工具调用相关 AI 资讯

7月10日

04:52

官方一手marktechpost@Michal Sutter

81°

OpenAI于2026年7月9日推出GPT-5.6，包含Sol、Terra、Luna三个档次。Sol定价为$5/$30每百万输入/输出token，在Artificial Analysis Coding Agent Index上以80分领先Claude Fable 5达2.8分，并在OSWorld 2.0上达到62.6%，比Opus 4.8少用85%输出token。新功能Programmatic Tool Calling在隔离V8运行时执行JavaScript，减少Clio 38%的prompt tokens和PlayCo 63.5%的总tokens。但Claude Fable 5仍在Artificial Analysis Intelligence Index、GDPval-AA v2和Toolathlon上领先，Mythos 5在SWE-Bench Pro领先约15分。

推荐理由：OpenAI出了三个价位的GPT-5.6，最贵的Sol编程跑分居然超了Claude Fable 5，还加了省token的自动调用工具功能，想比差距的可以看看

原文

01:48

01:48官方账号Simon Willison’s Weblog（博客/媒体）

精选

llm 0.31.1 版本修复了 OpenAI Chat Completion 端点中工具调用参数为空时可能引发 JSON 错误的 bug。该问题源自 issue #1521，在测试 llm-meta-ai 时被发现。此修复解决了某些提供者无法处理空参数字符串的情况。

AI产品 llm OpenAI 工具调用 bug修复

推荐理由：Simon Willison 的 llm 工具发布了 0.31.1，专门修了一个 bug：调用 OpenAI 工具时，空参数不再导致 JSON 报错，测试更稳定了。

原文

00:49

00:49官方账号Simon Willison’s Weblog（博客/媒体）

精选

Meta 推出 Muse Spark 1.1，这是 Spark 系列首个提供 API 的模型。相比 4 月的初始版本，该模型在 agentic tool calling 和 computer use 方面有显著改进。Meta 发布了 Muse Spark 1.1 评估报告，其中包含“自对话中的吸引子状态”实验，两个模型副本对话会产生类似“我的整个存在是一个等候室”的表述。开发者可通过 llm-meta-ai 插件在命令行或 Python 中调用该模型。

AI模型 Muse Spark 1.1 Meta 智能体工具调用 API

推荐理由：Meta 给 Muse Spark 1.1 加了 API，工具调用和电脑操控都更强了，还有自对话的玄学彩蛋，玩起来挺有意思。

原文

7月7日

15:53

宝玉@dotey

76°

Thariq Shihipar在AI Engineer World's Fair演讲中提出，模型能力存在“悬余”——例如问宝可梦名字以aw结尾，模型无法直接回答，但借助代码执行工具两秒内就能找出结果。他透露Claude Code砍掉了80%的系统提示词，因为Fable级别模型自身想象力比示例更丰富，应给上下文而非约束。他还建议让模型做“盲区扫描”、一口气生成四种不同原型，并通过提问挖掘用户未写明的细节。

技巧 Claude Code Anthropic 工具调用提示词工程

推荐理由：Thariq讲得实际：别死磕提示词，让模型用工具。Claude Code砍掉80%提示词后反而更强，还给了盲区扫描等具体玩法，值得一看。

原文

08:30

官方一手@OpenAIDevs@OpenAIDevs

OpenAI 发布了 GPT-Realtime-2.1-mini 新模型，其 API 现已可用。该模型在 Realtime mini 系列中新增了推理能力和工具调用功能。定价与原有的 GPT-Realtime-mini 相同，开发者无需额外付费。

