首个开源多模态Deep Research Agent来了。整合了网页浏览、图像搜索、代码解释器、内部 OCR 等多种工具，通过全自动流程生成高质量推理轨迹，并用冷启动微调和强化学习优化决策，使模型在任务中能自主选择合适的工具组合和推理路径。
10亿用户App转向AI原生应用，大船如何掉头？高德最近打了个样，用AI重构底层技术栈，建立主-从Agent架构，将千问大模型与空间智能结合，展现出了新范式的强大威力，给用户带去了极大便利。
疯狂的七月已经落下了帷幕，如果用一个词来形容国产大模型，「开源」无疑是当之无愧的高频词汇。
在生成式 AI 时代，全球数据总量正以惊人速度增长，据 IDC 预测，2025 年将突破 180ZB，其中 80% 为非结构化内容，传统数据分析在应对多模态信息和打破结构化数据技术壁垒方面尽显乏力，“人工找数 + 手动分析” 的模式严重抑制甚至沉没了数据价值。
8月6日，谷歌正式发布编程智能体Jules，摘掉了「测试版」标签。Jules具备异步执行能力，依托Gemini2.5Pro模型，可独立修复Bug、更新代码并深度集成GitHub，大幅提升开发效率。
近半年，Agentic AI 创新步伐明显加快。更强的自主决策、更丰富的多模态融合，以及与外部系统的深度协作，正推动产品加速落地与商业化。
视频Agent生成过程中顶多也就是让我点点选项，或者直接针对某一处不满意的地方用对话形式修改，甚至可能我提了一个意见，直接整个片子都给我换了个不一样的。
2025年被视为 AI Agent元年，各家科技巨头也纷纷出手，谁都不想错失这个火热的赛道。
年初，DeepSeek 前脚带来模型在推理能力上的大幅提升，Manus 后脚就在全球范围内描绘了一幅通用 Agent 的蓝图。新的范本里，Agent 不再止步于答疑解惑的「镶边」角色，开始变得主动，拆解分析需求、调用工具、执行任务，最终解决问题……
刚刚，一篇来自香港大学 XLANG Lab 和月之暗面等多家机构的论文上线了 arXiv，其中提出了一个用于构建和扩展 CUA（使用计算机的智能体）的完全开源的框架。 使用该框架，他们还构建了一个旗舰模型 OpenCUA-32B，其在 OSWorld-Verified 上达到了 34.8% 的成功率，创下了新的开源 SOTA，甚至在这个基准测试中超越了 GPT-4o。
