智能体与工具调用

Siri 公司是 SRI International 于 2007 年分拆出的创业公司，把数十年人工智能研究（尤其是 CALO 项目）转成面向消费者的虚拟个人助理；苹果 2010 年将其收购。

检索增强生成（RAG）让语言模型在回答前先从外部库中取回相关文档并放进提示词，从而用上训练数据之外的知识，也能标出答案的来源。

2020 年的一篇论文，把预训练的序列到序列模型与一个由神经检索器查询的维基百科稠密向量索引结合起来，在三个开放域问答任务上取得当时最好成绩。

ReAct 是一种提示方法：让语言模型把写出来的推理与调用外部工具或环境的行动交替进行，在问答、事实核查和交互式决策任务上都取得改进。

LangChain 是 2022 年 10 月发布的开源框架，让开发者把大语言模型与外部数据、API 和工具连接起来，组合成「链」和智能体，是构建大模型应用的常用起点。

ChatGPT 是 OpenAI 的 AI 聊天机器人，2022年11月30日以低调的研究预览形式推出。其周活跃用户增长至数亿，并陆续加入智能体、语音、浏览器和职场工具。

谷歌面向消费者的 AI 助手，2023 年以 Bard 之名发布，2024 年更名为 Gemini。普通用户由此接触谷歌的 Gemini 模型：从对话框起步，扩展到语音、研究代理与订阅档位。

函数调用（如今也称工具调用）让应用把外部函数描述给模型，由模型决定是否为其中某个函数输出一段 JSON 参数，是模型接触训练数据之外的数据与动作的途径。

一个由 2,294 个真实软件工程问题组成的评测基准，题目取自 GitHub 议题及解决这些议题的拉取请求，模型必须编辑代码库来修复问题；发布时最好的模型解决率不足 2%。

Devin 是 Cognition 公司开发的 AI 软件工程师，2024 年 3 月 12 日公布。它能在沙箱环境中使用命令行、代码编辑器与浏览器，自行规划和执行工程任务。

Cognition 是 Devin 的开发公司，2024 年 3 月 12 日把 Devin 介绍为「首个自主软件工程师」；它也发布 FrontierCode 基准，用「维护者是否愿意合并」来衡量 AI 写的代码。

模型上下文协议（MCP）是连接 AI 助手与数据所在系统的开放标准。Anthropic 于 2024 年 11 月 25 日开源该协议，后将其捐赠给智能体人工智能基金会。

Claude Code 是 Anthropic 推出的智能体编程工具。2025 年 2 月 24 日以终端研究预览版发布，如今已延伸到编辑器、桌面应用、网页、手机和 Slack 等多种场景。

OpenAI 的第二代推理模型，2024 年 12 月公布、2025 年 4 月发布，在科学、软件工程与编程竞赛基准上大幅超过 o1，之后由 GPT-5 接替。

Codex 是 OpenAI 的软件工程智能体（agent）。它 2025 年以开源终端工具和 ChatGPT 内的云端智能体起步，之后发展成拥有数百万周活跃用户的桌面应用。

Kimi K2 是月之暗面于 2025 年 7 月发布的开放权重混合专家语言模型，总参数 1 万亿，每个词元激活 320 亿，上下文窗口 128K 个词元。

Kimi K2 是 Moonshot AI 的万亿参数混合专家模型，用 MuonClip 优化器完成预训练，并以大规模智能体数据与强化学习做后训练；报告称它在开源非思考模型中处于领先，并公开了基座与后训练权重。

Gemini 3 Pro 是 Google Gemini 3 系列的首个模型，2025 年 11 月以预览版发布，拥有 100 万 token 上下文窗口，并在 LMArena 等榜单登顶，在推理、编程与多模态基准上取得高分。

智谱的 GLM-5 技术报告介绍了一个 7440 亿参数的混合专家模型，依靠稀疏注意力与异步强化学习，把 AI 编程从「氛围编程」推向「智能体工程」。

Claude Mythos Preview 于 2026 年 4 月 7 日公布，是未公开发布的前沿模型，仅通过 Project Glasswing（Glasswing 计划）向受限合作方开放，用于保障关键软件安全。

DeepSeek-V4 包括 V4-Pro 与 V4-Flash 两款混合专家模型，2026 年 4 月 24 日以预览版发布，支持 100 万词元上下文。

Claude Fable 5 于 2026 年 6 月 9 日发布，是 Anthropic 首个面向普通用户的 Mythos 级模型。同系列的 Claude Mythos 5 为审核通过的用户放宽了部分安全限制。

Kimi K3 是月之暗面发布的 2.8 万亿参数开放权重多模态模型，2026 年 7 月 16 日发布，7 月 27 日公开权重，适用 Kimi K3 许可证。

K2 Horizon 是基础模型研究院（IFM）于 2026 年 9 月发布的一系列六个开放语言模型，权重、代码、训练数据和训练配方一并以 Apache 2.0 许可公开。

GPT-6 是 OpenAI 的新一代模型系列。首款 GPT-6 Astra 于2026年9月3日发布，Astra 是 OpenAI 首个达到其内部「关键」网络安全阈值的模型。

Gemini 4 Argon 是 Google Gemini 4 系列首个模型，2026 年 10 月 13 日全面开放，面向软件工程、金融、法律等多步骤复杂任务。

Jais-3-375B-A23B 是基础模型研究所（IFM）推出的阿拉伯语旗舰开源混合专家模型：总参数 3750 亿、每 token 激活 230 亿，上下文窗口 51.2 万 token，权重以 Apache 2.0 发布。

世界模型是学习环境内部表示、并预测环境随动作如何变化的机器学习系统。在强化学习中，它相当于从经验中学出的模拟器，让智能体不必在真实环境里反复试错就能规划行动。

Cursor 是 Anysphere 公司开发的 AI 代码编辑器，让程序员与 AI 智能体协同写代码；它从一轮小型 A 轮融资起步，成长为《财富》500 强中过半企业使用的产品，并于 2026 年被 SpaceX 收购。