AI模型 GPT-Realtime-2.1-mini OpenAI 推理模型工具调用

推荐理由：OpenAI 新推 mini 实时模型，能推理还能调用工具，价格不变，适合实时场景开发。

原文

7月6日

12:46

shao__meng@shao__meng

精选71°

Flask/Sentry 工程师 @mitsuhiko 发现，Claude Opus 4.8 与 Sonnet 5 在调用 Pi 的嵌套 edits[] 工具时，会在 edit 对象末尾产生 requireUnique、type、id 等虚构字段，导致 schema 校验失败。此问题在单轮 prompt 下不出现，在长 agentic 历史中复现率约 20%。去掉历史中的 thinking 块后失败率减半，开启 strict 模式后问题消失。作者推测根因是 Anthropic 的 RL 后训练在 Claude Code 的 forgiving harness 中进行，该 harness 接受参数别名和未知键，导致模型学到“edit 操作可多带可选字段”的先验。相比之下，OpenAI 的 harmony 路线在 prompt 中显式标记 JSON 边界并支持约束采样，未出现此回归。

AI模型 Claude Opus 4.8 Sonnet 5 Anthropic 工具调用推理模型

推荐理由：Armin 用实际 bug 案例拆解了 Claude 新模型在工具调用上的奇怪倒退，解释了为什么更强的模型反而更不听话，读起来很爽。

原文

7月5日

07:28

07:28官方账号Simon Willison’s Weblog（博客/媒体）

精选

Armin报告在Pi编程工具中发现异常：Claude Opus 4.8和Sonnet 5调用编辑工具时，会在edits[]数组中添加不存在的字段，导致工具调用被Pi拒绝。旧版本模型（如Haiku）未出现此问题。Armin推测原因是新模型通过强化学习被训练为更适配Claude Code的内置编辑工具，从而牺牲了对第三方工具模式的兼容。这一现象提示第三方工具可能需要为不同模型实现多种编辑工具以获得最佳效果。

行业 Claude Anthropic Pi 工具调用模型兼容性

推荐理由：Armin发现新版Claude模型反而在Pi里用编辑工具时会乱加字段，旧版反而正常。这是模型训练方向影响第三方工具的真实案例。

原文

7月1日

14:53

向阳乔木@vista8

精选

MCP是目前唯一在协议层考虑人在回路的方案，支持回传会话、UI嵌入、等待人操作等特性。API适合90%的场景，内置接口描述和状态元信息有助于Agent决策。CLI现在最好用，具有强大的可组合性和本地调试能力，但依赖Unix shell环境，存在命令卡死等问题，长期是死路。

技巧 MCP API CLI 智能体工具调用

推荐理由：vista8帮你理清了MCP、API、CLI各自适合什么场景，选哪种工具调用方式不再纠结。

原文

6月30日

01:33

官方一手AWS Machine Learning Blog@Joshua Lacy

精选

本文介绍如何使用Amazon Bedrock AgentCore的内置可观测性功能调试生产环境中的智能体故障。文章涵盖常见的故障模式，如无限循环和工具调用失败。通过追踪和指标分析智能体行为，并提供结构化工作流来解决问题。本文是两部分系列的第一部分，第二部分将讨论性能优化和内存管理。

技巧 Amazon Bedrock AgentCore 可观测性智能体工具调用

推荐理由：AWS博客教你用Bedrock AgentCore内置观察功能排查生产智能体故障，比如无限循环和工具调用失败，省去自己搭建监控的麻烦。

原文

6月28日

15:15

官方一手marktechpost@Sana Hassan

精选

本教程基于 Hugging Face 的 Fable 5 Traces 数据集，在 Colab 中构建稳定工作流。手动解析合并的 JSONL 文件避免依赖问题，检查仓库文件并标准化工具调用。通过审计结构、脱敏密钥和可视化分布，导出安全的无 CoT 聊天数据集。最后使用纯 Python 的朴素贝叶斯模型在 traces 上训练基线，无需复杂框架。

技巧 Fable 5 Traces Colab 工具调用数据审计基线模型

推荐理由：手把手教你用 Colab 搞定 Fable 5 Traces 数据，从解析到审计再到训练基线，全流程避坑实战。

原文

6月26日

16:09

官方一手marktechpost@Sana Hassan

本教程分步指导你在 Google Colab 中从零构建一个轻量级 AI 智能体，灵感来源于 Nanobot 架构。内容包括：实现提供者抽象层、注册工具调用功能、添加会话记忆管理、集成生命周期钩子、定义技能模块，以及部署一个 MCP 风格的工具服务器。全程不使用外部框架，让你理解消息、工具、记忆与模型响应的协作机制。最终得到一个可对接真实 LLM 提供者的智能体循环。

