LangSmith Fleet 有两种类型的智能体：✅ 通用对话 ✅ 专业智能体。

@BraceSproul 讲解了我们为什么提供这种选择，以及每种智能体的适用场景。

@DecagonAI 借助 Together AI 将语音代理每轮成本降低了近 6 倍。他们从闭源模型切换到了微调后的开源模型，同时保持了足够低的延迟，满足实时语音需求：

→ 每轮 p95 模型延迟低于 400 毫秒
→ 自定义投机解码与提示缓存
→ 优化完成

Deep Agents深度解析第二部分 | 上下文管理

来自@SydneyRunkle的讲解，时长不到2分钟，介绍Deep Agents工具链中最重要的能力之一

我们让闭源模型和开源模型各自构建小型可玩游戏，以此测试它们的表现。开源模型成本低得多，速度也快得多，产出的游戏质量往往和闭源模型不相上下。

Opus 4.8 的价格是 MiniMax M3 的 15 倍。

GPT-5.5 的价格是 Nemotron 的 10 倍。

当AI能够创作喜剧时，我们就拥有了AGI。

我们正处于面向企业的AI最舒服的「常规技术」阶段：它能提升生产力，但仍需要整合进工作流——这都是我们之前见过的情况！

但这非常有可能只是一个途经点，而非稳定阶段。未来AI或许可以自己完成整合工作。

GLM-5.2 现已上线 Hugging Face 🔥

对开源 AI 而言，这是重要的一天：达到 opus 级前沿智能水平，支持 1M 上下文，原生设计以智能体能力优先。

——AI 与人类的未来，是开放的

在开放权重模型的前沿领域不浪费一点时间。从我看到的结果来看，GLM-5.2 表现十分出色。

我非常好奇它在长周期任务上的表现如何。

在 AI Studio 中创建安卓应用并在你的手机上运行，这是 @patloeber 整理的快速分步指南：

要构建一个强大AI开源开放、人人可用的未来，我们要做的是让AI效率实现根本性提升——无论是推理算力方面，（更重要的是）训练数据需求方面都要提升。

符号学习将实现这一目标。

验证器非常重要。没有合格的验证器，/goal 和 /loop 会频繁出问题。只要是 LLM 分布外的内容，智能体就很难正确验证工作。

我认为你值得去微调自己的验证器，研究出如何把它们接入你现有的智能体。

如果你感兴趣，我在这里分享了更多相关内容：

如果微调对你来说资源消耗有点高，我认为验证器是个很好的用例，可以用来探索微调专用模型是否能带来价值增益。LLM-as-a-Judge 系统也是如此。

假设开源模型持续落后闭源模型约 8-12 个月（至少在编码领域是如此），那么针对 Mythos 级模型加固 IT 系统的倒计时目前还剩 4-8 个月。

现在就拥有可公开获取、相对安全的防御性 Mythos 级模型，是一件很重要的事。

Fable 是我第一次见到有大语言模型能模拟出可靠的心智理论，还能把自己从token的绝望陷阱中拉出来。

这是开源迄今为止最好的日子之一，就像我反复说过的，中国模型达到Fable级能力只是时间问题。

美国的Mythos禁令是搬起石头砸自己的脚，因为它只会损害西方AI创新，却起不到什么作用。

和很多信奉AI的机构一样，过去几个月里，我们在编码代理上的支出增长非常显著。

我们正在构建的LLM网关（目前已开放非公开预览），核心功能之一就是成本控制与可见性。

我们的实现方式如下：
1/ 准确、实时

Codex 操控电脑的三种方式。Codex 团队成员 Jason 今天写了一篇详细指南，把三者的区别和适用场景理清楚了，这里做个精简版。【1】Computer Use：最广，也最慢 Computer Use 让 Codex 像人一样看屏幕、点鼠标、敲键盘，操作你电脑上的任何图形界面应用。

Spotify、Xcode、系统设置、iOS 模拟器，甚至

AI 领域并非一维的。我在此尝试绘制出它的两个维度，我还没有给它们命名，但我认为 X 轴是「自主性」，Y 轴是「智能」。

欢迎告诉我哪里错了，以及我漏掉了什么。

祈祷@MistralAI能在今年年底开源他们有史以来最大的模型，并且把它命名为Le Chaton Slim。

专家能从 Claude 中获得更多价值~ 根据 Anthropic 的报告。这是因为： > 他们提出的问题 > 他们使用的词汇 > 以及引导 AI 的能力

当前AI领域最大的机遇，就是将循环应用于企业运营。大多数公司还没有想明白这件事。

以下几个例子可以帮你抢占先机：

SPACEXAI：Scott Kamra 和 Tom Abbott 创立了 Galatiq（@GalatiqAI），这是一家专门为 SpaceXAI 打造的前沿工程公司。

