OpenEnv 实践：在真实环境中评测工具调用智能体
Hugging Face 博客介绍 Meta 与 HF Mirror 合作的开源框架 OpenEnv，它用 gym 风格 API 和标准 MCP 工具调用接口把智能体接入真实工具与 API，而非模拟环境。
#Agent
#Agent
今日 5 条Hugging Face BlogAI 评分5858
Google DeepMind精选AI 评分7878 Google DeepMind 用 Gemini Deep Think 加速数学与科学发现
Google DeepMind 发布两篇论文，介绍由 Gemini Deep Think 驱动的数学研究智能体 Aletheia 在专业研究问题上的表现。该智能体带有自然语言验证器，可迭代生成、验证和修正解答，并能承认无法求解，同时借助 Google 搜索和网页浏览梳理文献以避免虚假引用。
推荐理由：两篇论文给出 Gemini Deep Think 驱动的数学研究智能体 Aletheia 在专业数学、物理与计算机科学问题上的实际协作案例。
Hugging Face BlogAI 评分4646 H Company 新模型 Holo2-235B-A22B Preview 登顶 UI 定位榜
H Company 发布迄今最大的 UI 定位模型 Holo2-235B-A22B Preview，在 Screenspot-Pro 上取得 78.5% 的 SOTA 成绩，OSWorld G 达 79.0%，已上线 Hugging Face。
Hugging Face Blog精选AI 评分6262 Gradio 团队开源 Daggr：用 Python 链接应用并可视化检视
Gradio 团队发布开源 Python 库 Daggr，用于把 Gradio 应用、ML 模型和自定义函数串成 AI 工作流，代码定义后自动生成可视化画布。画布支持检视任意节点输出、修改输入并单独重跑某一步，无需执行整条流水线，还能用备份节点替换模型或 Space，并自动保存工作流状态。
推荐理由：Gradio 团队开源 Daggr，用代码定义工作流并自动生成可检视的画布，为多步骤 AI 流程的调试提供了新思路。
Hugging Face Blog精选AI 评分6161 用 Claude 生成 CUDA kernel 技能并迁移到开源模型
Hugging Face 博客介绍新工具 upskill，用大模型生成并评估 agent 技能，再交给小模型使用，在编写 CUDA kernel 任务上做了基准测试。
推荐理由：用教师模型生成 Skill 再迁移到小模型的完整流程，读者可据此评估自己场景下的迁移收益。
Hugging Face BlogAI 评分4343 解锁 GPT-OSS 的智能体 RL 训练：一次实践复盘
Hugging Face 博客复盘了用 verl 框架对 GPT-OSS-20B 做智能体强化学习训练的过程，该模型此前已被验证性能接近 OpenAI o3-mini 和 o4-mini，但尚未验证是否适合智能体 RL 训练。
Hugging Face BlogAI 评分4545 AssetOpsBench：连接 AI 智能体基准测试与工业现实的桥梁
Hugging Face 发布 AssetOpsBench，一个面向工业资产管理场景的智能体评测基准，包含 2.3M 传感器遥测点、140+ 场景、4.2K 工单和 53 种结构化故障模式。
OpenAI NewsAI 评分2828 OpenAI 构建 AI 智能体实用指南
OpenAI 发布构建 AI 智能体的实用指南，覆盖用例设计、模型选择、工具设计、护栏机制与多智能体模式。指南面向智能体的设计、编排与部署全流程，给出可落地的实践方法。
OpenAI NewsAI 评分3333 如何使用 GPT-5 模型系列构建应用：实用指南
OpenAI 发布面向初创企业的 GPT-5 模型系列实用指南，涵盖迁移至 Responses API、设计智能体、调优提示词、引导 GPT-5 模型以及构建可靠 AI 工作流。
Hugging Face Blog精选AI 评分7878 Open Responses 是什么：一个面向智能体的开放推理标准
由 OpenAI 发起、开源社区共建、Hugging Face 生态支持的开放推理标准 Open Responses 发布，它基于 Responses API，面向智能体场景。
推荐理由：梳理 Open Responses 规范对 Responses API 的开放化改动，读者据此判断现有推理客户端和路由的迁移成本。
Hugging Face Blog精选AI 评分6565 NVIDIA 用 DGX Spark 与 Reachy Mini 搭建桌面智能体教程
NVIDIA 在 CES 2026 展示了用 DGX Spark 驱动 Reachy Mini 桌面机器人搭建个人智能体的方案，并发布逐步复现教程。