Manus 是一款以「Hands On AI」为口号的通用 AI 智能体产品，能完成深度研究、幻灯片、设计、图像、音乐与视频等任务，并于 2026 年 9 月 28 日发布新架构 Manus 2.0。

AI 智能体指能感知环境、为达成目标自主行动的系统，范围从恒温器这样的简单装置一直到由大模型自行决定流程与工具调用的软件。

Salesforce 是 1999 年在旧金山创立的企业软件公司，以订阅方式提供客户关系管理软件，如今已是全球规模最大的企业软件公司之一。

CALO 是 SRI 于 2003 年启动的认知助手项目，属于 DARPA 一项为期五年、投入 1.5 亿美元的计划，目标是让助手通过观察和推理学习，而非按固定动作预先编程。它后来成为 Siri 的技术来源之一。

Siri 是一款 2010 年 2 月上架苹果 App Store 的移动应用，用语音识别、GPS 和合作方的服务把口头指令变成可执行的结果；同年 4 月，苹果收购了它背后的公司。

Google Now 是 Google 随 Android 4.1 Jelly Bean 在 2012 年 6 月发布的功能，它以卡片形式在用户需要的那一刻主动送上天气、路况、比分等信息，不需要用户先发起搜索。

OpenAI Five 是 OpenAI 用强化学习训练的五人《Dota 2》机器人队伍，2019 年 4 月在旧金山以三局两胜击败当届世界冠军 OG。

Cohere 是2019年成立于多伦多的企业 AI 公司，开发 Command 系列语言模型，面向企业销售。2026年9月，它签署了与 Aleph Alpha 合并的正式协议。

OpenAI API 是 OpenAI 面向开发者的商业平台，2020 年 6 月 11 日随 GPT-3 公布，后逐步发展为构建 AI 智能体的平台。

面向软件开发流程的 AI 协作助手，覆盖代码补全、解释和工作流协作等公开场景。

指令微调是一种监督微调，用来让大语言模型学会听从用户指令；FLAN 论文表明它能显著提升模型在未见任务上的零样本表现。

Manus 是一家总部位于新加坡的 AI 智能体公司，母公司蝴蝶效应 2022 年成立于北京。Meta 曾同意以约 20 亿美元收购它，交易被中国监管部门叫停，公司随后恢复独立运营。

Adept 是一家 2022 年成立的人工智能公司，计划训练多模态基础模型并把它做成智能体，2023 年开源了 Fuyu-8B，2024 年联合创始人加入亚马逊后转向支撑智能体式 AI 的解决方案。

Perplexity AI 是2022年8月22日在旧金山成立的美国 AI 公司，由阿文德·斯里尼瓦斯等人创立。它以带有网络来源引用的 AI 答案引擎起家，此后陆续推出了模型、浏览器和智能体。

LlamaIndex 是一个开源的 Python 库，用于在大型语言模型之上构建检索增强生成应用和 AI 智能体。它最初只是 2022 年底一名工程师写的小型索引工具 GPT Tree Index。

Perplexity 是2022年12月7日推出的 AI 答案引擎，用自然语言回答问题并引用网络来源。此后它陆续加入了 Deep Research、金融与购物功能，以及智能体产品。

提示注入（prompt injection）指模型输入里的文字压过原本的指令和外围控制，让攻击者劫持整个应用；2023 年的研究进一步指出，恶意内容可以藏在应用自己检索到的资料里。

2023 年的一篇论文，让语言模型自学决定何时调用计算器、搜索引擎等外部工具，并把返回结果融入后续文本生成。

Microsoft 365 Copilot 是微软面向 Word、Excel、PowerPoint、Outlook 和 Teams 的 AI 助手，把大语言模型与客户的业务数据结合起来。

2023 年 3 月发布的开源自主智能体，借助 OpenAI 的大型语言模型（如 GPT-4）把用户给出的目标拆成子任务，并调用网页浏览等工具去完成。

Amazon Bedrock 是 AWS 的托管服务，用于调用多家公司的基础模型，2023年4月宣布，同年9月正式可用，后加入 Nova 与 AgentCore。

Aider 是运行在终端里的开源 AI 结对编程工具，为整个代码库建立地图，调用云端或本地语言模型修改代码，并把每次改动自动提交到 git。

WebArena 是可复现的网页环境，含电子商务、社交论坛、协作软件开发、内容管理四类网站，用于测试语言引导的智能体；GPT-4 智能体成功率 14.41%，人类 78.24%。[^1]

AutoGen 是微软推出的构建 AI 智能体与应用的框架，其中的智能体可定制、可对话，并能把大语言模型、人类输入和工具结合起来。它由 2023 年 8 月 16 日提交到 arXiv 的论文提出。

DSPy 是一种编程模型，把语言模型流水线表示为声明式模块构成的计算图，并用编译器按给定指标优化。

Fuyu-8B 是 Adept 于 2023 年 10 月开源的多模态模型。它去掉了图像编码器，能接受任意分辨率的图片，面向需要读屏幕、图表和 PDF 的智能体场景。

CrewAI 是一个用 Python 编写的开源框架，用于构建协同工作的 AI 智能体小组，由 João Moura 于 2023 年底创建，并获得 1800 万美元融资。

Grok 是 xAI 的聊天助手，2023 年 11 月首次向美国小范围候补用户开放，后发展为涵盖搜索、图像、视频和编程智能体的一系列应用与模型。

GAIA 是一个面向通用 AI 助手的基准，用对人类简单、对 AI 困难的真实问题，考察推理、多模态、网页浏览和工具使用能力，并以人类平均水平衡量进展。

Claude 2.1 于 2023 年 11 月 21 日发布，上下文窗口翻倍至 20 万 token，错误陈述较 2.0 版减少一半，并新增工具调用与系统提示。

METR 是位于加州伯克利的非营利研究机构，评估前沿 AI 模型的长周期智能体能力，发布能力指标与事件调查，并与开发者合作开展部署前评估和保障措施。

Le Chat 是 Mistral AI 的助手，2024 年 2 月 26 日测试版上线，此后陆续增加搜索、Pro 套餐等功能，2026 年 5 月并入 Vibe。