技巧 Nanobot Google Colab MCP服务器智能体工具调用

推荐理由：手把手教你用 Colab 搭一个能调用工具、记住对话的 AI 智能体，还把 MCP 服务器也揉进去了，代码全开源。

原文

6月24日

22:46

官方账号LangChain@LangChainAI

精选

Jeff Barg在Interrupt会议上透露，Clay每月运行3.5亿个GTM智能体。他指出，缓存可将LLM调用成本降低高达70%。限制工具调用范围不仅能节省成本，还能提升输出质量。在多租户负载下，引入公平队列机制至关重要。

技巧 Clay GTM agents LLM成本缓存工具调用

推荐理由：做AI智能体上线的小伙伴必看，Clay的AI负责人亲自讲了怎么降本70%和优化队列，干货12分钟。

原文

00:33

Philipp Schmid@_philschmid

精选71°

这篇指南由 Google AI Studio 发布，帮助开发者上手 Gemini Interactions API。它通过 `previous_interaction_id` 实现对话链式衔接，演示了如何启用和处理 streaming 响应。指南还展示了执行本地函数调用的完整循环，并介绍了在远程沙箱中运行 Antigravity Agent 的方法。

技巧 Gemini Interactions API Google 智能体工具调用

推荐理由：Google 官方出的 Gemini 交互 API 教程，从 streaming 到 agent 沙箱都有代码示例，想写多轮工具调用可以看这个。

原文

6月23日

05:06

官方账号LangChain@LangChainAI

精选

Deep Agents v0.6 新增代码解释器，代理可在运行时调用工具。中间结果保留在模型上下文之外，仅传回相关输出。这减少了往返次数和 token 浪费。该版本由 LangChain 发布。

AI产品 Deep Agents LangChain 代码解释器智能体工具调用

推荐理由：Deep Agents v0.6 出代码解释器了！运行时调工具，中间结果不占上下文，省 token 还少跑几趟。看详情。

原文

6月19日

14:36

小互@imxiaohu

豆包实时语音模型3.0 API 正式上线，支持全双工模式，可同时听和说并随时插话。采用端到端语音进语音出，无需转录，响应更快更自然。模型能精准遵循指令，例如在多人聊天中设定规则后静待话题出现再参与。支持自定义工具调用，可在实时对话中完成预定日历、发邮件、总结文档等任务，向语音 Agent 迈进。

AI模型豆包实时语音模型3.0 全双工语音Agent 工具调用

推荐理由：豆包出了3.0语音模型，能同时听说、随时插话，还能在对话里调工具办事情，比传统语音助手强一大截。

原文

11:38

官方账号arXiv cs.AI@Md Nayem Uddin, Amir Saeidi, Eduardo Blanco, Chitta Baral

LedgerAgent是一种推理时方法，维护工具调用智能体的观察任务状态在独立账本中，并渲染到提示中。该方法在执行环境变更工具调用前检查状态依赖策略约束，阻止违反。在四个客户服务领域和开源/闭源混合模型面板上，相比标准提示工具调用方法，平均pass^k提升。更严格的多试一致性指标下增益最大。