推荐理由：原文给出从推理模型到机器人动作的完整可复现步骤，可迁移到自建私有语音与视觉智能体。
Google DeepMindAI 评分3030 Google 2025 年度回顾：Gemini 3 等 8 大研究突破领域
Google DeepMind 与 Google Research 的 2025 年度回顾显示，其在推理、多模态、模型效率与生成能力上取得突破，3 月发布 Gemini 2.5，11 月推出 Gemini 3、12 月推出 Gemini 3 Flash。
Hugging Face BlogAI 评分4242 Hugging Face 发布 AprielGuard：面向现代 LLM 系统的安全与对抗鲁棒性护栏模型
Hugging Face 推出 AprielGuard，一个 8B 参数的安全护栏模型，可检测 16 类安全风险与提示注入、越狱、记忆投毒、多智能体攻击等对抗攻击，并覆盖工具调用和推理链等智能体工作流场景。该模型支持推理与非推理两种模式，兼顾可解释分类与生产环境的低延迟需求。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3 Flash 模型
Google DeepMind 发布 Gemini 3 Flash，主打前沿智能与速度，在 GPQA Diamond 上得分 90.4%、Humanity's Last Exam 无工具得分 33.7%、MMMU Pro 上得分 81.2%、SWE-bench Verified 上得分 78%。
推荐理由：Gemini 3 Flash 以 Pro 级推理配合 Flash 级延迟和价格，提供了速度与智能取舍的实测基准。
Hugging Face Blog精选AI 评分6262 IBM Research 的 CUGA 上线 Hugging Face Spaces，开源可配置 Agent 框架
IBM Research 的开源可配置通用智能体 CUGA 上线 Hugging Face Spaces，可直接试用搭载 gpt-oss-120b 的演示。官方称 CUGA 在涵盖 457 个 API、750 个真实任务的 AppWorld 基准上排名第一，并在 WebArena 上表现靠前。
推荐理由：CUGA 在 AppWorld 与 WebArena 的基准表现和 Langflow 集成，为评估可配置 Agent 框架提供参照。
Google DeepMind精选AI 评分7373 Google DeepMind 更新 Gemini 2.5 Flash Native Audio
Google DeepMind 发布升级版 Gemini 2.5 Flash Native Audio，面向实时语音智能体，在复杂工作流、指令跟随和自然对话三项能力上做了改进。
推荐理由：官方给出了新版原生音频模型的三项能力提升与实测评测分数，可用于判断实时语音智能体的当前水位。
Hugging Face Blog精选AI 评分6464 Hugging Face 教程：让 OpenAI Codex 端到端训练开源模型
Hugging Face 发布教程，展示如何用 HF Skills 让 OpenAI Codex 完成端到端机器学习实验：验证数据集、选择硬件、生成并提交训练任务、监控进度、评估模型并生成报告。
推荐理由：完整演示了把端到端微调实验交给编码智能体的整套流程，可据此迁移到自己的训练任务。
Google DeepMindAI 评分5252 Google DeepMind 深化与英国政府合作，提供 AI for Science 模型优先使用权
Google DeepMind 宣布与英国政府深化合作，将向英国科学家优先开放 AlphaEvolve、AlphaGenome、AI co-scientist 和 WeatherNext 等 AI for Science 模型。
Hugging Face Blog精选AI 评分6969 Hugging Face 发布 HF Skills，让 Claude Code 直接微调开源 LLM
Hugging Face 发布 HF Skills，通过 hf-llm-trainer 等技能让 Claude Code、Codex、Gemini CLI 直接提交云端 GPU 微调任务并推送到 Hub。技能支持 SFT、DPO 和 GRPO，可训练 0.5B 到 70B 参数模型并转换为 GGUF 本地部署，官方示例微调 Qwen3-0.6B 约需 20 分钟、0.30 美元。
推荐理由：官方给出从数据校验、选卡到提交训练和转 GGUF 的完整流程与成本区间，可直接照做。
Hugging Face BlogAI 评分3434 Tavily 如何打造达到 SOTA 的深度研究智能体
Tavily 分享了其深度研究智能体的构建经验，该系统通过自研 agent harness 在上下文管理、工具调用与错误处理上做优化，达到 SOTA。团队曾在七个月前彻底放弃第一版架构重写系统，原因是复杂设计在下一代模型出现后成为瓶颈。
