NVIDIA DGX Spark 将推出 64GB 统一内存配置，支持在设备上运行最多 100B 参数模型，起售价为 $4,999。两台设备可通过 NVIDIA Sync Cluster Assistant 组建 128GB 集群，将模型支持范围扩展至最多 200B 参数；NVIDIA 在 Qwen 3.8 27B 测试中称，双机性能最高达到单机的 1.7x。
推荐理由：64GB 配置提供了从单机本地智能体到双机集群的渐进路径，适合评估本地推理、长上下文和多智能体工作流的硬件需求。
ServiceNow CoreAI介绍 AutoSynthData，它利用目标模型的失败和更强教师模型的成功，生成并验证适用于企业环境的智能体训练任务。该流程通过可执行性检查、正负验证、修复和批次覆盖审查筛选数据，并将训练目标移向模型仍然困难的能力边界。
推荐理由：文章把企业智能体训练拆成失败诊断、任务生成、环境执行和正负验证闭环，为构建可复用且难度贴合的 SFT 数据流程提供了具体参考。
ComfyUI 发布 Comfy Agent，现已向所有 Comfy Cloud 用户开放，并计划在几周后进入 Comfy Desktop。它可在画布中根据描述构建、运行和迭代工作流，支持比较模型、解释工作流、批量处理 20 张图片，并允许最多 5 个并行聊天。Comfy Agent 目前处于 beta 阶段，可领取免费初始聊天次数，并使用已有的 Comfy Credits。
推荐理由：Comfy Agent 将工作流搭建、运行、迭代与错误处理放进对话协作，呈现了智能体介入 ComfyUI 创作流程的具体方式。
Comfy Agent 与 AI 动画艺术家 852話 Hakoniwa 共同完成了首部使用 Comfy Agent 创作的动画短片《YUI》。项目最终成片时长为 4:20，主要使用 Seedance 2.5 制作正片、MiniMax H3 制作幕后视频，并比较了 Wan 等视频模型。
推荐理由：文章拆解了从角色设计、分镜准备到镜头重生成、模型比较和一致性检查的流程，并给出成本与工时参考。
Google DeepMind 发布 Gemini 4 Argon，面向复杂软件工程、企业知识工作和网络安全防御，现通过 Fairwind Program 向一批可信网络防御者分阶段开放。
推荐理由：原文同时给出 1M tokens 输出上限、企业工作流评测与分阶段开放安排，可用于比较长程任务能力和接入门槛。
ElevenLabs完成$300 million员工要约收购，估值达到$22 billion，是其2026年2月Series D估值的两倍。公司称企业客户已贡献55%的收入，ElevenAgents每周处理超过15 million次对话，较2月增长3x；其语音智能体平均比聊天智能体快31%解决问题。
推荐理由：企业收入占比、智能体处理量和多渠道部署数据，提供了观察语音智能体商业化进展的具体参照。
Canva 宣布为 Meta 的个人 AI 智能体 Muse 接入 Canva 连接器，用户可在对话中创建设计，并使用品牌字体、颜色和素材。连接器还支持搜索设计库、导出文件，生成的 Canva 设计可继续编辑；该功能面向美国和加拿大用户开放。
推荐理由：这项连接把对话式规划与品牌素材、设计库搜索和可编辑设计串起来，可参考其在智能体创作工作流中的分工方式。
Luma 发布了一份护肤与美妆品牌 AI 提示词指南，提供 15 组覆盖产品图像、社交内容、邮件、广告和视频的提示词结构。指南强调七部分美妆产品图像提示词框架，以及针对 Instagram、TikTok 等平台调整格式和叙事方式。它还介绍了用 Layers 保留既有构图进行局部修改，并提到 Luma Agents、Skills 和 Ray 3.2 在连续创作流程中的应用。
H 公司发布 Holo4 系列智能体模型，含 27B dense 与 35B-A3B MoE 两个版本，并推出基于 Nemotron 3 Nano Omni 的 Holotron4 Nano，均已上线 H Models API，权重以 BF16、FP8、NVFP4 和 4-bit GGUF 在 Hugging Face 开放。
推荐理由：Holo4 给出跨 GUI、代码、MCP 与 API 的统一智能体方案，并公开轨迹与权重，便于评估开源电脑操作智能体的成本与能力边界。
ElevenLabs 发布情感表现更强的文本转语音模型 Eleven v4 及低延迟版本 Eleven v4 Turbo，两者支持 90 多种语言，已在 ElevenAgents、ElevenCreative 和 ElevenAPI 上线。
推荐理由：官方给出 Eleven v4 与 Turbo 的延迟、盲测偏好和音频标签控制细节，可用于语音智能体与配音选型参考。
Black Forest Labs 发布 FLUX 3 Action（F3A）机器人动作策略模型及其开放权重，采用 WAM 联合预测未来视频与动作。报告称，其单步 7B checkpoint 在 RoboLab 达到 38.3%，高于 Cosmos 3 Nano 的 36.8%；guidance-distilled checkpoint 达到 42.2%。
