终于，Nano Banana正式开放API了！ 现在大家不仅可以直接在Google AI Studio里基于Nano Banana，手动搓出属于自己的App，还可以通过Gemini API接入任意发挥了。
来自牛津大学、新加坡国立大学、伊利诺伊大学厄巴纳-香槟分校，伦敦大学学院、帝国理工学院、上海人工智能实验室等等全球 16 家顶尖研究机构的学者，共同撰写并发布了长达百页的综述：《The Landscape of Agentic Reinforcement Learning for LLMs: A Survey》。
Obot MCP Gateway是他们解决方案的核心，这是一个开源控制平面，为IT团队提供了对MCP部署前所未有的可见性和控制能力。从架构上看，这个网关采用了代理模式，所有与MCP服务器的通信都会通过网关进行代理，这为审计、日志记录和应用安全策略提供了单一控制点。这种设计消除了影子AI的可能性，确保了合规性。
OpenAI的后训练负责人和DeepMind的另一位AI4S大佬，双双离职并成立了一家AI4S公司Periodic Labs，专注于用AI Agent改造传统科研，助力攻克室温超导等世纪难题。目前该公司已获3亿美元融资。
蚂蚁通用人工智能中心自然语言组联合香港大学自然语言组（后简称“团队”）推出PromptCoT 2.0，要在大模型下半场押注任务合成。实验表明，通过“强起点、强反馈”的自博弈式训练，PromptCoT 2.0可以让30B-A3B模型在一系列数学代码推理任务上实现新的SOTA结果，达到和DeepSeek-R1-0528, OpenAI o3, Gemini 2.5 Pro等相当的表现。
如今，几乎转个身的功夫就会听到又有公司创建了新的 MCP 服务器。几乎每天都有新的 MCP 服务器发布，该如何判断哪一个最适合自己？通过大量的研究和 Gemini 的一点帮助，我们识别出了十个可以支持和简化前端开发工作的 MCP 服务器（加上一个实验性 MCP 服务器）。
构建有价值的AI Agent需审慎选择场景，避免滥用。应用前需评估任务复杂性、价值是否匹配成本、模型核心能力有无硬伤及出错风险容忍度。开发时坚持极简原则，聚焦环境、工具集、系统提示三大核心要素。优化调试的关键在于理解Agent有限上下文视角，模拟其受限决策状态。
从重庆魔幻山城到全球Robotaxi布局，千里科技展现出将AI融入物理世界的雄心。董事长印奇的「千里计划」——One Brain, One OS, One Agent——勾勒出跨场景智能生态，让汽车成为高效、安全的现实世界入口和未来的人类伙伴。
一家来自印度苏拉特的创业公司 Rocket.new 却声称他们解决了这个问题。不仅如此，他们还刚刚完成了1500万美元的种子轮融资，由Salesforce Ventures和Accel联合领投，Together Fund跟投。更令人惊讶的是，这家公司从beta版上线到完成融资仅用了3个月时间，目前已经拥有40万用户，分布在180个国家，年收入达到450万美元。
上海人工智能实验室发布新一代文档解析大模型——MinerU2.5。作为MinerU系列最新成果，该模型仅以1.2B参数规模，就在OmniDocBench、olmOCR-bench、Ocean-OCR等权威评测上，全面超越Gemini2.5-Pro、GPT-4o、Qwen2.5-VL-72B等主流通用大模型，以及dots.ocr、MonkeyOCR、PP-StructureV3等专业文档解析工具。
