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。
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。
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。
近日高德宣布全面 AI 化，发布 “高德地图 2025”，将地图升级为基于空间智能的 AI 原生应用，并推出全球首个基于地图的 AI 原生智能体 —— 把路网、地点与交通流，转化为可被推理与行动的 “空间知识”。
“我真的厌倦了看到那些急于求成的科技初创公司，为了讨好风投而在数据上撒谎，还贴上‘SOTA’的标签。”有网友吐槽。 事情源于高人气开源智能体记忆项目 Mem0 在今年 4 月底发布的一篇论文。
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。
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。
GUI 智能体正以前所未有的速度崛起，有望彻底改变人机交互的方式。然而，这一领域的进展正面临瓶颈：现有数据集大多聚焦于 10 步以内的短程交互，且仅验证最终结果，无法有效评估和训练智能体在真实世界中的长时程规划与执行能力。
之前在X上看到过一个新加坡版的DeepSeek，叫Agnes AI，主打一站式Agent空间。 但当时我自己搞产品焦头烂额的，随手点开看了看，就放下了。 后来在Product Hunt上又看到这款产品，以及各种海外平台时而刷到。
近年来，大语言模型（LLM）已展现出卓越的通用能力，但其核心仍是静态的。面对日新月异的任务、知识领域和交互环境，模型无法实时调整其内部参数，这一根本性瓶颈日益凸显。
