AI 快讯列表

AI 快讯列表关于 工具调用

时间 详情
2026-09-14
15:31
GPT6 Astra领跑ARC AGI降成本

据DeepLearningAI称,GPT-6 Astra登顶ARC-AGI-3并降成本,支持异步工具与跨调用记忆。

2026-09-03
19:11
Claude Code函数钩子预览提升扩展性

据ClaudeDevs称,新函数钩子将支持自定义动作与工具,现征求GitHub反馈。

2026-09-02
21:06
ChatGPT代理飞跃:10个月分析

据@emollick称,ChatGPT代理在10个月内转向任务自动化与工具调用,加速企业工作流与代理架构落地。

2026-09-02
19:36
Muse Spark1.3 强化代理与编程表现

据AIatMeta称,1.3版工具调用降约20%,令牌降约25%。

2026-08-16
13:32
Claude Code借助Graft提速省本

据@godofprompt称,Graft令162次测试中耗时降60%、令牌降42%,精度不减。

2026-08-10
19:03
Claude Sonnet5定价永久生效

据@claudeai称,Sonnet5维持$2输入与$10输出价,利好自主代理应用成本。

2026-08-03
22:25
OpenAI GPT Live驱动实时语音突破

据OpenAI称,GPT Live可边听边说并不中断推理与工具调用。

2026-07-23
19:34
Claude语音升级拓展工具与多语

据@claudeai称,语音模式用更强模型,支持多语并可中途调用外接工具。

2026-07-15
21:12
GPT Live强化多任务与实时规划

据@OpenAI称,GPT Live可边对话边查航班、天气并生成行程。

2026-07-09
17:10
GPT5发布带来多模态速度突破

据@sama与OpenAI称,GPT5与GPT6提升多模态速度、工具使用与可靠性。

2026-07-06
21:40
Claude Code起源揭示安全驱动构建

据@bcherny称,Anthropic发布视频回顾Claude Code源自安全研究与早期用户反馈。

2026-07-06
17:45
HuggingFace本地应用助力OpenClaw代理

据@openclaw称,OpenClaw在HuggingFace本地应用上本地运行,无需云与密钥。

2026-06-23
16:00
语音AI挑战引爆7天实战冲刺

据DeepLearningAI称,赛事含实时反馈、榜单与奖品,聚焦智能人机接管。

2026-06-09
17:42
Claude Fable 5大幅提升编程效率

据@bcherny称,Fable 5在Claude Code显著减促发,提高工具与代码质量。

2026-05-19
19:58
Gemini 3.5 Flash多代理构建城市

据GoogleDeepMind称,Gemini 3.5 Flash以多代理协同完成城市设计与建造演示。

2026-05-10
12:15
Gemini API更新解锁步骤时间线与中途控制

据@godofprompt称,谷歌加入步骤时间线并准备中途引导与异步工具,旧接口6月6日失效。

2026-05-02
20:42
Claude Code团队代理新增三大能力

据@_avichawla称,团队代理具备任务依赖、同伴互信通信与持久上下文,助力多代理协作落地。

2026-04-30
04:01
Gemini 聊天机器人暴露易用性缺口

据@emollick称,Gemini常误判文件与工具并轻易放弃,影响业务价值。

2026-04-25
22:43
OpenAI联创Greg Brockman暗示“Tenet”梗:解析2026年GPT路线与代理式工作流机遇

据OpenAI联合创始人Greg Brockman在X(Twitter)上发文称“oh, that’s what tenet was about”,并于2026年4月25日附上链接,引发业界将其解读为对时间对称或双向计算思路的提示。根据Brockman账号的动态,此举与OpenAI近月强调的编排与代理式循环相呼应,或指向可逆推理、工具调用调度及通过预判式解码降低时延的技术路径。依据The Verge年内对OpenAI开发者简报的报道,OpenAI正在强化多步工具使用与代理式工作流,为企业在流程自动化、推理成本优化与并行化方面带来落地空间。彭博社对投资人动向的报道亦指出,代理框架与推理效率将影响2026年AI利润率,这为AIOps工具、可观测性与评测套件的采购带来短期机会。

2026-04-25
20:05
MIT 递归式LLM对比常规LLM:2024最新分析揭示自调用模型的推理与效率突破

据 @_avichawla 在推特所述,MIT 研究介绍了可“自调用”的递归式LLM,通过分解任务、验证中间步骤并迭代收敛,与常规一次性解码不同;据 MIT CSAIL 与其解读材料报道,该架构以控制器协调子调用用于规划、工具调用与自我批改,使多步推理与代码生成基准的准确率更高。根据 MIT 的研究,递归控制器能将复杂问题拆解为子问题(解析、规划、求解、验证),并缓存与复用中间结果,较单体长提示在复杂查询上减少无效token并改善时延。依据 MIT 的解读,商业落地场景包括更可靠的数据分析代理、结构化子查询的RAG,以及通过选择性递归与提前停止策略降低推理成本。MIT CSAIL 指出,在每层递归接入步骤验证器与外部工具(检索、求解器)可降低幻觉,相比单次生成更易审计,利好金融、医疗文档与软件质检等企业工作流。