标签 · #llm

大语言模型智能体中的跨任务技能迁移：子任务与文本胜出

为什么值得读构建自主智能体的开发者可以通过将记忆结构化为文本形式的子任务来提高可靠性。所提出的效用分数提供了一种执行前的诊断手段，用于筛选有效技能。

研究发现，基于子任务的归纳和文本格式能使大语言模型智能体实现可靠的技能迁移，其效果优于基于任务和代码的方法。

为什么值得读这项研究表明，专用的中期训练对于稳健的智能体工具使用至关重要，为仅依赖后训练方法的 LLM 提供了更优的替代方案。

MidTool 引入了一种中期训练流程，通过结合网络数据与合成的 API 监督，显著提升了 Qwen3 模型在通用工具使用方面的能力。

为什么值得读模型已经就绪，政策却还没跟上。一次由政府审批、而非 OpenAI 产能决定发布节奏的前沿模型发布，是开发者今后还会再见到的新治理模式。

OpenAI 于 6 月 26 日发布 GPT-5.6 Sol/Terra/Luna：Sol 在 Terminal-Bench 2.1 拿下 91.9%，但访问权限仅限约 20 家获美国政府批准的合作伙伴。

为什么值得读开源权重与前沿闭源模型的差距，如今只能用个位数的基准分数来衡量。对自托管的开发者而言，GLM-5.2 改写了智能体编程「自建 vs 采购」的算式。

Z.ai 于 6 月 17 日以 MIT 许可证发布 GLM-5.2——一款 7530 亿参数的 MoE 模型，具 100 万 token 上下文，登顶开源编程基准，成本约仅 GPT-5.5 的六分之一。

为什么值得读定价与免费试用期是开发者最该先确认的两件事。以每百万 token 输入 $15／输出 $60 的定价，Pro 是被设计来认真使用的，而非试用。

Gemini 3.5 Pro 进入最终 Vertex 企业版预览，具备 200 万 token 上下文窗口与 Deep Think 推理；GA 正式发布预计在 2026 年 6 月即将到来。

为什么值得读一个前沿模型、两种发布：带安全护栏的公开版，与受限的完整版。定价、免费窗口与安全分类器回退机制，是开发者最该先确认的三件事。

Anthropic 发布 Claude Fable 5——首个公开可用的 Mythos 级模型，定价每百万 token 输入 $10／输出 $50；解除限制的 Mythos 5 仅开放给经审核的合作伙伴。

为什么值得读如果你成天泡在 GitHub Copilot 里，本周光标下的默认模型可能已悄悄换掉了。以下是实际推出的内容，以及如何辨认。

微软在 Build 2026 把一个 5B 自研代码模型放进 VS Code，并推出一个 35B 推理模型——两者都未经 OpenAI 蒸馏训练。

为什么值得读一个大型平台拥有者推出自家推理模型，并公开将其框定为少付 OpenAI 费用的途径，这是一个结构性的故事，而不只是一次产品发布——它为整个前沿模型供应链重新定价。

在 6 月 2 日的 Build 2026 上，微软发布七款从零打造的 MAI 模型，由推理模型 MAI-Thinking-1 领衔，以降低成本并减少对 OpenAI 的依赖。

中国 4 个实验室在 12 天内发布前沿级编码模型。GLM-5.1（MIT 许可证）在 SWE-Bench Pro 上以 58.4% 与 Kimi K2.6 持平。成本差距为西方 API 的 5-25 倍。