搜索
Coding Agent正在进入新的发展阶段。过去，它们主要修复Bug、解决GitHub Issue或实现相对独立的功能，SWE-bench等Benchmark已为此建立了成熟评测范式；如今它们开始承担从完整代码仓库生成、跨语言迁移，到需要持续探索与验证的长周期软件工程项目，任务规模和执行时间不断增长，单个Agent的上下文容量、推理能力和执行效率逐渐成为限制。
一句话概括：多答案问答要求智能体找全整个答案集合，而不是只搜到一个就停止。现有 RL 方法在此场景下存在两处错位：优势计算停留在轨迹级，信用分配粗糙；F1 奖励对头部与长尾实体一视同仁，智能体缺乏探索长尾的动力。
设想一个日常场景： 家庭机器人刚刚在茶几上看见一本书，去厨房完成几项任务后，接到取书的指令，却又开始挨个房间搜索。它已经试过一个打不开的抽屉，过了一会儿，还是回到同一个抽屉前反复尝试。
Murea Labs的Murea-InWorld通过Murea-Mind协同Murea-Pro和Murea-Fast生成实时互动音视频，Murea-Pro以81.13分位列WBench Full-289第一，Murea-Fast以64.98分居OpenS2V-Eval参评开源模型第一。
《How Codex Happened》首次披露Codex从首发遇冷、转向本地Agent并借GPT-5系列突围，最终成为ChatGPT桌面端底座，后续将重回云端并探索无固定界面的主动式Agent。
Anthropic公开内部报告称，1334名员工预计到2030年底AI将完成前沿模型开发95%的工作，其Agent工时已远超员工，对AI进度的预期也显著高于美国公众。
英伟达RTX Spark全球开售，128GB版本开售数分钟即售罄；作者使用售价37999元的华硕ProArt创16本地运行Qwen3.8-27B等模型，实现免API费用的多种AI任务并获得“Token自由”体验。
VC Weekly文章作者表达了对田柯宇及其投资人的职业道德质疑，并推荐5期播客，结合Theranos、WeWork、Uber和Affectiva案例讨论创业投资中的诚信、员工伦理与技术责任。
Manifold AI推出WorldScape R²SI，通过上下文学习与双层Agent持续改进能力登顶RoboDojo Agent Track总榜，超过GPT-6-Astra等模型。
Google DeepMind的4个Gemini 4 Argon智能体在无人预先分工和干预的情况下自主协作，通过编写2783个程序在《我的世界》中经历605次死亡后，于27小时14分钟内击败末影龙。