推荐理由：报告同时给出 RoboLab、真实机器人和推理效率数据，可用于比较 WAM 与 VLA 在成功率、速度和部署成本上的取舍。
Comfy 在 Comfy Developer Platform 上线 Comfy Router，开发者只需集成一次即可调用前沿图像、视频、3D 和音频模型，并按任务选择供应商。
推荐理由：Comfy Router 把多家供应商的前沿图像视频模型收进一个 API，读者可据此判断多供应商切换与排队重试对现有生成流程的改动。
NVIDIA 在 ROSCon 大会上发布 Isaac ROS 5.0，新增智能体工作流与平台支持，支持 ROS Lyrical 和 Ubuntu 24.04。
Parallel 借助 GPT-6 Astra 让智能体研究并综合劳动力市场数据，耗时和成本均降至此前模型的一半。
Luma 介绍了面向房地产房源和虚拟布置的六部分 AI 照片提示词结构，涵盖房间类型、风格、材质、色彩、光线和氛围。文章还给出客厅、厨房、卧室、外景、物体移除和天空替换示例，并讨论建筑结构保留、MLS 对 AI 图像的披露要求，以及 Luma Agents、Uni-1、Layers、Ray 3.2 和 Skills 在房源营销工作流中的应用。
Luma介绍面向餐厅与 CPG 品牌的 AI 食物摄影方法，建议用菜品参考、机位、材质、光线方向、构图、用途和保真指令组成七要素提示词。文章区分 photo enhancers 与 text generators，并称 AI enhancement tools 可在 90 seconds 内产出菜单可用图片。
NVIDIA 展示 ThinkLabs AI、Atomic Canyon、Redwood Materials、TerraPower 和 CFS 将 AI 用于清洁能源项目，推进低碳电网建设。
这份指南比较了适用于无真人出镜 YouTube 频道的多款 AI 视频工具，涵盖 Luma、Pictory、Faceless.so、Synthesia、Steve AI、AutoShorts.ai、Fliki 和 Canva。
OpenAI 发布 Astra for Law，为法律行业提供前沿智能，支持律所自定义工作流、接入法律数据源，并配备面向保密客户工作的法律级管控。该产品隶属 OpenAI for Law。
OpenAI 推出 AI 驱动的广告新体验，包括 Sponsored Agents 和面向营销人员的工具，并接入 HubSpot 与 Shopify。
Hex 的数据智能体借助 GPT-6 Astra，把分析答案转化为可交互的可视化报告，让员工愿意主动分享。
Google DeepMind 发布两款实时对话模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，前者面向规模化与成本效率，后者面向高复杂度任务与多步推理。
推荐理由：官方给出两款语音模型的基准成绩与开放渠道，可据此判断实时语音智能体的选型与成本取舍。
8 款 LTX Studio 替代工具围绕分镜到视频的衔接进行评估，重点考察多镜头生成、原生音频同步、智能体工作流和精确编辑能力。73% 的电影制片厂已使用 AI 分镜；Luma 以 Ray 3.2、Uni-1 和 Luma Agents 提供逐帧运动控制、元素级编辑与项目上下文保持。
Hugging Face 发布 Workflow1111，用 Gradio Workflow 把 AUTOMATIC1111 的大部分功能重建为一张工作流画布，由 11 条媒体流水线和 73 个节点组成，覆盖文生图、高清修复、图生图、提示词矩阵、VLM 反推、检测生成 inpaint 掩码、ControlNet 风格标注器、背景移除、PNG Info 与图生视频。
推荐理由：用 73 个节点复刻 A1111 全部功能并暴露 REST 与 MCP 接口，可据此判断节点式创作工作流的搭建与复用方式。
OpenAI 发布 Agents API，这是一个由 Codex harness 驱动的托管服务，用于构建和上线云端智能体，支持编排、长时间运行的会话和工具调用。
OpenAI 发布 GPT-6 Astra，称其是面向企业场景能力最强的模型，具备更强的推理、computer use 以及写作与设计判断能力。目前官方仅给出这一简要介绍，未披露版本细节、开放方式与可用范围。
推荐理由：OpenAI 官方给出 GPT-6 Astra 的定位与能力方向，可用于判断企业级模型选型与智能体落地的下一步。
Runway 发布 GWM Worlds 2 研究预览，这是 GWM Worlds 的下一代实时交互世界模型，可实时生成 720p、24 fps 视频与 48,000 Hz 音频，并响应用户输入。
推荐理由：Runway 公开了实时交互世界模型的架构与限制，可据此判断实时生成在游戏和智能体仿真中的可用边界。
作者用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型通过 p5.brush 写 JavaScript 画水彩的思路，参考池、RL 环境、训练脚本和训练好的模型全部开源，整条流程跑在 Hugging Face 上。
推荐理由：完整公开了一套用 RL 训练模型写代码作画的流程与全部产物，可借鉴其奖励设计与环境搭建思路。
