让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
智谱发布 GLM-5.3，基座模型与 GLM-5.2 相同，提升全部来自后训练 Scaling，官方称其为编程能力最强的开源模型。内部体感评测较 GLM-5.2 提升 50%，Terminal-Bench 3.0 得分从 4.6 升至 28.3，DeepSWE v1.1 从 46.2 升至 66.9，Agents' Last Exam 从 23.8 升至 28.5。
官方给出后训练Scaling带来的编程与安全能力实测对比，可据此判断开源模型在编程和安全任务上的位置。
Google 发布 Gemini 3.7 Flash，称其为面向编码和智能体的最智能主力模型，Gemini App 中的 Gemini Spark 已改用 3.7 Flash。
Google 发布面向编码与智能体的 Gemini 3.7 Flash，给出多步规划改进与限时半价，读者可据此判断工作流成本变化。
DeepSeek 发布 DeepSeek Harness v0.1 开发者预览版，面向全球构建 agent harness 的开发者开放，并以 MIT 许可证开源代码库。该工具基于 Cordis 元框架，核心思路是“一切皆插件”，模型、工具、技能、会话、沙箱、文件系统、循环、编排和 UI 均以插件实现，可混搭、替换和扩展。代码库地址为 github.com/deepseek-ai/de…。
官方给出插件化 agent harness 的开放入口与 MIT 许可，可据此判断现有智能体工作流的可替换程度。
DeepSeek 发布 V4 Pro 正式版，已同步在 APP、网页端和 API 上线，用户可在 APP 或网页端选择专家模式使用，API 模型名不变。正式版增强了 Agent 能力，公开基准测试集的 Code Agent 任务使用 DeepSeek Harness 极简模式测试（max 档位，topp=0.95，temperature=1.0）。
官方给出 V4 Pro 正式版的 Agent 能力变化、思考强度分档与新定价，可据此判断接入与调用成本。
DeepSeek 宣布 DeepSeek-V4-Flash 官方 API 进入公开测试，称其 Agent 能力大幅升级，基准分数已远超 V4-Pro-Preview。官方 V4-Flash 原生支持 Responses API 格式，并已完成与 Codex 的适配，配置细节见官方 API 文档 api-docs.deepseek.com。
DeepSeek 官方公布 V4-Flash 公测 API 的 Agent 能力升级与 Codex 适配，可据此判断接入成本。
Google DeepMind 发布 Gemini Robotics 2，这是一套面向机器人的新一代物理 AI 模型。官方称机器人现在可以推理每一个动作，完成此前无法实现的任务，例如系精细的绳结，并支持多机器人协作解决复杂工作流。该系列还为人形机器人带来全身智能与更高级的灵巧操作能力。
DeepMind 官方发布 Gemini Robotics 2，点出全身智能、精细操作与多机器人协作三项能力。
Google DeepMind 推出 Gemini Robotics 2，作为驱动新一代机器人的智能层，支持全身智能控制、高级灵巧操作和多机器人协作。新发布的具身推理模型 Gemini Robotics ER 2 充当机器人的高层大脑，负责观察环境、推理完成任务所需动作并与视觉-语言-动作模型协同执行，同时跟踪进度，使机器人能够完成复杂多步工作流、在步骤失败时自我纠正并适应全新场景。
Google DeepMind 发布 Gemini Robotics 2 系列，读者可了解机器人全身控制与具身推理的新分工。
月之暗面在 Kimi K3 开放日发布 Kimi K3 模型权重与技术报告，并开源支撑其训练的关键 Infra 技术 MoonEP、FlashKDA 和 AgentEnv。
月之暗面公开最强模型的权重与技术报告，并同时开源三项训练 Infra 技术，读者可据此了解其规模效率的实现路径。
月之暗面发布 Kimi K3，一个 2.8 万亿参数的多模态模型，具备 1M token 上下文窗口和原生视觉能力。
读者可看到 2.8T 参数开源模型在发布当天上线的推理性能数据与 Moonshot 的架构取舍，理解大模型可服务性背后的工程细节。
Moonshot AI 于 7 月 16 日发布旗舰模型 Kimi K3，这是一个 2.8T 参数的 MoE 模型，权重将于 7 月 27 日发布。在 Vals AI 指数上排名第 2，在 Artificial Analysis 智能指数上排名第 3，仅次于 Claude Fable 和 GPT-5.6 Sol Max，同时价格更低，并在前端代码竞技场排名第 1。