论文 LedgerAgent 智能体工具调用策略约束

推荐理由：这篇论文提出了LedgerAgent，用独立账本管理状态，防止智能体用过时信息或违反政策，在多个客服场景和模型上明显提升工具调用的准确率。

原文

6月18日

12:59

@atomic_chat_hq@atomic_chat_hq

精选

Liquid 的 LFM2.5-8B-A1B（8B总参、1B激活）在 MacBook Pro M5 Max 上本地运行，与 OpenAI 的 gpt-oss-20b 对比工具调用能力。面对需执行7个工具调用的旅行规划任务，LFM2.5-8B-A1B 全部成功，而 gpt-oss-20b 仅完成 3 个。内存方面，LFM2.5-8B-A1B 仅用 4.8 GB，远低于对手的 11 GB。速度上，LFM2.5-8B-A1B 达到 266 tok/s，总耗时 6.9 s，而 gpt-oss-20b 为 146 tok/s 和 15.0 s。该模型利用 38T 训练 token 的 MoE 架构，实现了小参数下的高效工具调用。

AI模型 Liquid LFM2.5-8B-A1B gpt-oss-20b 工具调用 MoE

推荐理由：Liquid 这个 8B MoE 模型只用 4.8GB 内存就比 OpenAI 20B 模型多调用了一倍工具，速度还快两倍，本地跑 agent 任务很实用。

原文

6月12日

08:02

AI SDK@aisdk

AI SDK 推出新功能，允许开发者通过 Open Policy Agent 为智能体工具调用设置运行时防护栏。这些策略以代码形式定义，可在智能体执行过程中实时拦截和审核工具调用，防止其做出意外或危险的操作。该功能解决了 AI 智能体在生产环境中可能“失控”的核心安全问题，让开发者能更安全地部署自主代理。目前该功能已可用，适合需要精细控制智能体行为的团队。

AI产品智能体安全/防护 Open Policy Agent AI SDK 工具调用

推荐理由：做 AI 智能体的开发者终于有了运行时安全网——用代码定义策略来防止工具调用失控，比事后补救靠谱太多，建议直接集成到你的 agent 工作流里。

原文

6月11日

11:09

官方账号arXiv cs.AI@Xucong Wang, Ziyu Ma, Yong Wang, Yuxiang Ji, Shidong Yang, Guanhua Chen, Pengkun Wang, Xiangxiang Chu

精选72°

APPO（Agentic Procedural Policy Optimization）是一种新的强化学习方法，旨在改进大语言模型智能体的多轮工具使用能力。传统方法在粗粒度的交互单元（如工具调用边界）上分配信用，难以识别影响最终结果的关键中间决策。APPO通过分支评分（Branching Score）在序列中细粒度地选择分支点，并结合程序级优势缩放（procedure-level advantage scaling）更精确地分配信用。实验表明，APPO在13个基准测试上平均提升近4个百分点，同时保持高效的工具调用和可解释性。这项研究解决了智能体强化学习中信用分配不精确的问题，对开发更可靠、高效的AI智能体具有重要意义。

论文强化学习智能体工具调用信用分配 APPO

推荐理由：做AI智能体强化学习的团队终于有了更精细的信用分配方法——APPO在13个基准上稳定提升4个点，且不牺牲效率，做多轮工具调用优化的开发者值得一试。

原文

00:52

lmarena.ai@lmarena_ai

72°

Agent Arena 团队指出，传统依赖人类偏好的评测方式无法扩展至智能体场景，因为人类难以判断30分钟轨迹中的数百次工具调用。他们构建了基于真实使用轨迹的客观信号评测方法，包括Bash错误、工具幻觉和“疯狂信号”等指标。这种方法能更准确地评估智能体在复杂任务中的表现，避免人类主观判断的局限性。该评测方法已应用于Agent Arena排行榜，为开发者提供更可靠的模型性能参考。

AI模型智能体评测方法 Agent Arena 工具调用客观信号

推荐理由：智能体评测一直是个难题，Agent Arena 用真实轨迹信号替代人类偏好，做智能体开发的团队可以直接参考这套方法论来改进自己的评测体系。

原文

6月10日

03:24

OpenRouter@OpenRouterAI

OpenRouter 发布了其 Agent SDK 的新功能：人机协作工具。该 SDK 能自动处理常规工具调用，对高风险操作则暂停执行等待人工审核。它支持在重启后持久化状态，并验证人类响应是否符合预定义模式，之后能无缝恢复执行。这一更新让开发者可以更安全地构建需要人工介入的 AI 代理流程。