Command R+ 是 Cohere 于 2024 年 4 月发布的 1040 亿参数语言模型，针对企业场景的检索增强生成和多步工具调用优化，先在微软 Azure 上线，随后开放权重。

OSWorld 是一个面向多模态智能体的基准与环境，在 Ubuntu、Windows 和 macOS 上用 369 个真实计算机任务考察智能体；人类能完成 72.36% 以上，最好的模型只有 12.24%。

τ-bench 是 2024 年 6 月提交到 arXiv 的基准，用语言模型模拟用户，与配备领域 API 工具和规则条文的语言智能体进行动态对话，并以对话结束时的数据库状态而非回复文本判定成败。

Cline 是一个开源自主编程智能体，可以 IDE 扩展、命令行助手和 SDK 的形式使用，由 Cline Bot Inc. 运营；其 VS Code 扩展的安装量已超过 1100 万开发者。

OpenHands 是一个开源的 AI 软件开发智能体平台，智能体可以写代码、使用命令行、浏览网页；项目采用 MIT 许可证，相关论文被 ICLR 2025 接收。

Replit Agent 是 Replit 推出的 AI 系统，能根据几句自然语言描述创建并部署应用。2024 年 9 月以早期访问形式向 Replit Core 订阅用户开放，官方提醒用户把它当作 alpha 软件对待。

Bolt.new 是 StackBlitz 于 2024 年 10 月 3 日推出的产品，用聊天的方式生成网站、应用和原型。它把代码生成与托管打包在一起，上线第一周就产生了约 100 万美元的年度经常性收入。

计算机使用（computer use）是 Anthropic 在 2024 年 10 月开放公开测试的一项能力，让模型像人一样看屏幕、移动光标、点击和打字，从而操作原本为人设计的普通软件。

升级版 Claude 3.5 Sonnet 于 2024 年 10 月 22 日公布，编程与智能体任务成绩明显提高，并以公开测试版推出电脑操作功能，是前沿 AI 模型中首个提供该功能的。

Codeium 于 2024 年 11 月 13 日发布的 AI 原生代码编辑器，以「AI 流」为核心，把助手的协作性与智能体的自主性放在同一界面。

Lovable 是一款把自然语言描述直接变成全栈网页应用的工具，面向不会写代码的人。它于 2024 年 11 月上线，用户规模与融资额增长都很快。

Gemini 2.0 Flash 是 Google Gemini 2.0 世代的首个模型，2024 年 12 月以实验模型形式发布，新增多模态输出与原生工具调用，2025 年 2 月正式开放。

TRAE 是字节跳动的 AI 编程工具，2025 年 1 月推出，2026 年 6 月将其 SOLO 智能体更名为 TRAE Work。[^1][^9]

Operator 是 OpenAI 于2025年1月23日发布的网页操作智能体，通过查看屏幕截图，并使用鼠标与键盘完成网页任务。2025年7月，它的能力并入 ChatGPT 智能体。

深度研究是 OpenAI 于 2025 年 2 月 2 日推出的 ChatGPT 研究代理，基于 o3 的一个版本，能检索网络资料并整理成研究报告。

Grok 3 与更便宜的 Grok 3 mini 是 xAI 2025 年 2 月发布的推理模型。Grok 3 加入了 Think 推理模式、100 万 token 上下文窗口和 DeepSearch 研究智能体。

Claude 3.7 Sonnet 于 2025 年 2 月 24 日发布，Anthropic 称它是市面上第一个混合推理模型，既能迅速作答，也能长时间逐步思考。它与 Claude Code 同时推出。

Alexa+ 是亚马逊基于生成式 AI 重建的新一代 Alexa 助手，2025 年 2 月推出。每月 19.99 美元，亚马逊 Prime 会员免费，可以预订服务、代购杂货、控制智能家居。

AGNTCY 是 Cisco 于 2025 年 3 月开源的智能体基础设施项目，2025 年 7 月由 Linux 基金会接纳，为不同厂商的 AI 智能体提供发现、身份、消息传递与可观测性能力。

OpenAI 于 2025 年 3 月发布的开源智能体开发工具包，提供可配置的智能体、智能体之间的任务交接、安全护栏和调用追踪，是实验性项目 Swarm 的正式继任者。

Command A 是 Cohere 的 1110 亿参数模型，2025年3月发布，支持 256k 词元上下文。Cohere 称它只需两块 GPU 即可运行，吞吐量比 Command R+ 08-2024 高 150%。

文心大模型 X1 是百度于 2025 年 3 月 16 日与文心大模型 4.5 一同发布的深度思考推理模型，支持多模态与工具调用，定价较低，此后又更新为 X1 Turbo 和 X1.1。

Amazon Nova Act 是亚马逊 2025 年 3 月发布的浏览器操作模型与 SDK，把任务拆成可编程的小命令，并已在 Alexa+ 中使用。

Google 于 2025 年公开宣布的开放协议，用于让不同供应商或框架构建的智能体发现、通信和协作。

AlphaEvolve 是 Google DeepMind 于 2025 年 5 月 14 日发布的进化式编程智能体，用 Gemini 模型配合自动评估器发现和优化算法，成果包括 Borg 调度启发式、更快的算子与新的数学结果。

Claude Opus 4 与 Sonnet 4 于 2025 年 5 月 22 日公布，均为带扩展思考功能的混合模型。Anthropic 称 Opus 4 是“世界上最好的编程模型”。

GLM-4.5 是智谱（Z.ai）2025 年 7 月发布的开源大语言模型，总参数 3550 亿，同时发布较轻量的 GLM-4.5-Air。两者均为混合推理模型，采用 MIT 许可证。

Grok 4 与 Grok 4 Heavy 是 xAI 2025 年 7 月发布的模型。Grok 4 的 API 上下文为 25.6 万 token，训练中大规模使用强化学习；Heavy 版本则并行运行测试时计算。