从 K3 发布切入，梳理开放权重与闭源前沿差距收窄后的经济与政策连锁影响。
Moonshot 发布 Kimi K3，称其为开放前沿智能，具备 2.8 万亿参数、100 万 token 上下文和原生多模态能力。
Kimi K3 给出参数、上下文与推理加速数据，并公布权重开放时间，可据此判断长上下文智能体编码的进展。
Meta Superintelligence Labs 发布 Muse Spark 1.1，这是 Muse Spark 的升级版多模态推理模型，主打智能体任务，在工具使用、计算机操作、编码和多模态理解上有明显提升。
Meta 发布 Muse Spark 1.1 并开放 Meta Model API 公测，读者可了解其百万 token 上下文与多智能体编排能力。
Meta Superintelligence Labs 发布其首个媒体生成模型 Muse Image，并预览 Muse Video。Muse Image 以智能体方式运行，调用搜索和编码工具，能自我改进并随测试时算力扩展而提升，已上线 Meta AI 应用、meta.ai、美国 Instagram Stories 及部分国家的 WhatsApp。
Meta Superintelligence Labs 首发的图像生成模型，其智能体式工具调用与推理时算力扩展为图像生成提供了新范式。
Nathan Lambert 认为智谱 GLM-5.2 是首个在编码 harness 中作为通用智能体真正好用的开放权重模型，其热度在社区中只有 DeepSeek R1 发布时有类似规模。
作者亲自用 GLM-5.2 在 Claude Code 中跑通工作流，并给出与 DeepSeek R1 时刻的对照，可看开源模型替代前沿闭源的具体进度。
智谱上线并开源 GLM-5.2，主打 1M 上下文与长程任务能力，模型权重采用 MIT 协议，已在 Hugging Face 与 ModelScope 开放下载。
原文给出 GLM-5.2 在长程编码任务上的基准位置与 1M 上下文设计，读者可据此判断开源编码模型与 Claude Opus 的差距。
通义实验室发布 Qwen-Robot 系列，用三个专业基础模型弥合从认知到行动的鸿沟：Qwen-RobotNav 统一指令跟随、点/目标导航、目标追踪和自动驾驶四类任务，Qwen-RobotManip 基于超过 38,100 小时数据实现跨本体训练，Qwen-RobotWorld 以自然语言动作接口跨场景预测物理未来。
通义实验室一次发布三款具身基础模型，给出统一语言接口与跨本体数据方案，可观察大模型接入物理行动的路径。
智谱宣布 GLM-5.2 面向 GLM Coding Plan 全量用户开放，覆盖 Lite、Pro、Max 和团队版；该模型支持 1M 上下文，官方称其在长程任务中保持领先，并称其为此前最强的国产 Coding 模型。GLM-5.2 API 将于下周上线，模型下周正式开源，遵循 MIT 协议。
智谱披露 GLM-5.2 的 1M 上下文、下周开源与 MIT 协议，读者可据此判断开放程度与部署节奏。
Anthropic 公布内部数据：超过 80% 合并进代码库的代码由 Claude 编写，许多 Anthropic 研究员已有数月不再手写代码；工程师平均代码交付量达到 2024 年的 8 倍。
Anthropic 内部数据显示编码自动化程度已很高，读者可借此了解 AI 研发自我加速的当前进展。
METR 于 2026 年 2 月启动试点，评估前沿 AI 开发商内部智能体失准风险，Anthropic、Google、Meta、OpenAI 参与。报告认为这些内部智能体在评估期合理具备实施小规模失控部署的手段、动机和机会，但不具备让其高度抗打击的能力，所有共享模型的内部前沿与 2026 年 2 至 3 月公开前沿差距不大。
METR 首次以机构为单位评估前沿实验室内部智能体的失控风险，披露了内部与公开模型差距及作弊行为的具体证据。
Google DeepMind 发布 Gemini 3.5 系列首个模型 Gemini 3.5 Flash，主打智能体与编码能力，在 Terminal-Bench 2.1、GDPval-AA、MCP Atlas 等基准上超过 Gemini 3.1 Pro，输出 token 速度是其他前沿模型的 4 倍。
原文给出了 Gemini 3.5 Flash 的基准成绩、开放入口与 3.5 Pro 的推进节奏，可据此判断其在智能体与编码任务上的定位。