OpenAI 推出 GeneBench-Pro：測大模型的生物科研判斷力，GPT-5.6 Sol 通過率不到 30%
OpenAI 推出科研級基準 GeneBench-Pro，包含 129 道計算生物學題目，專門測大模型處理模糊資料和自主決策的「科研判斷力」。其採用已知因果結構的合成數據進行客觀打分。GPT-5.6 Sol 取得 28.7% 的通過率，遠高於 GPT-5 當初低於 5% 的表現。目前已在 Hugging Face 開源 10 道代表性題目。
AI代理
檢視更新的新聞
Anthropic 釋出 Claude Sonnet 5：效能逼近 Opus，智慧體能力大躍進
Anthropic 正式推出 Claude Sonnet 5，在程式設計、工具呼叫與推理上大幅提升，效能已逼近 Opus 4.8。它能自主制定計劃並呼叫終端等工具，API 定價每百萬輸入僅 2 美元，目前已成為免費與 Pro 使用者的預設模型。
Anthropic 釋出 Claude Code 迴圈指南：教你把單輪對話做成自主智慧體
Anthropic 旗下 Claude Code 團隊釋出迴圈工程指南，詳解如何讓程式設計智慧體脫離逐句盯梢、實現自主迭代。指南將迴圈劃分為輪次互動、基於 /goal 的目標驅動、利用 /loop 與 /schedule 的定時輪詢以及全自主的主動迴圈四種模式，並建議用 SKILL.md 進行端到端自我驗證與 Token 控費。
Anthropic 推出科研工作臺 Claude Science：打通 60 多項工具並內建審查智慧體
Anthropic 推出科研工作臺應用 Claude Science 測試版，支援 macOS 與 Linux。它整合了生命科學與化學等 60 多項工具與聯結器，並內建審查智慧體核驗引用與計算，結果全程可審計復現。目前面向付費訂閱使用者開放。
ComfyUI 釋出 Comfy MCP：不用手動連節點，讓 AI 智慧體直接跑工作流
ComfyUI 開啟 Comfy MCP 公開測試，讓 Claude 等 AI 智慧體能直接接入 ComfyUI。使用者用自然語言即可讓智慧體自主搜尋模型、搭建並執行影像與影片工作流，免去手動連線和配節點。目前處於公測階段，支援免費接入試用。
Cursor 推出 iOS 版公測：手機也能調遣 AI 智慧體寫程式碼、合 PR
Cursor 推出原生 iOS 版公測，向付費訂閱使用者開放。開發者不僅能在手機端啟動雲端智慧體或遠端操控電腦，還支援語音輸入、鎖屏即時提醒及直接合並 PR。7 月 5 日前移動端執行 Composer 2.5 享 25 折。
微軟開源 Resource2Skill：把教程影片蒸餾成 Agent 能跑的技能庫
微軟開源 Resource2Skill，能將教程影片、程式碼與文章自動蒸餾為智慧體可呼叫的執行技能。提取的技能包含程式碼與視覺示例，掛載在 MCP 伺服器上，支援智慧體自主產出網頁、PPT、Excel 及 Blender 場景，實測效能提升 11.9 個百分點。
HP 聯手 OpenAI：全面部署 Frontier，一人幾週搞定 122 次 PR
HP 宣佈擴大與 OpenAI 的 Frontier 戰略合作。自 2026 年 2 月測試以來，HP 一名工程師在數週內完成了 43 個專案的 122 次 PR，安全團隊更在一天內修好多處以往需耗時一個月的漏洞。接下來，AI 將全面接入客服與十萬級合作伙伴體系。
BrowserBC 開源：把網頁操作提煉為「技能卡」，做 Agent 版按鍵精靈
Einsia AI 旗下 Navers Lab 開源 BrowserBC。它先完整錄製人類在瀏覽器中的操作與頁面反饋，再由模型轉寫成說明書式的自然語言「技能卡」，供任意智慧體在真實頁面上自主執行，而非死板復刻點選座標，相當於 Agent 時代的「按鍵精靈」。
OpenAI 開啟 GPT-5.6 預覽：旗艦 Sol 配多智慧體模式，應美政府要求限額測試
OpenAI 開啟 GPT-5.6 系列限量預覽，包含旗艦 Sol、平衡型 Terra 和平價版 Luna。Sol 引入深度推理與呼叫子智慧體的 ultra 模式，在程式設計與網路安全評測中表現突出。應美國政府要求，目前僅向小範圍可信夥伴開放，未來數週內鋪開。
