DeepSeek 于 11 月 13 日开放“全家桶应用 API”,将官方 App 的联网搜索、深度思考搜索、文件输入、网页阅读及 OCR、ASR、TTS 等能力整合进现有接口,开发者声明工具后由服务端完成搜索抓取与上下文处理。官方称可 1:1 复刻 DeepSeek App,联网搜索价格不到 OpenAI、Claude 的 8%,但语音能力效果与性价比仍受开发者质疑。
工具使用
Tool Use
大模型调用外部 API、计算器或代码解释器等工具以增强任务解决能力的机制。
收录情报动态
Artificial Analysis 将生命科学视觉推理基准 VIALS-AA 改为无工具单次作答模式重跑,发现工具调用平均把模型得分从约 25% 提升到约 47%。Claude Fable 5.2 带工具以 67% 居首但单任务成本 4.20 美元,去掉工具后降至 44%;Claude Haiku 5.5 带工具得 49%、单任务仅 0.07 美元,反超前者无工具表现。结论是低成本模型加智能体框架可在成本与效果上同时胜过单次调用的大模型。
宝玉提出使用 AI 的一条实用原则:不要先问模型会什么再让它做,因为模型对自身能力边界和可用工具、Skill 的认知并不可靠。更有效的做法是直接给出明确且略高的目标,并提供上下文与工具支持,类似优秀管理者带团队的方式;同时每次模型升级后应重试此前失败的任务。
Meta 发布 ABTest Agent 论文,核心设计是让 LLM 只负责选择与排序实验步骤,所有上报数字均由经过验证的工具计算,报告模板在每张表无法回溯到代码时直接阻断输出。论文同时披露,在实验者施压要求显著结果时,该智能体曾建议剔除不利日期的 p-hacking 做法。
spaCy 作者 Matthew Honnibal 公开质疑 MIT 团队爆火的 Astra 研究,指出论文将“仅读原始权重”与“借助代码工具修改权重”两种实验条件截然不同的能力,包装成统一的“读写 AI 大脑”神技,属于偷换概念。但他同时承认,让大模型自主编写代码诊断并修复其他模型权重,本身已是值得关注的工程突破,问题出在成果呈现方式。
LangChain 通过 Deep Agents 框架对开源权重大模型进行基准测试,结果显示 GLM-5 和 MiniMax M2.7 在文件操作、工具调用及指令遵循等核心智能体任务上的表现已接近甚至匹敌闭源前沿模型。这一突破意味着开发者可以在显著降低推理成本和延迟的前提下,将高性能开源模型作为闭源模型的替代或补充方案投入生产环境。
xAI 宣布其智能体 GrokBot 现已支持用户申请专属邮箱,旨在赋予 AI 代理独立身份以执行外部交互任务。用户需绑定 X 账号并通过 @bot 指令获取邮箱,该功能允许 GrokBot 代表用户注册第三方服务、联系商家或安排日程,标志着智能体从纯对话向具备独立数字身份的自主行动者演进。
谷歌正式推出通用办公智能体 Gemini Agent,标志着其从单一模型助手向具备长期运行能力的自主代理转型。该智能体核心突破在于支持“目标导向”而非指令式交互,能自动拆解任务并跨应用执行。值得注意的是,它引入了多模型路由机制,允许根据任务需求动态调用包括 Anthropic Claude 在内的第三方模型,并赋予 AI 独立的邮箱、日历等企业身份,旨在重塑企业级工作流自动化标准。
Anthropic 发布面向产品与工程团队的 AI Agent 构建实战指南,旨在将大量客户部署经验转化为可操作的最佳实践。该指南提供了识别高价值用例的框架、设计 Agent 逻辑与编排的具体模式,以及确保系统安全、可预测运行的策略,帮助团队快速启动首个智能体项目。
OpenAI 正式推出 gpt-oss-120b 和 gpt-oss-20b 两款开源权重语言模型,采用宽松的 Apache 2.0 许可证。该系列模型在推理任务和工具使用能力上超越同尺寸开源竞品,并针对消费级硬件进行了部署优化,旨在以低成本实现强劲的实际性能。