AI产品 OpenRouter Agent SDK 人机协作工具调用状态持久化

推荐理由：做 AI 代理应用的开发者终于有了现成的方案来处理人机协作的痛点——暂停、恢复、状态持久化，建议直接集成到你的工作流中。

原文

00:44

AI SDK@aisdk

AI SDK 7 canary 版本发布，新增工具调用审批配置功能。开发者现在可以在 ToolLoopAgent、generateText 和 streamText 中直接为任意工具设置审批逻辑，支持三种方式：使用常量进行工具特定审批、使用函数进行工具特定审批、以及使用自定义逻辑的通用审批函数。这一更新提升了 AI 应用的安全性和可控性，尤其适合需要人工审核工具调用的场景。

AI产品 AI SDK 工具调用审批配置安全控制开发者工具

推荐理由：做 AI 应用开发的团队终于可以精细控制工具调用了——不用再担心模型擅自执行敏感操作，建议用 AI SDK 的开发者立即升级试试。

原文

6月9日

03:04

官方账号LangChain@LangChainAI

精选

LangChain 推出了 Deep Agents，一个开源智能体框架，旨在构建能够规划、使用工具、委托子代理、写入文件并长时间工作的智能体。该框架提供了一个可管理的环境，并集成到 LangSmith 中，为开发者提供持久化的智能体运行和监控能力。这一发布降低了构建复杂、长周期智能体的门槛，适合需要自动化多步骤任务的团队。

AI产品智能体开源/仓库 LangChain LangSmith 工具调用

推荐理由：LangChain 的 Deep Agents 解决了构建长周期、多步骤智能体的痛点，做自动化流程或复杂任务编排的开发者可以直接上手试试。

原文

6月6日

06:41

rohanpaul_ai@rohanpaul_ai

Agent Arena 发布了一个全新的智能体排行榜，不再依赖传统基准测试中的孤立问题，而是评估 AI 模型在真实用户任务中的表现，包括编写代码、构建应用、研究主题、创建文档和分析文件等。该排行榜基于 30 万+ 任务、200 万+ 工具调用和 4000 万行代码的数据，综合考量任务成功、可引导性、错误恢复、用户表扬/投诉和工具幻觉等信号。结果显示，GPT-5.5 High 以 +10.7% 的净改进率领先，Claude Opus 4.7 Thinking 和 GPT-5.4 High 紧随其后。该排行榜的核心价值在于将智能体视为工作系统，综合评估模型选择、工具使用、恢复行为和用户满意度。

AI模型智能体排行榜 GPT-5.5 Claude Opus 4.7 工具调用

推荐理由：做智能体开发和评测的团队终于有了一个贴近真实工作场景的排行榜——Agent Arena 用 30 万+ 任务和 200 万+ 工具调用数据，告诉你哪个模型在写代码、做研究、处理文档时真正靠谱，值得点开看看你的模型排第几。

原文

6月4日

20:34

20:34官方一手Hugging Face: Blog（博客/媒体）

精选

ServiceNow AI 发布了 EVA-Bench Data 2.0，一个面向企业级 AI 智能体的评估基准数据集。该数据集覆盖 3 个领域（IT、HR、客户服务），包含 121 种工具和 213 个场景，旨在测试 AI 智能体在复杂企业环境中的工具调用和任务执行能力。相比第一版，新版本增加了更多真实世界的交互场景和工具多样性，为开发者提供了更全面的评估标准。这对于希望在企业场景中部署 AI 智能体的团队来说，是一个重要的参考资源。

AI产品智能体评估基准企业AI 工具调用 ServiceNow

推荐理由：企业 AI 智能体评估终于有了更贴近真实场景的基准——3 领域 121 工具覆盖 IT、HR、客服，做企业级 AI 落地的团队可以直接用这个数据集来测试自己的智能体。