Kiro 是亚马逊云科技的智能体集成开发环境，2025 年 7 月发布。它先从一条提示词生成用户故事、设计文档和任务清单，再进入写代码的环节，这种方式被称为「规格驱动开发」。

Qwen3-Coder 是 Qwen 团队推出的开放权重代码模型系列；其中 2025 年 7 月公布的旗舰版拥有 4800 亿参数，专门为智能体式编程任务而训练。

Genie 3 是 Google DeepMind 的通用世界模型，于 2025 年 8 月 5 日公布。它用文字提示生成可实时导航的 720p 交互环境，帧率为每秒 24 帧，以有限研究预览的形式发布。

DeepSeek-V3.1 由深度求索（DeepSeek）于 2025 年 8 月 21 日发布，采用 MIT 许可证，是该公司首个混合推理模型，同一组权重同时支持思考模式和非思考模式。

Qwen3-VL 是阿里巴巴通义千问团队2025年9月发布的开放视觉语言模型系列，以 Apache 2.0 许可证发布，旗舰版本为 2350 亿参数，支持长视频、界面操作与空间定位。

Google 于 2025 年 9 月 17 日公布的开放协议，为 AI 智能体跨平台发起并完成支付提供安全框架，以带密码学签名的授权凭证作为用户指令的可验证证明。

智能体商务协议是 OpenAI 与 Stripe 等合作方于 2025 年 9 月发布的开放标准，规定 AI 智能体、用户与商家如何协作完成一笔购买，也是 ChatGPT 内「即时结账」功能的基础。

Claude Sonnet 4.5 于 2025 年 9 月 29 日发布，价格与 Sonnet 4 相同，可直接替换后者使用。Anthropic 报告，它能在复杂任务上保持专注超过 30 小时。

MiniMax-M2 是 MiniMax 于 2025 年 10 月发布的开源权重混合专家模型，总参数 230B、激活 10B，面向编程与智能体工作流。

智能体技能（Agent Skills）是由指令、脚本和资源组成的文件夹，Claude 只在相关任务中加载。2025 年 10 月推出，2026 年 10 月捐赠给开放基金会。

Kimi K2 Thinking 是 Moonshot AI 于 2025 年 11 月发布的推理模型，沿用 Kimi K2 的混合专家结构，针对原生 INT4 推理与长链条工具调用做了训练。

Google Antigravity 是 2025 年 11 月 18 日发布的免费「智能体优先」软件开发平台，支持三大桌面系统，可调用 Gemini 与对手模型，后扩展出 CLI、SDK 与 API 受管智能体。

2025 年 11 月 24 日，Anthropic 发布 Claude Opus 4.5，单价为此前 Opus 的三分之一，并新增投入程度（effort）参数，让开发者在能力与成本间取舍。

GLM-4.7 是智谱于 2025 年 12 月发布的开源权重语言模型，主打多语言智能体编程与终端任务，在软件工程类基准上较 GLM-4.6 有明显提升，并以 MIT 许可证开放。

DeepSeek-V3.2 于 2025 年 12 月 1 日发布，是 V3.2-Exp 的正式后继版本；配套的 V3.2-Speciale 专注于最大化推理，在多项竞赛中达到金牌水平。

Claude Cowork 是面向非编程知识工作的智能体，适用于研究、分析和文档创作。它于 2026 年 1 月以研究预览版推出，如今可在桌面、网页和手机上使用。

Terminal-Bench 2.0 是一个由 89 个困难任务组成的精选基准，任务都在计算机终端环境中完成，用来衡量 AI 智能体处理真实命令行工作的能力；前沿模型和智能体的得分低于 65%。

Kimi K2.5 是月之暗面于 2026 年 1 月 27 日发布的开放权重模型，原生支持多模态，总参数 1 万亿，上下文 256K 个词元，并带有可并行调度子智能体的 Agent Swarm 功能。

Step 3.5 Flash 是阶跃星辰推出的开源混合专家（Mixture-of-Experts，MoE）语言模型，2026 年 2 月发布，总参数 1960 亿，上下文长度 256K，采用 Apache 2.0 许可证。

GPT-5.3-Codex 是 OpenAI 于 2026 年 2 月 5 日发布并上线的编程模型。OpenAI 称它是首个「在创造自身过程中发挥了作用的模型」，并把它的用途从写代码扩展到检索代码库、运行终端命令和调试。

Claude Opus 4.6 于 2026 年 2 月 5 日发布，是 Anthropic 最聪明模型的升级版，也是首个支持 1M 词元上下文窗口的 Opus 级模型（发布时为测试版）。

MiniMax-M2.5 是 MiniMax 于 2026 年 2 月发布的开源权重大模型，229B 参数，面向智能体编程与办公任务，同时推出速度更快的 Lightning 版本，并在软件工程基准上取得高分。

GLM-5 是智谱 2026 年 2 月 12 日发布的开源模型，采用 MIT 许可证，总参数 7440 亿，每个 token 激活 400 亿参数，面向智能体工程（agentic engineering）。

豆包大模型 2.0（Seed2.0）是字节跳动于 2026 年 2 月发布的模型系列，包含 Pro、Lite、Mini 三款面向智能体任务的版本，并公布了基准成绩与低价 token 策略。

通义千问 Qwen3.5 是阿里巴巴2026年2月发布的原生多模态模型系列，开放旗舰总参数 3970 亿、每个词元激活 170 亿，以 Apache 2.0 许可证发布。

Claude Sonnet 4.6 于 2026 年 2 月 17 日发布，附带测试版的 1M 词元上下文窗口，价格与 Sonnet 4.5 相同，并成为 claude.ai 免费版和 Pro 用户的默认模型。

GPT-5.4 是 OpenAI 于 2026 年 3 月 5 日推出的模型，有 Thinking 和 Pro 两个版本。它内置电脑操作能力，改进了深度研究，并取代了 GPT-5.2。

通义千问 Qwen3.6 是 2026 年 4 月发布的一代模型：闭源的 Plus、Max 版本主打智能体编程，开放权重的 Qwen3.6-35B-A3B 以 350 亿总参数、30 亿激活参数给出基准成绩。