它将高级工程团队嵌入企业内部，负责设计、搭建和扩展定制化的、基于 Grok 的智能体系统。

The company

好的文档能为 AI 智能体节省多少成本和时间？结果是，能省很多。

我们构建了一个自定义技能，教 Claude 更高效地解析 PDF，然后用真实使用轨迹找出它在哪里浪费了时间和金钱（反复重读同一个文件，

智能体治理不应该是事后硬接到智能体系统上的东西。

LangSmith LLM Gateway 允许你在构建、观测和评估智能体的同一平台上执行规则。

大语言模型智能体真的能为它看不见的环境建立模型吗？这项研究让这个问题变得可评估了。

智能体需要通过与预言机交互来 uncover 一个隐藏的确定性有限自动机，交互方式是成员查询（这个字符串属于该自动机吗？）和等价……

大语言模型智能体真的能为它看不见的环境建立模型吗？这项研究让这个问题变得可评估了。

智能体需要通过与预言机交互来 uncover 一个隐藏的确定性有限自动机，交互方式是成员查询（这个字符串属于该自动机吗？）和等价……

我们让闭源模型和开源模型各自构建小型可玩游戏，以此测试它们的表现。开源模型成本低得多，速度也快得多，产出的游戏质量往往和闭源模型不相上下。

Opus 4.8 的价格是 MiniMax M3 的 15 倍。

GPT-5.5 的价格是 Nemotron 的 10 倍。

专家能从 Claude 中获得更多价值~ 根据 Anthropic 的报告。这是因为： > 他们提出的问题 > 他们使用的词汇 > 以及引导 AI 的能力

GLM-5.2 现已上线 Hugging Face 🔥

对开源 AI 而言，这是重要的一天：达到 opus 级前沿智能水平，支持 1M 上下文，原生设计以智能体能力优先。

——AI 与人类的未来，是开放的

智能体治理不应该是事后硬接到智能体系统上的东西。

LangSmith LLM Gateway 允许你在构建、观测和评估智能体的同一平台上执行规则。

SPACEXAI：Scott Kamra 和 Tom Abbott 创立了 Galatiq（@GalatiqAI），这是一家专门为 SpaceXAI 打造的前沿工程公司。

它将高级工程团队嵌入企业内部，负责设计、搭建和扩展定制化的、基于 Grok 的智能体系统。

The company

Fable 是我第一次见到有大语言模型能模拟出可靠的心智理论，还能把自己从token的绝望陷阱中拉出来。

这是开源迄今为止最好的日子之一，就像我反复说过的，中国模型达到Fable级能力只是时间问题。

美国的Mythos禁令是搬起石头砸自己的脚，因为它只会损害西方AI创新，却起不到什么作用。

和很多信奉AI的机构一样，过去几个月里，我们在编码代理上的支出增长非常显著。

我们正在构建的LLM网关（目前已开放非公开预览），核心功能之一就是成本控制与可见性。

我们的实现方式如下：
1/ 准确、实时

Codex 操控电脑的三种方式。Codex 团队成员 Jason 今天写了一篇详细指南，把三者的区别和适用场景理清楚了，这里做个精简版。【1】Computer Use：最广，也最慢 Computer Use 让 Codex 像人一样看屏幕、点鼠标、敲键盘，操作你电脑上的任何图形界面应用。

Spotify、Xcode、系统设置、iOS 模拟器，甚至

LangSmith Fleet 有两种类型的智能体：✅ 通用对话 ✅ 专业智能体。

@BraceSproul 讲解了我们为什么提供这种选择，以及每种智能体的适用场景。

AI 领域并非一维的。我在此尝试绘制出它的两个维度，我还没有给它们命名，但我认为 X 轴是「自主性」，Y 轴是「智能」。

欢迎告诉我哪里错了，以及我漏掉了什么。

祈祷@MistralAI能在今年年底开源他们有史以来最大的模型，并且把它命名为Le Chaton Slim。

要构建一个强大AI开源开放、人人可用的未来，我们要做的是让AI效率实现根本性提升——无论是推理算力方面，（更重要的是）训练数据需求方面都要提升。

符号学习将实现这一目标。

我们正处于面向企业的AI最舒服的「常规技术」阶段：它能提升生产力，但仍需要整合进工作流——这都是我们之前见过的情况！

但这非常有可能只是一个途经点，而非稳定阶段。未来AI或许可以自己完成整合工作。

当AI能够创作喜剧时，我们就拥有了AGI。

当前AI领域最大的机遇，就是将循环应用于企业运营。大多数公司还没有想明白这件事。

以下几个例子可以帮你抢占先机：

在开放权重模型的前沿领域不浪费一点时间。从我看到的结果来看，GLM-5.2 表现十分出色。

我非常好奇它在长周期任务上的表现如何。

好的文档能为 AI 智能体节省多少成本和时间？结果是，能省很多。

我们构建了一个自定义技能，教 Claude 更高效地解析 PDF，然后用真实使用轨迹找出它在哪里浪费了时间和金钱（反复重读同一个文件，

@DecagonAI 借助 Together AI 将语音代理每轮成本降低了近 6 倍。他们从闭源模型切换到了微调后的开源模型，同时保持了足够低的延迟，满足实时语音需求：

→ 每轮 p95 模型延迟低于 400 毫秒
→ 自定义投机解码与提示缓存
→ 优化完成

在 AI Studio 中创建安卓应用并在你的手机上运行，这是 @patloeber 整理的快速分步指南：

Deep Agents深度解析第二部分 | 上下文管理

来自@SydneyRunkle的讲解，时长不到2分钟，介绍Deep Agents工具链中最重要的能力之一

假设开源模型持续落后闭源模型约 8-12 个月（至少在编码领域是如此），那么针对 Mythos 级模型加固 IT 系统的倒计时目前还剩 4-8 个月。

现在就拥有可公开获取、相对安全的防御性 Mythos 级模型，是一件很重要的事。

验证器非常重要。没有合格的验证器，/goal 和 /loop 会频繁出问题。只要是 LLM 分布外的内容，智能体就很难正确验证工作。

我认为你值得去微调自己的验证器，研究出如何把它们接入你现有的智能体。

如果你感兴趣，我在这里分享了更多相关内容：

如果微调对你来说资源消耗有点高，我认为验证器是个很好的用例，可以用来探索微调专用模型是否能带来价值增益。LLM-as-a-Judge 系统也是如此。