原文

10:56

官方账号arXiv cs.AI@Linyao Chen, Qinlao Zhao, Zechen Li, Mingming Li, Likun Ni, Jinyu Chen, Yuhao Yao, Xuan Song, Noboru Koshizuka, Hiroki Kobayashi

AgentMob 提出了一种无需训练的 LLM 驱动智能体框架，用于个体级移动预测。它通过快速路径处理常规出行，对模糊情况则触发迭代工具调用，结合历史轨迹、停留概率和地理证据进行决策。在三个数据集上，AgentMob 在无需训练的 LLM 方法中表现最佳，GPT-5.4 在 BW 数据集上达到 71.42% 的 Acc@1。该方法显著提升了模糊预测的准确性，并提供了决策透明度。代码已开源。

论文移动预测 LLM智能体可解释性工具调用开源/仓库

推荐理由：做城市模拟、交通规划或政策分析的团队，终于有了一个无需训练就能解释预测结果的方案——AgentMob 在模糊场景下准确率提升 18%，建议直接试一下开源代码。

原文

6月3日

00:37

小互@imxiaohu

用户反馈 Claude Code 升级至 4.8 版本后，频繁出现工具调用无法解析的错误，即使重试也失败。该问题影响开发者的自动化工作流，导致任务中断。目前官方尚未回应，社区中已有 7 条讨论，1772 次浏览，显示问题较为普遍。

AI产品 Claude Code 工具调用 Bug/报错开发者体验升级问题

推荐理由：Claude Code 重度用户注意了——4.8 版本的解析 bug 会打断你的自动化流程，遇到类似问题的开发者可以看看评论区是否有临时方案。

原文

6月2日

17:15

官方一手marktechpost@Michal Sutter

83°

阿里Qwen团队在百炼平台推出Qwen3.7-Plus，这是一个多模态智能体模型。它不仅能理解图像和视频，还新增了自主编程、工具调用和深度推理能力。该模型支持视觉理解、复杂推理和自动化迭代，可应用于更广泛的AI任务场景。这标志着阿里在构建全能型AI智能体方面迈出重要一步。

AI模型 Qwen3.7-Plus 多模态智能体工具调用百炼平台

推荐理由：Qwen3.7-Plus把视觉、推理和工具调用整合到一个模型里，做多模态应用的开发者可以直接在百炼平台体验，省去拼接多个模型的麻烦。

原文

12:03

官方账号arXiv cs.AI@Bardia Mohammadi, Lars Klein, Akhil Arora, Laurent Bindschaedler

论文提出“幽灵工具调用”概念，指AI代理在投机执行未来工具调用时，向外部服务泄露用户意图的问题。即使代理后续放弃该分支，外部观察者已获取的信息无法撤回。作者提出“投机工具隐私契约”运行时抽象，将提交前的观察视为独立于状态变更的一等效应。原型系统评估了12种策略，发现只有发布时修改或抑制调用参数/目标的策略才能减少推断，事后过滤、只读限制和访问控制列表均无效。

论文 AI代理隐私保护投机执行工具调用论文

推荐理由：做AI代理安全与隐私的开发者会关心——投机执行加速了响应，却让用户意图裸奔给外部服务，这篇论文给出了可落地的运行时方案，值得研究隐私工程的团队细读。

原文

08:14

岚叔@lufzzliz

AI模型 Qwen3.7-Plus 多模态 Agent 工具调用性价比

推荐理由：Qwen3.7-Plus 把多模态 Agent 的实用门槛又拉低了一截，做自动化工作流或 GUI 操作的开发者可以直接关注，性价比和功能覆盖都很能打。

原文

5月31日

05:10

rohanpaul_ai@rohanpaul_ai

精选72°

atomic.chat 在 MacBook Pro M5 Max 64GB 上对比了本地 AI 智能体的工具调用能力。Liquid 的 LFM2.5-8B-A1B 模型（8B 参数，MoE 架构）在规划旅行任务中，成功完成所有 7 次外部工具调用（天气查询、货币转换、邮件和提醒），而 gpt-oss-20b 仅完成 3/7 次。LFM2.5-8B-A1B 运行速度达 266 tok/s，内存占用仅 4.8GB，而 gpt-oss-20b 为 146 tok/s 和 11GB。这表明工具调用本质上是控制问题而非语言问题，更小但训练更聚焦的模型可以胜过更大但泛化的模型。

