小米开源 MiMo-V2.6-Pro，登顶 Artificial Analysis 开放权重模型智能指数

Google 等提出 DualSQL，用多智能体 RL 训练 Text-to-SQL，将任务拆成选表列与写 SQL 两个共享同一模型权重的智能体，推理时可经三个工具查询数据库。仅用 3，755 条样本训练，DualSQL-4B 在 BIRD dev 达 68.0% 执行准确率，追平此前 7B 模型；DualSQL-8B 达 71.1%，超过此前 32B 参数的单模型系统。

EvoOntology 用专用智能体构建本体并以 MCP 服务器形式提供 schema、内容与工具三层，数据智能体可在运行时查询。在 DDR-Bench 六个基座模型上平均提升 17.8 分，GPT-5.5 提升 26.7 分，BIRD 执行准确率提升 7.4 分。本体以小型类型化步骤编辑，仅保留经同基座配对评估有效的修改，工具层编辑贡献了 57% 的进化增益。

StepFun 新模型 Step 5 Preview 在编程智能体测试中表现亮眼，成本与能力处于帕累托前沿，可与 GLM 5.3、Kimi K3 等模型比肩且价格极具竞争力。

NVIDIA 提出一种前后端架构，让全双工语音模型通过发出委托 token，将流式转录转发给文本后端 LLM 执行工具调用，再经轻量 prefill-and-repeat 机制回传结果并由 TTS 播报。

NVIDIA 提出自进化智能体框架 SoL-Pi，通过跨多环境自动研究循环筛选机制，将 token 流量削减近一半，在 GPT-5.6 Sol 和 Opus 5 上匹配基线框架表现。

Elvis Saravia 列出 Jev 的四个应用方向：LLM-as-a-Judge 评估、agent harness 路由、通过 SOTA 分类能力实现更智能的子智能体创建以扩展编排、以及增强动态 harness 生成。前三个在成本和效率上 ROI 极高，他正将 Jev 用作元 harness 的智能路由器，第四个尚在测试但潜力巨大。

好观点！测试之后，Jev 感觉像是构建可靠 AI 系统的一个重要原语。我认为还有更多原语等待被发现，它们能让基于 LLM 的智能体变得更好、更快。

如果你在构建自定义 agent harness，就用 MCP 工具。 前沿 LLM 对 MCP 非常熟悉。 后续测试和集成工具会容易得多。 我用 MCP 工具构建了我的 meta harness，这是我做过的最好的决定之一。

现在正是用前沿模型开始构建的最佳时机。 也是把你的应用创意变成现实的更多机会。 Bolt Forge 将 GLM、DeepSeek 和 Kimi 带入 @boltdotnew，用量最高提升 50 倍。 这意味着有更多空间去尝试想法、修复错误、持续构建。

原来我已经原地打转好几个月了。 日常工作里，我仍然混用 Opus 5、GPT-5.6 Sol 和开源模型（比如 DS4）。 这些都能靠我自定义的 harness 实现。 我很少需要 Fable 5.1 或 GPT-6 Astra。偶尔用于长时间运行的任务或炫酷演示。但也就这样了。