Google DeepMind 推出智能体视频理解功能，覆盖 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite，官方称分析成本最多降低 66%、token 消耗最多降低 88%、准确率最多提升 7%。
推荐理由：官方给出 token 与成本降幅及可用入口，可据此评估长视频分析方案的选型与改造成本。
World Labs 发布下一代世界模型 Atlas，这是一个从零预训练的多模态自回归扩散 Transformer，原生处理文本、图像、视频和 3D，所有输入被组合进共享的空间上下文。
推荐理由：Atlas 把相机位姿与 3D 深度作为原生输入，读者可据此判断世界模型在可控生成与稀疏重建上的路线差异。
Hugging Face 在 Gradio 中推出 gr.Workflow，把多步 AI 管线描述为带类型端口的节点图，Gradio 直接提供可拖拽画布，每个节点可运行、每个中间结果可见，同一张图同时是 REST API 并可一键部署到 Hugging Face Spaces。
推荐理由：原文给出 gr.Workflow 的节点类型与多端点 API 用法，可据此判断多步生成管线如何一次搭好并直接调用。
ElevenLabs 发布 CLI v1，将 ElevenLabs API 直接带入终端，并为编码智能体提供结构化 JSON 结果、--dry-run 预览和可解析错误。
推荐理由：ElevenLabs 将 API、结构化结果和 agents-as-code 纳入 CLI，展示了编码智能体管理语音应用与生产配置的可复用工作流。
Google DeepMind 宣布与 EVE 宇宙开发商 Fenris Creations 建立研究合作，把 EVE Online、EVE Vanguard 和 EVE Frontier 作为研究持续学习、记忆、长时程规划和复杂多智能体动态的环境。
推荐理由：DeepMind 公开了游戏智能体从离线沙盒到持久世界的推进路径，可据此判断通用游戏 Agent 的落地节奏与安全边界。
ComfyUI 与 MiniMax 团队发起 H3 音画同步社区挑战赛，要求参赛者用 H3 在同一轮生成视频和同步音频，作品最长 90 秒且每人限投一次。参赛者还需提交实际的 ComfyUI `.json` 工作流，活动支持本地运行或 Comfy Cloud，9/2 公布结果。
推荐理由：挑战同时要求 H3 在同一轮生成音频与视频，并提交可复现的 ComfyUI 工作流，呈现了音画同步创作的实践约束。
ComfyUI 开源 Comfy MCP 本地连接，让 Claude、Codex、Cursor 等 Agent 连接本机 ComfyUI，并与 Cloud MCP 统一。Agent 可读取本机 GPU、已安装节点和磁盘模型，判断模型是否适合本地运行，自动完成模型与工作流配置并执行任务。
推荐理由：它把本地 GPU、节点和模型检查接入智能体工作流，可帮助创作者在下载模型前判断硬件适配，并减少本地部署与工作流配置的手工步骤。
Hugging Face Blog介绍了用 Strands Robots、LeRobot 和 Hugging Face Storage Buckets 构建机器人数据流闭环的方法。
推荐理由：文章展示了机器人示范采集、增量同步、远程流式训练和硬件部署如何串成闭环，并交代了桶存储的审计与安全边界。
Meta 发布 Muse Glimmer-30B，这款采用 Apache 2.0 许可的开源多模态模型面向本地智能体场景。模型由 2B ViT-style 视觉编码器和 28B 文本解码器组成，并支持图像、视频输入与多模态工具调用。
推荐理由：原文同时给出 Muse Glimmer 的 30B 架构、Apache 2.0 开放方式和本地部署路径，便于评估多模态智能体的落地门槛。
Wan Animate 2 已在 ComfyUI 中原生支持，该模型采用端到端角色动画框架，驱动视频直接进入重新设计的 Diffusion Transformer，省去中间运动提取器，以提升运动保真度和角色身份一致性，并支持文本驱动的视角控制。
推荐理由：ComfyUI 原生接入 Wan Animate 2，读者可据此判断角色动画工作流的节点改动与实时化路径。
字节 Seed 正式推出原生音视频全双工大模型 SeedRealtime，用统一架构融合音频、视频与文本，支持在连续多模态流上实时交互。官方称端到端人工评测中，相比级联模型音视频对话节奏问题减少一半，单次对话顺畅完整交流的概率明显提升。该模型已在豆包 App 全量上线，更新后在对话框选择打电话进入视频通话即可体验。
推荐理由：官方披露了统一架构、端到端评测口径与豆包全量上线入口，可据此判断全双工音视频交互的落地形态。
字节跳动 Seed 团队正式发布新一代视频创作模型 Seedance 2.5，单次生成时长从 15 秒提升至 30 秒并支持多轮延长，延续 Seedance 2.0 统一的多模态音视频联合生成架构，重点突破长叙事、多模态参考和编辑能力。
推荐理由：官方给出 30 秒单次生成、多模态参考与时间戳编辑的具体能力边界，可据此判断长叙事视频工作流的可用性。