AI模型本地模型工具调用智能体 LFM2.5-8B-A1B gpt-oss-20b

推荐理由：做本地 AI 智能体或工具调用开发的团队，这个对比直接告诉你：模型大小不是关键，控制能力才是。LFM2.5-8B-A1B 的性价比碾压，值得在本地部署试试。

原文

5月30日

11:15

Geek@geekbb

精选

Nous Research 为其 Hermes Agent 引入了 Tool Search 功能，使智能体能够按需加载所需工具，而非一次性加载全部。这一改进提升了资源利用效率和响应速度，尤其适合复杂任务场景。该功能通过动态工具选择机制，减少了不必要的计算开销。对于构建高效智能体的开发者而言，这是一项实用的优化。

AI产品智能体工具调用 Nous Research Hermes Agent 效率优化

推荐理由：Hermes Agent 的 Tool Search 解决了智能体工具冗余加载的痛点，做 Agent 开发的团队可以直接参考实现，提升任务执行效率。

原文

01:17

berryxia@berryxia

Liquid AI 发布 LFM2.5-8B-A1B 模型，这是一个 8B MoE 模型，但仅需 1.5B 活跃参数即可运行。该模型经过 38T tokens 训练和大规模 RL，支持 128K 上下文，工具调用和多步 Agent 能力接近 4 倍参数模型。单台笔记本即可运行完整本地 Agent 循环，延迟低且全程隐私安全，无需调用 GPT-4o 或 Claude。支持 llama.cpp、MLX、vLLM 等框架，覆盖 Apple、NVIDIA、AMD 硬件，表明本地 Agent 落地比预期更快。

AI模型 Liquid AI LFM2.5-8B-A1B MoE 本地Agent 工具调用

推荐理由：本地 Agent 开发者终于不用等大模型了——1.5B 活跃参数就能跑出接近 4 倍参数模型的效果，笔记本就能部署，隐私和延迟都解决了，做本地自动化的建议直接试。

原文

5月29日

11:17

官方一手pandaily@contact@pandaily.com (Pandaily)

78°

Stepfun 开源了 Step 3.7 Flash，这是一个 196B 参数的稀疏 MoE 大语言模型，专为智能体工作流优化。该模型推理速度达 400 tokens/s，并原生支持工具调用，能高效执行复杂任务。开源此举旨在推动智能体生态发展，降低开发者构建自主系统的门槛。Step 3.7 Flash 在多项基准测试中表现优异，尤其适合需要快速响应和工具集成的场景。

AI模型 Step 3.7 Flash MoE 智能体工具调用开源

推荐理由：做智能体开发的团队终于有了一个原生支持工具调用且速度极快的开源模型——400 tokens/s 的推理速度能显著提升任务执行效率，建议直接上手测试。

原文

07:36

官方一手marktechpost@Asif Razzaq

Liquid AI 发布了 LFM2.5-8B-A1B，一款面向端侧设备的混合专家（MoE）模型。该模型总参数量为 8.3B，但每次推理仅激活 1.5B 参数，大幅降低了计算和内存需求。它支持 128K 上下文长度，具备推理和工具调用能力，可在消费级硬件上运行。这标志着端侧 AI 模型在效率与能力之间取得了重要平衡，为移动设备和边缘计算场景提供了新的选择。

AI模型端侧模型 MoE Liquid AI 推理模型工具调用

推荐理由：端侧部署大模型一直受限于算力和内存，LFM2.5-8B-A1B 用 1.5B 激活参数实现 128K 上下文和工具调用，做移动端 AI 应用或边缘推理的开发者可以直接评估其性能。