Google DeepMind精选AI 评分6666 Google DeepMind 支持美国能源部 Genesis 计划，向 17 个国家实验室开放前沿科研模型
Google DeepMind 宣布支持美国白宫 Genesis Mission，该项国家级计划将动员美国能源部 17 个国家实验室、产业界与学术界共建一体化科研发现平台。
推荐理由：材料给出 Google DeepMind 与 DOE 合作中优先开放的具体模型清单与时间表，读者可据此判断前沿 AI 进入科研机构的实际路径。
Hugging Face Blog精选AI 评分6262 AnyLanguageModel 发布：为 Apple 平台本地与远程 LLM 提供统一 API
AnyLanguageModel 是一个 Swift 包，作为 Apple Foundation Models 框架的 drop-in 替代，只需把 import FoundationModels 换成 import AnyLanguageModel 即可保持相同 API。
推荐理由：AnyLanguageModel 用 Apple Foundation Models 的统一 API 接入本地与云端模型，读者可据此评估跨后端切换的成本。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3 Pro 并推出 Antigravity 平台
Google DeepMind 发布 Gemini 3 Pro，称其在各项主要 AI 基准上超过此前版本，并在编码上超过 2.5 Pro，兼顾智能体工作流与复杂零样本任务。
推荐理由：官方给出 Gemini 3 Pro 的定价、基准成绩和配套工具入口，可据此判断它在编码与智能体工作流中的位置。
Google DeepMind精选AI 评分8989 Google DeepMind 发布 Gemini 3，含 Gemini 3 Pro 与 Deep Think 模式
Google DeepMind 发布 Gemini 3，首发 Gemini 3 Pro 预览版并当天上线 Gemini 应用、AI Studio、Vertex AI 和新的智能体开发平台 Google Antigravity。
推荐理由：Gemini 3 Pro 与 Deep Think 的同期亮相，加上多项基准的提升，可供读者判断前沿模型的推理与智能体能力走到哪一步。
Google DeepMindAI 评分5959 DeepMind 发布 SIMA 2 智能体：接入 Gemini，可在虚拟 3D 世界中推理与自我改进
Google DeepMind 发布 SIMA 2，通过将 Gemini 模型作为智能体核心，使其从单纯执行指令升级为能在虚拟 3D 世界中推理目标、与用户对话并自我改进的游戏伙伴。
Hugging Face BlogAI 评分3939 MiniMax M2 的智能体泛化：对齐基准还是对齐真实世界？
MiniMax 在 Hugging Face 博客复盘 M2 后训练中的智能体对齐经验：智能体泛化不只是适配新工具，而要适应工具信息、系统提示词、用户提示词、环境与工具返回等全流程扰动。
Hugging Face BlogAI 评分5858 英伟达 Isaac for Healthcare 如何用 SO-ARM 构建医疗机器人
NVIDIA 发布 Isaac for Healthcare v0.4，提供基于 SO-ARM 的端到端起步工作流和自带手术室教程，覆盖从仿真采数据、训练策略到真机部署的完整链路。
Hugging Face Blog精选AI 评分6060 Meta 与 Hugging Face 联合发布 OpenEnv Hub 智能体环境共享中心
Meta 与 Hugging Face 宣布合作推出 OpenEnv Hub，一个供开发者构建、分享和探索智能体环境（agentic environments）的开放社区中心，这些环境定义了智能体执行任务所需的工具、API、凭证和执行上下文，可用于训练和部署。
推荐理由：Meta 与 Hugging Face 联合推出的智能体环境共享中心，给出环境规范与训练部署一体的路径。
Hugging Face BlogAI 评分2424 在 Intel Core Ultra 上加速 Qwen3-8B 智能体：用深度剪枝草稿模型提升推理速度
Hugging Face 用 OpenVINO.GenAI 在 Intel Core Ultra 上以 Qwen3-0.6B 作草稿模型对 Qwen3-8B 做投机解码，生成速度提升约 1.3 倍。
Hugging Face BlogAI 评分3939 VibeGame：探索 Vibe Coding 游戏开发
针对 AI 编程开发游戏时代码库膨胀导致模型性能下降的问题，作者推出 VibeGame——一个基于 three.js、rapier 和 bitecs 构建的高层声明式游戏引擎。
