微软与 Hugging Face 联合发布智能体评估环境与基准 ThinkingBox，按数据库最终状态而非生成文本给智能体打分。基准覆盖 507 个有状态业务流程，每任务重复运行 20 次，报告 pass@1、pass@20 与 20/20 一致性，约八成失败源于工具处理而非推理。代码、数据集与 OpenEnv 适配器均已开源开放。
推荐理由：它把智能体评估从对话表现转向数据库留下的终态，并用 507 个流程、20 次重复给出可复现的一致性度量。
AI 正在改变开发者工作方式，GitHub Blog 建议开发者重点加强三项技能：学会引导 AI 智能体、不轻信 AI 的首次回答、用 AI 解决更大的问题。文章以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明可用第二个模型评审首个模型的计划、代码和测试，再由开发者自行判断。开发者仍要对最终结果负责，并把节省的时间用于提升判断力与技术决策。
H Company 发布 Holo4 系列智能体模型，含 27B 稠密与 35B-A3B MoE 两版本，并推出基于 Nemotron 3 Nano Omni 的 Holotron4 Nano。
推荐理由：原文给出了 Holo4 在 OSWorld 2.0 上与 Opus 5.5 等闭源模型的分数和成本对比，可帮助判断开源通用 agent 模型当前的能力位置。
GitHub Copilot app 的画布功能允许用户通过 /create-canvas 技能用自然语言描述工作流，由 agent 自动生成无需编码的可自定义共享界面。画布双向共享，两端操作实时同步，创建后可保存为扩展供个人或团队复用。文末列出设计画布的三个自问问题，并推荐 Awesome Copilot 社区现成扩展。
GitHub Copilot 官方博客提出，聊天不是与 AI 交互的正确界面，应该用 canvas 构建自定义 UI 来完成任务。文章演示了用 canvas 制作 Connect 4 游戏、Winget 包管理界面和 SQLite 数据库界面，并主张让代理构建工具而非把代理当工具，以减少 token 浪费并简化开发工作流。