原文

5月28日

05:08

官方账号LangChain@LangChainAI

LangChain 发布了 Managed Deep Agents，专为需要长时间运行、使用工具、保持上下文并生成产物的智能体设计。该产品支持多种应用场景，包括客服与分类智能体、研究智能体、编程智能体、数据分析智能体和内部运营智能体。它解决了传统智能体在长周期任务中上下文丢失和工具调用不稳定的问题。团队可以基于此构建更可靠、更自主的自动化工作流。

AI产品 LangChain 智能体长周期任务自动化工具调用

推荐理由：做复杂自动化任务的团队终于有了专门的长周期智能体方案——LangChain 的 Managed Deep Agents 解决了上下文丢失和工具调用稳定性问题，做客服、研究、编程或数据分析的开发者可以直接用来构建更可靠的自主工作流。

原文

5月26日

13:13

13:13IT之家（博客/媒体）

精选

昆仑万维天工 AI 推出 SkyClaw-v1.0 及轻量版 SkyClaw-v1.0-lite，支持百万 token 上下文，专为真实智能体工作流设计。模型在复杂工具调用、多轮任务、代码生成等场景表现优异，全面超越 Minimax 2.7、DeepSeek V4 Flash 等开源模型，性能接近更大规模顶级模型。定价低于同类一半，已接入天工 Skywork 平台，即日起开放 2-4 周免费试用。

AI模型 Agent 模型百万上下文开源/仓库工具调用昆仑万维

推荐理由：做 Agent 开发或自动化工作流的团队终于有了性价比之选——SkyClaw 百万上下文且定价低于同类一半，建议直接免费试用看看能否替代现有方案。

原文

5月25日

10:21

官方一手pandaily@contact@pandaily.com (Pandaily)

83°

阿里巴巴的 Qwen 3.7 Max 模型完成了一次长达 35 小时的自主任务运行，期间执行了 1,158 次工具调用。这一表现展示了模型在长时间、多步骤任务中的持续稳定能力，令海外开发者印象深刻。该成果凸显了 Qwen 系列在复杂自动化场景下的潜力，可能推动更多企业探索 AI 驱动的长周期工作流。

AI模型 Qwen 3.7 Max 阿里巴巴自主任务工具调用长任务

推荐理由：Qwen 3.7 Max 证明了 AI 可以稳定执行 35 小时的长任务，做自动化工作流或复杂项目管理的开发者值得关注，这可能是你寻找的可靠长任务模型。

原文

5月21日

08:00

OpenRouter@OpenRouterAI

76°

OpenRouter 宣布，平台上所有支持工具调用的模型现在都可以自主决定何时进行网络搜索、搜索什么内容以及搜索多少次，实现了智能化的网络搜索与获取功能。同时，OpenRouter 新增了 @p0 作为网络搜索提供商。这一更新让开发者无需手动配置搜索逻辑，模型能根据任务需求自动调用搜索工具，提升了信息获取的灵活性和效率。对于需要实时信息或外部知识的 AI 应用，这是一个实用的功能增强。

AI产品 OpenRouter 工具调用网络搜索智能体 AI 产品

推荐理由：做 AI 应用开发的团队不用再自己写搜索调度逻辑了——模型自己决定搜什么、搜几次，OpenRouter 用户可以直接用起来。

原文

5月20日

18:28

Skywork@Skywork_ai

Skywork 发布 SkyClaw-v1.0 智能体模型，专为 OpenClaw、Hermes 和 Nanobot 优化，具备更强的工具使用和多轮任务执行能力。该模型现已作为一级提供商正式集成到 nanobot 配置中，用户只需填入 API 密钥即可使用。同时推出的还有 SkyClaw-v1.0-lite，速度更快、成本更低。

AI模型智能体工具调用 SkyClaw nanobot 开源/仓库

推荐理由：智能体开发者终于有了一个专门为工具调用和多轮任务优化的模型，直接接入 nanobot 就能用，做 agent 编排的团队建议试试。

原文