Hugging Face Blog精选AI 评分6060 Smol2Operator：面向计算机使用 GUI Agent 的后训练方案
Hugging Face 发布 Smol2Operator，用两阶段后训练把无 GUI 定位能力的 SmolVLM2-2.2B-Instruct 训练成可理解并操作图形界面的智能体。
推荐理由：完整开源了两阶段后训练配方与数据工具，读者可据此把无 GUI 定位能力的小型 VLM 训练成可操作的界面智能体。
Hugging Face Blog精选AI 评分7272 Meta 发布 Gaia2 基准与 ARE 智能体评测环境
Meta 发布 GAIA 的后续基准 Gaia2 以及开源框架 Meta Agents Research Environments（ARE），用于运行、调试和评测智能体。
推荐理由：Meta 发布 Gaia2 基准与 ARE 环境源码，给出多模型在模糊、噪声与时间推理任务上的实测结果，便于对照自身智能体能力。
Hugging Face Blog精选AI 评分6060 Hugging Face 分享 gpt-oss 在 transformers 中可用的优化技巧
Hugging Face 介绍其为 OpenAI gpt-oss 系列模型升级 transformers 的相关技术，包括可从 Hub 下载的零构建 Kernels、MXFP4 量化、张量并行、专家并行、动态滑动窗口缓存与连续批处理等。
推荐理由：Hugging Face 公开 gpt-oss 适配 transformers 的升级细节，读者可据此判断量化、并行与缓存优化如何落地。
Hugging Face BlogAI 评分4949 Hugging Face 用 Jupyter Notebook 训练 LLM 推理：Jupyter Agents 微调 Qwen3-4B
Hugging Face 构建 Jupyter Agent，让模型直接在 Jupyter Notebook 中执行代码完成数据分析任务，并以 Qwen3-4B-Thinking-2507 为基线做微调。通过将脚手架精简到约 200 行代码，DABStep 简单任务准确率从 44.4% 提升至 59.7%。该基准上现有最强模型 Claude 4 Sonnet 在困难任务上准确率不足 20%。
Hugging Face BlogAI 评分2929 Hugging Face 推出 TextQuests：LLM 玩文字冒险游戏能有多强？
Hugging Face 发布 TextQuests 基准，基于 25 款经典 Infocom 互动小说游戏评测 LLM 的智能体能力，每局最多执行 500 步，分带官方提示与无提示两轮运行，并用游戏进度和 Harm 两项指标打分。
Hugging Face Blog精选AI 评分6060 Hugging Face 发布开源无代码数据集工具 AI Sheets
Hugging Face 发布开源无代码工具 AI Sheets，可用 AI 模型构建、转换和增强数据集，支持本地部署或在 Hub 上运行。工具以类电子表格界面操作，通过写提示词新建列，可调用 Hub 上的数千个开放模型（含 OpenAI 的 gpt-oss）或本地模型，单次导入上限 1000 行。
推荐理由：原文给出从建表、加列到导出配置的完整链路，读者可据此判断无代码数据集工作流能省下哪些步骤。
OpenAI News精选AI 评分8484 OpenAI 演示 GPT-5 在办公场景中的应用
OpenAI 发布 GPT-5 办公场景演示，展示该模型如何分析反馈、制定产品计划与原型，并总结后续步骤。
OpenAI NewsAI 评分3333 ChatGPT agent 如何代你完成工作：几分钟生成商业计划
ChatGPT agent 演示了如何自行研究、写代码并在网上执行操作，在几分钟内完成一份商业计划。该 agent 可代用户处理多步骤任务。
Hugging Face Blog精选AI 评分8282 OpenAI 发布开源权重模型系列 gpt-oss
OpenAI 发布开源权重模型系列 gpt-oss，包含 117B 参数的 gpt-oss-120b 和 21B 参数的 gpt-oss-20b，均为采用 MXFP4 4-bit 量化的 MoE 模型，使用 Apache 2.0 许可。
推荐理由：Hugging Face 汇总了 gpt-oss 两个开源权重模型的参数、部署路径与生态适配情况，适合了解本地运行条件。
Hugging Face BlogAI 评分3333 NVIDIA AI-Q Blueprint 基于 Llama Nemotron 登顶 DeepResearch Bench 开源榜首
NVIDIA AI-Q Blueprint 在 DeepResearch Bench 的"LLM with Search"榜单上以 40.52 分登顶，成为得分最高的完全开源许可方案。