GLM-5.1 是智谱于 2026 年 4 月以 MIT 许可证开源的大模型，主打编程与长程智能体任务，在 SWE-Bench Pro 上取得其对比表中的最高分。

Muse Spark 是 Meta Superintelligence Labs 于 2026 年 4 月 8 日推出的首个模型，最初闭源，驱动 Meta AI 应用和 meta.ai，后来推出了开放权重版本。

Claude Opus 4.7 于 2026 年 4 月 16 日发布，价格与 Opus 4.6 相同，新增 xhigh 投入程度档位，并支持大得多的图像。它是首个测试自动拦截高风险网络安全请求的模型。

Laguna XS.2 是 Poolside 首个开放权重模型，总参数 330 亿、每个 token 激活 30 亿，以 Apache 2.0 许可发布，训练用了 30 万亿 token。

Laguna M.1 是 Poolside 的 2250 亿参数混合专家编程模型，每个词元激活 230 亿参数，面向长程智能体编程；权重在发布 7 周后上线 Hugging Face。

Gemini 3.5 Flash 是 Google 于 2026 年 5 月 19 日发布的 Gemini 3.5 系列首个模型，面向智能体与编程任务，并成为 Gemini 应用和搜索 AI 模式的默认模型。

MiniMax 于 2026 年 6 月发布的大规模混合专家语言模型，总参数约 428B，支持 100 万 token 上下文，并引入为长上下文设计的新型稀疏注意力。[^1]

智谱于 2026 年 6 月以 MIT 许可发布的开源大模型，上下文扩至 100 万 token，通过跨层共享稀疏注意力索引器压低长上下文成本，推理与编程成绩高于 GLM-5.1。

字节跳动 Seed 团队于 2026 年 6 月 23 日发布的大模型系列，分 Pro 与 Turbo 两版，面向真实生产力场景，在智能体能力、代码交付、知识、推理与多模态理解上均有提升。

Claude Sonnet 5 于 2026 年 6 月 30 日发布，是 Anthropic 最具智能体能力的 Sonnet 模型，可自主制定计划、使用浏览器与终端。

混元 Hy3 是腾讯于 2026 年 7 月 6 日发布的开放权重推理模型，采用 Apache 2.0 许可，总参数 2950 亿，每个词元激活 210 亿，支持 256K 上下文。

OpenAI 于 2026 年 7 月 9 日发布的三模型系列，由弱到强为 Luna、Terra 和 Sol，其中 Sol 被定位为公司最强的编码与智能体模型。

Claude Opus 5 于 2026 年 7 月 24 日发布，定价与 Opus 4.8 相同。Anthropic 称它是迄今最符合对齐目标的模型，也是公司对外提供的最强科研模型。

GLM-5.3 是智谱于 2026 年 8 月 14 日发布的开源权重模型。它沿用 GLM-5.2 的基座，全部提升来自后训练，在智能体编程与网络安全类基准上取得开源最好成绩。

混元 Hy4 preview 是腾讯于 2026 年 8 月 28 日发布的开放权重混合专家模型，总参数 7700 亿，每个词元激活 490 亿，上下文超过一百万词元。

Step 5 Preview 是阶跃星辰 2026 年 9 月发布的旗舰基础模型预览版，采用稀疏混合专家架构，总参数 6000 亿，支持 100 万 token 上下文，并公开了模型权重。

Claude Fable 5.1 于 2026 年 9 月 1 日发布，价格与 Fable 5 相同，缓存读取便宜 75%。同系列的 Mythos 5.1 仅限认证计划使用。

DeepSeek-V4.1-Flash 于 2026 年 9 月 10 日发布，是一款 5520 亿参数的多模态混合专家模型，API 模型名为 deepseek-flash。

Claude Opus 5.5 于 2026 年 9 月 22 日发布，是 Claude 5.5 系列的首个模型。Anthropic 称其大多数工作表现与 Fable 5.1 相当。

Claude Sonnet 5.5 于 2026 年 9 月 28 日发布，是 Claude 5.5 系列的第二个模型，也是 Anthropic 迄今最快的 Sonnet。

OpenAI 在 2026 年下半年推出的模型系列：9 月 29 日 DevDay 发布 Sol，10 月 26 日推出更快更便宜的 Terra；原计划一同推出的 Astra 因安全原因未发布。

Kimi K3.1 Pro 是月之暗面（Moonshot AI）于 2026 年 10 月发布的开放权重模型，K3.1 系列的首个成员，面向金融研究、3D 建模与编程。它沿用 K3 的规模，但把全注意力层换成了稀疏注意力层。

Claude Haiku 5.5 于 2026 年 10 月 7 日发布，是 Claude 5.5 系列的第三个模型。Anthropic 称其为迄今最便宜、最快的小模型。

Muse Spark Open 是 Meta 于 2026 年 10 月 15 日发布的开放权重大语言模型，总参数 8,160 亿，主打编程和智能体任务，权重可下载。

Jais-3-MoVA-36B-A4B 是基础模型研究院（IFM）推出的阿拉伯语中心模型：总参数 360 亿、每个 token 仅激活 40 亿，上下文窗口 51.2 万 token，注意力层采用 MoVA 稀疏方案。

Jais-3-7B 是基础模型研究院推出的稠密 7B 阿拉伯语与英语模型，上下文窗口为 512,000 个 token，约 18 GB 即可在单张 GPU 上运行，思考过程放在单独字段返回。

讯飞星火 X2.6 是科大讯飞 2026 年 10 月发布的端云一体大模型系列，云端采用 2930 亿参数的混合专家架构，并由路由模型决定每个任务在端侧还是云端执行。

Agent Development Kit（ADK）是开源的、以代码为先的 Python 框架，用于构建、评估和部署 AI 智能体，核心是一套基于图的工作流运行时，并有多种语言的移植版。

AG-UI（智能体与用户交互协议）是一套开放的、基于事件的标准，用来把智能体接到面向用户的应用上，并规范智能体状态、界面意图与用户交互如何在智能体运行时与前端之间流动。

