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。
月之暗面发布 Kimi K2.6，称其在多项基准上刷新开源 SOTA，包括 HLE w/ tools 54.0、SWE-Bench Pro 58.6、SWE-bench Multilingual 76.7、BrowseComp 83.2、Toolathlon 50.0、Charxiv w/ python 86.7 和 Math Vision w/ python 93.2。
K2.6 的多个基准分数和长时程执行、Agent 集群参数一并给出，可对照 K2.5 看开源编码模型的能力变化。
Anthropic 发布 Claude Design，由 Claude Opus 4.7 驱动，在 claude.ai/design 提供左侧聊天、右侧画布界面，产出物为可交互的 React 代码和样式表，并可导出 HTML、PDF、PPTX、ZIP 或送入 Canva、Claude Code。
作者以三轮交互实测 Claude Design，给出从模糊需求到可运行 React 原型的完整过程与边界，可作为判断设计类 AI 工具协作方式的参考。
Qwen3.5 系列首个开源权重模型 Qwen3.5-397B-A17B 正式发布，采用原生多模态、混合线性注意力加稀疏 MoE，并做了大规模 RL 环境扩展。
Qwen3.5 系列首个开源权重模型，给出了原生多模态、稀疏 MoE 与解码吞吐提升等关键规格，便于判断其定位。
DeepSeek 发布两个正式版模型 DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale，网页端、App 与 API 均已升级为正式版 V3.2，Speciale 仅以临时 API 形式开放供评测研究。
官方给出两个版本的定位与评测差异，读者可据此判断日常使用与高难度任务该选哪一个。
OpenAI 发布一段 GPT-5 工作场景演示，展示该模型分析用户反馈、制定产品计划并制作原型，以及总结后续步骤。演示面向办公与业务流程，具体能力细节以官方视频内容为准。
OpenAI 官方展示 GPT-5 在真实工作流中的多步任务处理，可据此判断其在业务流程中的落地位置。