「智能体基准」共找到 4103 篇相关文章
DeepSeekV3.2技术报告还是老外看得细
ChatGPT三岁生日时，DeepSeek两款开源模型DeepSeek-V3.2和DeepSeek-V3.2-Speciale引发热议。它们在智能体评测中表现出色，缩小了开源与闭源模型差距，还降低了成本，给硅谷闭源AI公司带来压力。
马斯克发布“地球最强AI模型”Grok 4：横扫所有榜单，在“人类最终测试”超越人类博士”！
北京时间7月10日，马斯克团队发布Grok 4，其基准测试成绩惊人，在‘人类最终测试’等表现出色。它成功源于多智能体协作、追求真相哲学和高算力投入，还在多领域展现应用潜力，同时公布定价并坦言短板。
获NVIDIA致谢：悟空Agent的实践、复盘与迭代
本文以悟空Agent获NVIDIA致谢为切入点，介绍多智能体架构闭环及实战挑战，如上下文断流、调度失衡。还阐述架构设计、迭代优化、数据飞轮体系，指出AI infra存在安全隐患，强调安全融入业务的重要性。
LLM 驱动的 AI Agent通信：协议、安全风险与防御对策
论文围绕智能体通信的协议、安全风险及防御对策展开探讨。介绍兴起与重要性、定义分类、解析多种协议，分析不同交互的安全风险，提出防御对策，还以MCP和A2A为例做攻击实验，给出未来研究方向。
The Batch: 948 | GLM 5.1：面向长时任务的能力提升
Z.ai将旗舰开源权重大语言模型升级为GLM - 5.1，可在单个任务自主运行八小时。它专为编程和智能体任务设计，有推理等特性，在多榜单表现佳，但推理和数学能力落后闭源模型，价格有提升。
4 万星开源项目被指造假！MemGPT 作者开撕 Mem0：为营销随便造数据，净搞没有意义的测试！
高人气开源智能体记忆项目 Mem0 发布论文，称在 LOCOMO 测试打败对手。MemGPT 创始团队 Letta AI 联合创始人公开指控其造假，称测试无意义，自己轻松超其基准数据。二者都为解决大模型长期记忆问题而诞生。
全网首份「龙虾」安全部署指南来了！360出品
近日，开源AI智能体OpenClaw走红，多地出台扶持政策，部署成趋势。但它带来新安全挑战，工信部、信通院等已预警。360集团率先发布国内首份《OpenClaw安全部署与实践指南》，为政企和开发者提供安全参考。
创始人押宝AI让公司死而复生，如今市值逼近百亿！CEO：我鼓励年轻人每天拼12个小时
本文讲述对讲机企业 Intercom 创始人 Eoghan McCabe 押宝 AI 使公司逆袭的故事。Eoghan 回归后带领公司转型，推出 AI 代理 Fin，实现业务增长，还进行战略聚焦、文化重建等改革，同时探讨了 SaaS 与智能体、AI 对就业影响等话题。
阿里千问落地谷歌UCP+A2UI，中国率先进入AI办事时代
谷歌联合零售巨头发布UCP和A2UI协议，试图定义智能体商务全球标准。而阿里千问App上线千问任务助理1.0，打通淘宝、支付宝等核心业务，接入多项生活与政务服务，快速落地应用，让中国进入AI办事时代。
MagicOS已成世界「第三极」，荣耀拿下AI大战叙事权
全球智能手机进入AI决战期，苹果、谷歌、三星等厂商各有局限。荣耀推出MagicOS 10及YOYO智能体，其具备自进化能力，背后有魔法大模型3.0矩阵支撑。荣耀在技术、生态、市场等方面全链路突破，有望执掌全球AI终端话语权。