微软研究揭示 Lazarus：改写休眠神经元即可后门 AI 智能体
微软研究人员发现名为 Lazarus 的后门技术，只需对 LLM 中不到 10 个休眠神经元做权重改写、无需训练，就能让智能体在触发条件出现时执行攻击者命令，同时照常通过标准评测。
推荐理由：微软研究者披露不重新训练即可后门智能体的方法，并解释来源校验为何成为模型部署的关键防线。
技术方向
Agent 智能体 最新动态
能自己拆解任务、调用工具、一步步把事办完的 AI 智能体：Claude Code、Manus 等应用，各家 Agent 框架与评测。
15 条精选近 30 天 12 条共收录 49 条
更新
Agent 智能体的精选
Microsoft Research精选AI 评分6868 Google DeepMind精选AI 评分8989 Google DeepMind 发布 Gemini 4 Carbon 模型
Google DeepMind 发布 Gemini 4 Carbon，面向开发者、企业、科学家和消费者开放，强调网络安全能力、长周期智能体工作流和科学推理。
推荐理由：官方给出 Gemini 4 Carbon 在 CursorBench 4.0、WANDR 等基准的排名与每任务成本，可据此判断它与 Argon 的分工。
Latent Space精选AI 评分8282 Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，重夺独立榜单第一
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2，官方称在几乎所有评测能力上比 Opus 5.5 更进一步，在 Artificial Analysis 智能指数 v5 上以 65 分居首，超过 Gemini 4 Carbon 的 60 分和 Opus 5.5 的 59 分。
推荐理由：汇总 Fable 5.2 的首日独立评测与定价变化，能看清它靠更多测试用例换取分数的代价。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini Omni 1.2 Flash，支持15秒视频生成
Google DeepMind 发布 Gemini Omni 1.2 Flash，并通过 Gemini API 与 Gemini for business 全面开放。
推荐理由：原文给出从10秒到15秒的时长、30%降价和对话式多轮编辑，可据价格与工作流变化判断视频生成的生产成本。
Microsoft Research精选AI 评分6464 微软研究院发布 PDD Kit，用形式化证明校验智能体编写的全栈 Web 应用
微软研究院发布研究原型 PDD Kit，把开发者的自然语言意图转成 Verus 形式规范，再证明编码智能体写出的代码对每个输入都满足该规范，证明无法覆盖的部分退回测试验证。
推荐理由：微软研究院展示把自然语言意图转成 Verus 形式规范、再由证明约束智能体写码的流程，并公开了信任边界的处理方式。
Mistral AI精选AI 评分6868 Mistral 发布 Mistral Large 4 与升级版 Studio 企业平台
Mistral 发布 Mistral Large 4（Le Chonk），并扩展企业平台 Mistral Studio，新增托管智能体、应用、工作流能力以及企业上下文、智能体可观测性与评估功能，支持在云端、自有 VPC 或本地部署。
推荐理由：原文给出托管智能体、工作流和企业上下文的具体能力与客户案例，可据此判断企业自建 AI 应用的落地路径。
Google DeepMind精选AI 评分8080 Google Antigravity 上线化学信息学 Skills，演示一小时内完成肺癌药物分子设计
Google DeepMind 为 Google Antigravity 推出化学信息学 Skills，基于 RDKit 并接入 ChEMBL 与 PubChem，由语言模型负责流程编排与推理、确定性化学工具执行分子计算。
推荐理由：官方用真实肺癌药物案例演示了从文献取数到分子设计的完整流程，可据此判断智能体在化学研发中的分工方式。
Mistral AI精选AI 评分8989 Mistral 开源万亿参数多模态模型 Mistral Large 4（Le Chonk）权重
Mistral 发布 Mistral Large 4（Le Chonk）的开放权重，这是一个万亿参数的原生多模态模型，此前已在本月初开启公开预览。
推荐理由：原文给出万亿参数开源权重模型在编码与防御性安全基准上的具体成绩，以及三种推理模式和定价，可据此判断自托管选型。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini 4 Carbon 前沿模型
Google DeepMind 发布 Gemini 4 Carbon，称其在网络安全和长周期任务上能力最强，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
推荐理由：官方给出 Gemini 4 Carbon 在网络安全与长周期智能体任务上的基准成绩和分阶段开放路径，可与两周前的 Argon 对比。
Microsoft Research精选AI 评分6868 微软研究院等证明 KLS 猜想，用 AI 智能体辅助探索 100 多条路径
微软研究院研究员张新智与合著者证明了一个存在 31 年的数学难题，即高维几何中的 Kannan-Lovász-Simonovits（KLS）猜想，证明它时所用的固定界不随维数增长。
推荐理由：这篇论文证明了一个存在 31 年的数学猜想，其中人机协作探索的路径可以作为参考。
Mistral AI精选AI 评分8282 Mistral 发布 Voxtral 3 语音模型系列与语音智能体 SDK
Mistral 发布 Voxtral 3 语音模型系列，包括支持 50+ 语言的 Voxtral Small Transcribe 3 转写模型、支持 35+ 语言和 50+ 方言的 Voxtral Mini TTS 3 合成模型。
推荐理由：官方一次性放出语音转写与合成模型系列加实时语音智能体 SDK，并给出分项定价与对比基准。
Google Research精选AI 评分6969 Google Research 介绍让 AI 智能体扎根生物实验的三项研究
Google Research 发布博客，介绍三项连接 AI 计算探索与真实湿实验室实验的研究进展。其一为基于开源 PyLabRobot 的 VERID 框架，用实验室工作站的语义数字孪生支持实时三维状态追踪、秒级虚拟试运行和硬件安全检查。
推荐理由：Google Research 公开了三项研究，展示 AI 智能体如何接入真实湿实验室，覆盖从机器人执行到分子设计闭环。
GitHub Blog · AI & ML精选AI 评分6767 GitHub 将 ModernBERT 分类器用于 push 保护，拦截非结构化密钥
GitHub 与 Microsoft Applied Sciences 合作构建 ModernBERT 分类器，把 push 保护扩展到无固定格式的密钥，候选批次评估耗时不到 2 毫秒，有望使可拦截的密钥数量翻倍以上。
推荐理由：文章给出了 GitHub 秘密扫描的季度数据，并说明新分类器上线后如何把防护提前到 push 之前。
Mistral AI精选AI 评分8787 Mistral 发布 1 万亿参数多模态模型 Mistral Large 4 预览版
Mistral AI 推出 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，可通过 Mistral Studio 的预览 API 试用，权重将在本月底发布。
推荐理由：官方给出 1 万亿参数规模、开源权重时间点与多项基准对比，可据此判断开源模型的性能位置。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 ReviewBench 开源 AI 代码评审基准
GitHub 发布代码评审基准 ReviewBench，基于 1.039 亿条真实 PR 的分布构建，包含 219 条来自 187 个开源仓库、覆盖 19 种语言的 PR。
推荐理由：GitHub 公开了代码评审智能体基准的数据集、评分规范和评审模型，附离线与线上实验的一致性证据。