OpenAI 與 Thrive 打造 Tax AI：讓 Codex 自主修 Bug，準確率 6 周躍升至 86%
OpenAI 與 Thrive Holdings 披露為會計機構 Crete 開發的 Tax AI 智慧體，本季度已處理 7000 份稅單。系統將專業會計師的人工修正自動轉為評測集，並由 Codex 自主排查並修復程式碼。上線 6 周內達到 75% 準確率門檻的稅單比例從 25% 躍升至 86%，節省了約三分之一工時。
AI代理
檢視更新的新聞
企業 AI 賬單失控：Uber 4 個月燒光全年預算，微軟削減 Claude Code
據報道 Uber 因內部使用激增而在 4 個月內耗盡 2026 年全部 AI 程式設計預算，微軟也削減了 Claude Code 授權轉用 GitHub Copilot。最值得關注的是，AI 智慧體呼叫消耗的 token 激增，企業發現高額的 AI 開銷很難換來成比例的產出，正紛紛收緊工具投入。
Datacurve 釋出 DeepSWE 基準：測出程式設計智慧體的真實差距
Datacurve 釋出針對程式設計智慧體的新基準測試 DeepSWE。團隊表示，頂尖模型在現有公開榜單上跑分看似接近，DeepSWE 則通過貼近開發者日常工作的真實環境，測出它們真正的能力差距。
Anthropic 升級 Claude 託管智慧體：支援自託管沙箱與內網 MCP 隧道
Anthropic 升級 Claude 託管智慧體。新上線的自託管沙箱支援在企業自身設施或 Cloudflare、Vercel 等平臺上執行工具，確保程式碼與檔案不外洩；MCP 隧道則讓智慧體無需暴露公網即可安全呼叫內網私有 MCP 服務。前者已開啟公測，後者進入研究預覽。
DeepMind 釋出 AlphaProof Nexus：用幾百美元算力，解開 56 年未解數學題
Google DeepMind 釋出 AlphaProof Nexus 論文，在 353 個開放數學題中自主攻克 9 個 Erdős 難題，並證明了 44 個 OEIS 猜想。系統將大模型與證明輔助工具 Lean 結合完成機器驗證，單題成本僅數百美元。最值得關注的是，AI 正以極低成本介入真正的數學前沿研究，但需全新數學構造的問題仍無法解決。
xAI 上線 Grok Build Beta：支援任務規劃與命令列編排
xAI 面向 SuperGrok 和 X Premium+ 訂閱使用者推出 Grok Build Beta 測試版。該工具配備用於任務規劃的 Plan Mode，支援通過 Imagine 生成影像與影片，並提供 CLI 工具以構建自動化流程與智慧體編排器。付費使用者可藉此更方便地搭建 AI 應用。
Ideogram 推出 MCP：把 Claude 和 ChatGPT 變成設計智慧體
Ideogram 推出 Ideogram MCP 整合，將 Claude 和 ChatGPT 變身設計智慧體。使用者無需離開對話方塊，即可直接生成圖片、製作設計並訓練專屬模型。該功能還相容 Cursor 和 Hermes 等平臺，進一步簡化了設計工作流。
Mistral 釋出 Medium 3.5：128B 模型上陣，Vibe 程式設計 Agent 全面遷往雲端
Mistral 釋出開源權重模型 Mistral Medium 3.5，併為 Vibe 推出雲端遠端智慧體。新模型為 128B 稠密架構，SWE-Bench 得分 77.6%，可在 4 塊 GPU 上自建執行。智慧體能脫離本地終端在雲沙盒非同步並行編碼，完成後自動開 GitHub PR。
OpenAI 入選 Gartner 魔力象限領導者：Codex 周活超 400 萬
OpenAI 宣佈被 Gartner 評為企業級 AI 程式設計智慧體魔力象限領導者。Codex 周活已超 400 萬，近期整合 GPT-5.5，思科藉此將交付週期從數季度縮短至數週。6 月 12 日前合規企業可申請新使用者兩個月免費試用。
微軟釋出 MagenticLite：讓小模型串起瀏覽器與本地檔案操作