ACP（智能体通信协议）是面向智能体互操作的开放协议，通过标准化 RESTful API 连接 AI 智能体、应用与人，由 Linux 基金会支持开发，现已并入 A2A。

Notion AI 是 Notion 围绕代理、企业搜索、会议纪要和后台管理提供的一组 AI 功能，按席位销售；Notion Agent 可完成多步骤任务，Custom Agents 则替团队自动处理重复性工作。

LangGraph 是 LangChain 的智能体运行时与低层编排框架，内置记忆、流式输出和人工审核，1.0 版本于 2025 年 10 月发布，是该领域首个稳定大版本。

Anysphere 是开发 Cursor 的公司。它在 2024 至 2025 年间完成四轮融资，估值达到 293 亿美元，年化收入超过 10 亿美元，财富 500 强中过半公司在用。

多智能体系统由多个相互作用的智能体组成，能解决单个智能体难以完成的问题。近年以大型语言模型为内核的框架，让智能体之间直接对话协作，使这一方向重新受到关注。

Sierra 是一家由 Bret Taylor 与 Clay Bavor 共同创办的公司，用 AI 智能体帮助企业构建客户体验，并强调它是对人的增强而非替代。

工具调用让语言模型把算术、查找资料这样的子任务交给外部程序，再把返回结果写进回答。2023 年的 Toolformer 展示了模型可以自己学会何时调用、如何调用工具。

规划（planning）是 AI 智能体（agent）把目标拆成中间步骤、决定下一步行动，并根据结果调整方案的过程，而不是一次给出答案。[^1][^2]

LangChain 是一家提供开源框架 LangChain、LangGraph 和商业平台 LangSmith 的公司。开发者用这套工具构建、观测、评估并部署建立在大语言模型之上的应用。

理查德·萨顿是阿尔伯塔大学的计算机科学家，以强化学习研究闻名；他与 Andrew Barto 合著了该领域的标准教材，并共同获得 2024 年 ACM 图灵奖。

安德鲁·巴托是计算机科学家，推动强化学习成为一般性研究框架，并与理查德·萨顿共同获得2024年ACM图灵奖。

Windsurf（原 Codeium）是一款智能体 IDE；2025 年 Google 以 24 亿美元获其技术授权并聘用其首席执行官，公司随后被 Cognition 收购。

OpenAI 于 2016 年 12 月发布的软件平台，用游戏、网站和其他应用衡量并训练 AI 的通用智能，首批包含 1000 个建立在 Gym 之上的环境。

Writer 是一家企业级人工智能公司，2020 年由 May Habib 与 Waseem AlShikh 创办，向大型企业销售贴合品牌调性的智能体与管控工具，并发布 Palmyra-mini 系列小型开放模型。

Gato 是 DeepMind 于 2022 年 5 月公布的通用智能体。同一套网络权重可处理文本、图像、Atari 游戏和机器人控制，目标是覆盖多种任务与具身形态。

Pi 是 Inflection AI 于 2023 年 5 月 2 日推出的聊天机器人，名字取自「个人智能」，定位为个人的对话式助手。2024 年 3 月，微软雇走 Inflection 大部分员工，两位联合创始人也在同月离开。

Amazon Q 是 AWS 推出的面向工作的生成式 AI 助手。2023 年 11 月 28 日在 re:Invent 大会上以预览形式发布，2024 年 4 月 30 日以 Amazon Q Business 正式可用。

AutoGLM 是智谱（Z.ai）开发的语音驱动手机智能体，与 GLM 聊天机器人、Ying 视频生成器、ZCode 编程工具并列；其手机模型与相关研究智能体已陆续在 Hugging Face 开源。

商汤小浣熊是商汤科技推出的一组面向办公、数据分析和编程的人工智能工具，2024 年 2 月首次亮相，2025 年 7 月借助日日新 V6.5 完成智能体升级。

Cohere 于 2024 年 3 月发布的 350 亿参数语言模型，面向生产环境的检索增强生成与工具调用，支持 128k 上下文，并以非商用许可开放权重。

Project Astra 是 Google DeepMind 的通用 AI 助手研究原型，能一边看一边听并即时回应，2024 年 5 月在 Google I/O 上展示，后基于 Gemini 2.0 更新。

Qwen2-VL 是阿里巴巴于 2024 年 8 月 29 日发布的视觉语言模型。它能理解 20 分钟以上的视频，能读取多种语言的图中文字，还可以作为代理操作手机和机器人。

Genie 2 是 Google DeepMind 开发的基础世界模型，于 2024 年 12 月 4 日公布，能把一张提示图像变成一个可玩的 3D 环境，人和 AI 智能体都能用键盘鼠标在其中行动。

Project Mariner 是 Google 随 Gemini 2.0 公布的浏览器智能体研究原型，以实验性 Chrome 扩展运行，通过理解屏幕内容完成网页任务。

Gemini 应用中的代理式研究功能：先给出多步骤研究计划由用户确认，再花几分钟浏览网页，产出带原文链接的报告；后来也作为托管代理进入 Gemini API。

Jules 是 Google 的异步 AI 编程智能体：接手任务后在安全的云虚拟机中完成，交出改动差异供开发者审阅。2024 年 12 月预览，2025 年 8 月正式可用。

通义千问 Qwen2.5-VL 是阿里巴巴 2025 年 1 月发布的视觉语言模型系列，有 3B 至 72B 四个尺寸，能读取图表和文档、定位物体并作为视觉代理工作，还能理解一小时以上的视频。

Cohere North 是一个企业 AI 工作平台，整合大语言模型、搜索和 AI 智能体。它于 2025 年 1 月开放抢先体验，2025 年 8 月正式全面发布。

UI-TARS 是字节跳动 Seed 的图形界面智能体模型，只输入截图、直接输出键盘和鼠标操作，在十多个基准上报告了当时最好的成绩，并以 Apache-2.0 协议开放权重。

