技术方向
开源模型、框架与仓库动态：权重开放、社区项目爆火、开源与闭源的力量消长。
3 条精选近 30 天 3 条共收录 8 条
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。
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。
NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构发布超过 2800 种病毒的蛋白复合物预测 3D 结构，开放到 AlphaFold 数据库，为下一场大流行提前储备结构知识。
推荐理由：开放超过 2800 种病毒的蛋白复合物预测结构，让科研界提前储备应对下一轮大流行的结构知识，并配套开源可复用的预测工作流。