Microsoft 推出專為小模型設計的實驗性智慧體應用 MagenticLite。它能在單一工作流中聯動瀏覽器與本地檔案系統，由 14B 排程模型 MagenticBrain 和專攻網頁操作的 Fara1.5 協同驅動。這意味著端側小模型也能低成本完成複雜代理任務。
Arq.live 推出語音製片系統 GLITCH：導演動口排程，8 分鐘生成短片
Arq.live 推出語音生成影像系統 GLITCH，導演無需手打提示詞，直介面述即可完成選角、搭景與排程走位。系統後臺由多個 AI 智慧體像電影攝製組一樣協同即時出片，在單檯筆記本電腦上用時不到 8 分鐘就生成了一部完整短片。
字節跳動開源 Bernini：一套架構搞定影片生成與精準編輯
字節跳動開源統一影片框架 Bernini，將多模態語義規劃器與 DiT 渲染器結合。它支援文本、影像和影片混合輸入，單模型覆蓋文生影片與影片編輯等多項任務。最值得關注的是，它先規劃語義再生成畫面，讓 AI 影片編輯更精準可控；完整推理程式碼與模型權重均已放出。
阿里釋出 Qwen3.7-Max：專攻長程智慧體與編碼
阿里巴巴釋出 Qwen 3.7 Max 模型。該模型專為智慧體場景設計，強化了長程規劃、多步驟編碼和視覺分析能力，可直接接入 Claude Code 等主流 Agent 框架。目前該模型尚未開源，可通過阿里雲模型工作室及 API 呼叫。
Figma 畫布上線原生 AI Agent：直接動嘴改稿，支援多 Agent 並行
Figma 在協作畫布中上線原生 AI agent。它基於針對設計微調的模型，設計師直接輸入自然語言就能生成介面、改稿或自動探索迭代，還能同時啟動多個 agent 並行幹活。最值得關注的是，日常改圖和創意測試從此無需離開畫板。
OpenAI 推理模型推翻 80 年數學猜想：自主證偽埃爾德什單位距離問題
OpenAI 宣佈其通用推理模型自主推翻了數學家埃爾德什在 1946 年提出的平面單位距離猜想。該模型借用代數數論工具，打破了近 80 年來方格點陣最優的共識。證明已獲菲爾茲獎得主蒂姆·高爾斯等外部數學家檢驗確認。
Granola 上線 Briefs：開會前自動出要點，連參會人背景都幫你查好
AI 筆記應用 Granola 推出會議簡報功能 Briefs，支援 Mac、Windows 和 iPhone。無需手動提示詞，系統在夜間自動檢索過往筆記、Gmail 與網路資訊，在入會前生成 2 到 3 條要點摘要並附帶引用來源，專為外部會議免去臨時查背景的慌亂。
Gemini 變身 24 小時智慧體：關機也能在後臺幹活，還自帶影片生成
Google 宣佈 Gemini 月活突破 9 億，並推出多項 Agent 更新。核心是全天候雲端智慧體 Gemini Spark，合上電腦也能在後臺打理郵件與文件；同步上線的還有影片生成模型 Gemini Omni 與早報功能 Daily Brief。
Google 重構 25 年搜尋框：預設接入 Gemini 3.5 Flash，還能寫迷你應用
Google 宣佈搜尋 AI Mode 預設接入 Gemini 3.5 Flash，並迎來 25 年來最大搜索框改版，支援檔案與網頁標籤等輸入。搜尋還加入全天候監控智慧體與即時編寫迷你應用能力。新搜尋框現已上線，智慧體功能今夏陸續推出。
Google 釋出 Gemini 3.5 Flash：智慧體跑分超前代 Pro，速度快 4 倍
Google 推出 Gemini 3.5 系列模型並首發上線 3.5 Flash。它主打長時間跨度的智慧體行動與程式設計能力，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 應用、搜尋 AI 模式和 API 中全量開放，3.5 Pro 預計下月推出。
Google 推出 Gemini for Science：用智慧體加速科研假設與計算發現
Google 推出 Gemini for Science，包含假設生成、計算發現與文獻洞見三款實驗工具，併發布整合 30 多個生命科學資料庫的 Science Skills。Co-Scientist 與 ERA 論文已發表在《Nature》，目前逐步開放申請。