Llama Nemotron 是 NVIDIA 2025 年 3 月推出的开放推理模型系列，分 Nano、Super、Ultra 三种规格，基于 Meta 的 Llama 3 模型。

xLAM-2 是 Salesforce 的大行动模型系列，参数规模从 10 亿到 700 亿，用模拟智能体与人交互生成的数据训练，面向多轮工具调用而非单次函数调用。

Amazon Nova Sonic 是 Amazon Nova 系列中的语音到语音基础模型，2025 年 4 月 8 日发布，把语音识别、语言理解和语音生成放进同一个模型，而不是把多个模型串联起来。

字节跳动 Seed 在 2025 年 4 月发布的界面操作模型，是 UI-TARS 的后继版本。7B 版本以 Apache-2.0 协议开源，完整版本在多项屏幕操作基准上报告了当时最好成绩。

文心大模型 X1 Turbo 是百度于 2025 年 4 月 25 日发布的推理模型，作为文心 X1 的升级版，强调更强的思维链、多模态与工具调用能力，并把 API 价格压到更低。

Devstral 是 Mistral AI 与 All Hands AI 合作推出的智能体编程模型系列，2025 年 5 月首次发布，首个版本在 SWE-Bench Verified 上得分 46.8%。

Gemini CLI 是 Google 于 2025 年 6 月 25 日发布的开源 AI 智能体，把 Gemini 模型带进终端；个人账号登录即可获得免费额度，并支持模型上下文协议。

混元 A13B 是腾讯于 2025 年 6 月开源的混合专家语言模型，总参数 800 亿、每个词元激活 130 亿，支持 256K 上下文和可开关的深度思考。

日日新 V6.5 是商汤于 2025 年 7 月发布的增强版多模态模型，以图文交错的思维链为核心能力，并驱动小浣熊助手的智能体升级。

Comet 是 Perplexity 推出的 AI 网页浏览器，2025年7月9日面向 Windows 和 macOS 发布。它基于 Chromium 构建，内置的助手可以完成多步骤浏览任务。

Claude Opus 4.1 于 2025 年 8 月 5 日发布，在与 Claude Opus 4 价格相同的前提下，提升了智能体任务、真实编程与推理的表现。其后由 Claude Opus 4.5 取代。

Cohere 于 2025 年 8 月发布的首个推理模型，1110 亿参数，可按需开关「思考」过程，面向智能体任务与工具调用，并以非商业许可开放权重。

Claude in Chrome 是 Chrome 浏览器扩展，可代用户查看网页、点击按钮和填写表单。Anthropic 于 2025 年 8 月 25 日开始试点。

xAI 于 2025 年 8 月发布的面向智能体编程的快速推理模型，定价低，在 SWE-bench Verified 上得分 70.8%，并接入 GitHub Copilot、Cursor 等编程工具。

UI-TARS-2 是 UI-TARS 系列的新一代 GUI 智能体，采用多轮强化学习训练，2025 年 9 月发布技术报告，并在网页、桌面、安卓、游戏与软件工程等基准上给出成绩。

文心大模型 X1.1 是百度于 2025 年 9 月发布的推理模型，基于文心 4.5 训练，百度称其在事实性、指令遵循和智能体能力上较文心 X1 均有提升。

OpenAI 于 2025 年 9 月发布的模型，在 GPT-5 基础上针对智能体式编程优化，曾作为 Codex 的默认模型，2026 年 7 月关停。

xAI 于 2025 年 9 月 19 日发布的低成本推理模型，上下文窗口达 200 万 token，用更少的思考 token 和大幅降低的价格达到 Grok 4 的水平。

Google DeepMind 的机器人模型组合：负责动手的 Gemini Robotics 1.5 与负责规划、会调用工具的 Gemini Robotics-ER 1.5。

Kimi OK Computer 是月之暗面为 Kimi 推出的智能体模式，2025 年 9 月 26 日发布，能按提示词生成多页网站和可编辑的演示文稿等文件，标志着 Kimi 从对话助手走向通用智能体产品。

Claude Haiku 4.5 于 2025 年 10 月 15 日发布，所有用户均可使用。它的编程表现接近 Sonnet 4，成本为其三分之一，速度则超过两倍。

ChatGPT Atlas 是 OpenAI 于 2025 年 10 月 21 日为 macOS 推出的内置 ChatGPT 网页浏览器，提供智能体模式，并于 2026 年 8 月 9 日正式关闭。

Grok 4.1 是 xAI 2025 年 11 月对 Grok 4 的更新，侧重情商、创意写作和减少幻觉。Grok 4.1 Fast 是一款 200 万 token 的工具调用模型，于 11 月 19 日发布。

OpenAI 于 2025 年 11 月发布的智能体编程模型，属 GPT-5.1 系列。它是首个原生支持跨多个上下文窗口、并可在 Windows 环境运行的 OpenAI 模型。

MiniMax-M2.1 是 MiniMax 于 2025 年 12 月发布的开源权重模型，是 M2 的后继版本，主打软件工程与多语言编程能力，参数规模 2290 亿（229B）。

亚马逊 Nova 2 是 Nova 模型的第二代，2025 年 12 月在 AWS re:Invent 大会上发布。首款成员 Nova 2 Lite 是快速的推理模型，提供 100 万词元上下文。

Mistral Vibe 是 Mistral AI 的开源命令行编程助手，2025 年 12 月随 Devstral 2 发布，后来扩展出云端沙箱会话、VS Code 扩展与订阅套餐。

Devstral 2 是 Mistral AI 2025 年 12 月发布的智能体式编程模型，SWE-bench Verified 得分 72.2%，2026 年 7 月退役。

NVIDIA Nemotron 3 是 2025 年 12 月宣布的开放混合专家语言模型系列，分 Nano、Super、Ultra 三种规格，最长支持 100 万标记上下文。

豆包大模型 1.8（Doubao-Seed-1.8）由火山引擎于 2025 年 12 月 18 日发布，定位为字节跳动最新旗舰，面向多模态智能体任务，工具调用和电脑操作能力更强。

