 万，近期集成 GPT-5.5，思科借此将交付周期从数季度缩短至数周。6 月 12 日前合规企业可申请新用户两个月免费试用。
微软发布 MagenticLite：让小模型串起浏览器与本地文件操作
Microsoft 推出专为小模型设计的实验性智能体应用 MagenticLite。它能在单一工作流中联动浏览器与本地文件系统，由 14B 调度模型 MagenticBrain 和专攻网页操作的 Fara1.5 协同驱动。这意味着端侧小模型也能低成本完成复杂代理任务。
Arq.live 推出语音制片系统 GLITCH：导演动口调度，8 分钟生成短片
Arq.live 推出语音生成影像系统 GLITCH，导演无需手打提示词，直接口述即可完成选角、搭景与调度走位。系统后台由多个 AI 智能体像电影摄制组一样协同实时出片，在单台笔记本电脑上用时不到 8 分钟就生成了一部完整短片。
字节跳动开源 Bernini：一套架构搞定视频生成与精准编辑
字节跳动开源统一视频框架 Bernini，将多模态语义规划器与 DiT 渲染器结合。它支持文本、图像和视频混合输入，单模型覆盖文生视频与视频编辑等多项任务。最值得关注的是，它先规划语义再生成画面，让 AI 视频编辑更精准可控；完整推理代码与模型权重均已放出。
阿里发布 Qwen3.7-Max：专攻长程智能体与编码
阿里巴巴发布 Qwen 3.7 Max 模型。该模型专为智能体场景设计，强化了长程规划、多步骤编码和视觉分析能力，可直接接入 Claude Code 等主流 Agent 框架。目前该模型尚未开源，可通过阿里云模型工作室及 API 调用。
Figma 画布上线原生 AI Agent：直接动嘴改稿，支持多 Agent 并行
Figma 在协作画布中上线原生 AI agent。它基于针对设计微调的模型，设计师直接输入自然语言就能生成界面、改稿或自动探索迭代，还能同时启动多个 agent 并行干活。最值得关注的是，日常改图和创意测试从此无需离开画板。
OpenAI 推理模型推翻 80 年数学猜想：自主证伪埃尔德什单位距离问题
OpenAI 宣布其通用推理模型自主推翻了数学家埃尔德什在 1946 年提出的平面单位距离猜想。该模型借用代数数论工具，打破了近 80 年来方格点阵最优的共识。证明已获菲尔兹奖得主蒂姆·高尔斯等外部数学家检验确认。
Granola 上线 Briefs：开会前自动出要点，连参会人背景都帮你查好
AI 笔记应用 Granola 推出会议简报功能 Briefs，支持 Mac、Windows 和 iPhone。无需手动提示词，系统在夜间自动检索过往笔记、Gmail 与网络信息，在入会前生成 2 到 3 条要点摘要并附带引用来源，专为外部会议免去临时查背景的慌乱。
Gemini 变身 24 小时智能体：关机也能在后台干活，还自带视频生成
Google 宣布 Gemini 月活突破 9 亿，并推出多项 Agent 更新。核心是全天候云端智能体 Gemini Spark，合上电脑也能在后台打理邮件与文档；同步上线的还有视频生成模型 Gemini Omni 与早报功能 Daily Brief。
Google 重构 25 年搜索框：默认接入 Gemini 3.5 Flash，还能写迷你应用
Google 宣布搜索 AI Mode 默认接入 Gemini 3.5 Flash，并迎来 25 年来最大搜索框改版，支持文件与网页标签等输入。搜索还加入全天候监控智能体与实时编写迷你应用能力。新搜索框现已上线，智能体功能今夏陆续推出。
Google 发布 Gemini 3.5 Flash：智能体跑分超前代 Pro，速度快 4 倍
Google 推出 Gemini 3.5 系列模型并首发上线 3.5 Flash。它主打长时间跨度的智能体行动与编程能力，跑分超越 Gemini 3.1 Pro，生成速度比其他前沿模型快 4 倍。目前已在 Gemini 应用、搜索 AI 模式和 API 中全量开放，3.5 Pro 预计下月推出。
Google 推出 Gemini for Science：用智能体加速科研假设与计算发现
Google 推出 Gemini for Science，包含假设生成、计算发现与文献洞见三款实验工具，并发布整合 30 多个生命科学数据库的 Science Skills。Co-Scientist 与 ERA 论文已发表在《Nature》，目前逐步开放申请。