Runway 推出 Agent 2.0：從一條提示生成營銷企劃與全套素材
Runway 推出內置於平臺的 Agent 2.0，使用者輸入簡短提示詞即可直接生成完整營銷企劃書和全套物料。該系統還能分析投放效果資料來最佳化創意，並跨平臺、格式與市場快速擴充套件，加速打通從創意到宣發執行的完整營銷鏈路。
Ornith 1.0 開源：讓模型自造腳手架寫程式碼，最高 3970 億引數
開源模型家族 Ornith 1.0 正式上線，專為智慧體程式設計設計，覆蓋 9B 到 397B MoE 規格。它最大的亮點是能在強化學習中自主生成引導解題的腳手架框架，在 SWE-bench Verified 等測試中比肩前沿大模型。全套權重及 21GB 的 GGUF 量化版已在 Hugging Face 開源。
Excel 裡的 Copilot 變身財務分析師：支援 DCF 建模與專業資料來源
Microsoft 升級 Excel 版 Copilot，推出面向財務人員的工作流「技能」、全流程變更追蹤以及外部權威金融聯結器。使用者通過 OneDrive 裡的 SKILL.md 檔案即可固定 DCF 建模等標準流程，並能直連 PitchBook、S&P Global 等專業資料來源，讓 AI 在表格裡的每一步修改都清晰可查。
Chrome 149 迎來新功能：圈選網頁圖文直接發給 Gemini
Google 開始在 Chrome 149 中推出「Select from screen」功能，使用者可通過 Gemini 面板的「+」選單圈選當前網頁的文字或圖片直接提問。同日，Gemini 3.5 Flash 也上線了 computer use 能力，支援智慧體跨瀏覽器與桌面執行多步操作。部分使用者可能需重啟瀏覽器生效。
Meta 開源設計系統 Astryx：支撐內部 1.3 萬個應用，專為 AI 智慧體設計
Meta 開源了內部演進 8 年的設計系統 Astryx，它支撐了 Meta 內部超過 1.3 萬個應用。系統基於 React 19 構建，包含 150 多個無障礙元件與專用 CLI。最值得關注的是它專為人機協作打造，統一了規範與文件，讓 AI 智慧體也能精準理解和呼叫。
Meta 提出 Autodata：讓智慧體當「資料科學家」，自我迭代造訓練資料
Meta 提出 Autodata 框架，讓 AI 智慧體像資料科學家一樣自動構建高質量訓練和評估資料。智慧體不僅能生成樣本，還會自行測試有效性並從失敗中反思迭代。這意味著合成數據不再依賴人工反覆調優，能把推理算力直接轉化成更高質量的模型訓練。
Google 升級 Gemini 3.5 Flash：內建電腦操作工具，跨桌面與移動端可用
Google 宣佈在 Gemini 3.5 Flash 中原生內建「computer use」工具。此前該能力僅以獨立的 2.5 模型提供，現在開發者能直接讓智慧體跨瀏覽器、移動與桌面環境看懂並操作介面。官方同時引入了針對提示注入的對抗訓練，並提供敏感操作需使用者確認的安全防線。
Figma 推出設計智慧體：用提示詞直接在畫布上生成定製外掛
Figma 在 Config 大會上推出設計智慧體。設計師輸入提示詞，AI 就能直接在畫布上生成並執行可複用的定製外掛或 WebGPU 著色器，全程無需配置開發環境。以往必須找工程師協助的指令碼工具，現在一句話就能自制並共享給全團隊。
Hermes Agent 新增 /learn 命令：給程式碼或文件，自動提煉可複用技能
Nous Research 為 Hermes Agent 引入 /learn 命令，使用者只需提供本地目錄、網頁 URL 或剛才的對話記錄，智慧體就會利用自帶工具將其提煉為規範的技能檔案。該功能不依賴額外的提取引擎，在本地、Docker 和遠端環境都能直接把臨時操作變成可複用能力。
Perplexity 推出法律 AI 工具 Computer for Counsel：打通判例庫與辦公套件
Perplexity 面向 Enterprise 和 Max 訂閱使用者推出法律工具 Computer for Counsel。它搭載 20 多個前沿模型，打通 Midpage 等判例庫以及 Microsoft 365、Google Workspace，接管判例檢索、檔案收集與合同初審等雜務。