Grok 4.20 是 xAI 在 2026 年推出的模型系列，分推理、非推理和多智能体三个版本，上下文窗口为 100 万 token；随后的 Grok 4.3 沿用同样的上下文和价格。

MiniMax-M2.7 是 MiniMax 于 2026 年 3 月发布的 2290 亿参数大语言模型，面向智能体任务，被公司称为第一个深度参与自身演化的模型。

WorkBuddy（腾讯 WorkBuddy）是腾讯推出的桌面端办公智能体，2026 年 3 月发布，同年 5 月下旬推出面向全球用户的版本，支持远程下达任务和标准化工具连接。

Kimi K2.6 是月之暗面于 2026 年 4 月发布的开放权重模型，主打长程编程，上下文 262,144 个词元，支持文本与图像输入，Agent Swarm 最多可调度 300 个子智能体。

Mistral AI 于 2026 年 4 月发布的 128B 参数开放权重多模态模型，面向智能体与编程任务，曾短暂担任 Le Chat 默认模型，后被 Mistral Large 4 取代。

文心大模型 5.1 是百度于 2026 年 5 月 9 日发布的大语言模型，沿用文心 5.0 的预训练基础派生出更小的版本，预训练成本约为同类模型的 6%，并在 LMArena 文本、搜索榜上位列中国模型第一。[^1][^3]

Gemini Spark 是 Gemini 应用内的个人 AI 智能体，2026 年 5 月 19 日发布于 Google I/O，24 小时运行，按用户指示代为执行任务。

Claude Opus 4.8 于 2026 年 5 月 28 日发布，价格与 Opus 4.7 相同。它新增了速度为 2.5 倍的快速模式，减少了自身代码中未被注意的缺陷。Anthropic 称它是一次“温和但切实”的改进。

Step 3.7 Flash 是阶跃星辰于 2026 年 5 月 29 日发布的开源权重模型，在 Step 3.5 Flash 的基础上加入了原生图像输入，支持 256K 上下文，采用 Apache 2.0 许可证。

GPT-Live-1 是 OpenAI 于 2026 年 7 月 8 日推出的全双工语音模型家族，能一边听一边说，取代了 ChatGPT 语音功能原先串联三个模型的做法。

Grok 4.5 是 xAI 于 2026 年 7 月发布的编程与智能体模型，用数万块 GPU 训练，与 Cursor 联合训练，并成为 Grok Build 的默认模型。

Gemini 3.6 Flash 是 Google 于 2026 年 7 月 21 日发布的主力模型，在编程、知识工作和多模态上优于 3.5 Flash，输出更省词元，并把计算机操作做成内置工具。

Grok 4.6 是 xAI 于 2026 年 8 月 12 日发布的语言模型，面向长时间运行的智能体以及交互与视觉类任务，上下文窗口 50 万 token，支持文本与图像输入。

Google 于 2026 年 8 月 13 日发布的主力模型，主打编程与智能体，定价分阶段上调，三周后即被 3.8 Flash 接替。

讯飞星火 X2.5 是 2026 年 9 月 7 日发布的大语言模型，采用 293B-A30B 的混合专家结构，训练与推理全部在国产算力上完成，支持 256K 上下文和 200 多种语言。

Grok 4.7 是 xAI 于 2026 年 9 月 21 日发布的大语言模型，公司称它是自己在编程与知识工作上能力最强的模型；基座模型更大、强化学习训练更久，并采用全新安全防护体系，token 价格未变。

MiniMax-M3.1-Flash 是 MiniMax 的稀疏混合专家模型，约 428B 总参数、23B 激活，支持文本、图像、视频输入，上下文最长 100 万 token。

商汤于 2026 年 11 月在香港发布的多模态智能体模型，面向办公与设计生成：具备长期记忆与任务执行能力，可产出 PPTX 演示、网页、SVG 图形乃至 Blender 三维模型。

All Hands AI 是 OpenHands 背后的公司。OpenHands 被描述为面向智能体软件开发的开放平台，智能体围绕与代码仓库绑定的对话工作，可发起拉取请求，也可由事件自动触发。

NLWeb 是一组开放协议和开源工具，用来为网站搭建对话式界面：它以自然语言与站点交互并用 Schema.org 返回 JSON，每个实例同时是 MCP 服务器，让人和 AI 智能体共用同一套接口。

腾讯云代码助手 CodeBuddy 是腾讯云推出的智能编程助手，提供插件、IDE 和命令行三种形态，覆盖从设计稿生成页面代码、撰写需求文档到后端配置与一键部署的流程。

Coatue 是一家投资机构，同时在公开市场和私募市场投资科技公司，私募组合中有 250 多家科技公司，并通过投资 Anthropic 和 Anysphere 等公司在人工智能领域占据醒目位置。

Amp 是一款编码智能体（coding agent）与开发环境，出自一家自称独立智能体研究实验室的团队，面向前沿开发工作，用户既有独立开发者，也有开发者超过两万人的大型公司。

Poe 是一个让创作者构建并分享 AI 应用的平台，提供从提示词机器人到服务器机器人、脚本机器人、Canvas 应用和 API 机器人等多种形态，面向数以百万计的用户，并设有按调用付费的创作者分成机制。

翁荔（Lilian Weng）是一位人工智能研究者，自2017年起在个人博客Lil'Log上记录学习笔记，中文报道称她毕业于北京大学，并报道了她在OpenAI的任职变动。

Dify 是一个用来搭建大语言模型应用的开源平台，界面集成了 AI 工作流、RAG 流水线、智能体能力和模型管理，并提供托管云、VPC 与自托管三种部署方式。

Apollo Research 是一家研究机构，专注于先进人工智能系统暗中追求错位目标——即「谋划」——的风险，并对前沿模型开展相关评估。

扣子 Coze 是 coze-dev 以 Apache-2.0 协议开源的可视化 AI 智能体开发工具，后端用 Go、前端用 React，可自行部署。

智能体记忆（agent memory）是智能体系统中负责保存当前上下文窗口之外的信息、以便日后调取的部分。2023 年的 MemGPT 把有限的上下文窗口视为这类设计必须绕开的核心约束。