Browser Use 将最快的浏览器智能体 BU Ultrafast 从等待名单开放到美国所有 Cloud 套餐（含免费版），中位任务耗时 22 秒、成本 $0.0064。官方对比默认的 GPT-6 Luna 智能体为 79 秒、$0.0098，速度快 3 倍以上且单任务更便宜。使用时只需把 model 设为 bu-ultrafast，需要更多逐步推理可改用 bu-fast。
推荐理由：官方给出中位任务耗时与单次成本对比，可据此判断浏览器智能体的速度与费用取舍。
Factory 发布 Droid 1.0，这是其智能体 harness 迄今最大的一次更新，默认启用程序化工具调用（Script 模式），模型可写一段 JavaScript 在一次请求内发起数百次工具调用。
推荐理由：原文给出 Droid 1.0 在 Terminal-Bench 4 上与 Codex、Claude Code 等 harness 的同任务对比，以及程序化工具调用带来的成本与上下文变化。
vLLM 宣布在 Mistral Large 4 发布当天提供支持，该模型为 1 万亿参数、每 token 激活 49B 的 MoE 原生多模态模型，提供 FP8 与 NVFP4 两种 checkpoint。
推荐理由：原文给出 Mistral Large 4 在 vLLM 上的完整部署参数与多项优化前后对比数据，可作为长上下文推理配置的参考。
OpenRouter 宣布重构默认供应商路由算法，从主要按输入 token 价格排序改为综合实际价格、首 token 延迟、吞吐、错误率与输出质量的实时 Routing Cost。
推荐理由：OpenRouter 公开了路由算法从唯价格到综合成本的重构细节与一周 switchback 实验数据，可据此判断推理成本与延迟的取舍。
GitHub 在 GitHub Copilot 中发布 Copilot Fusion，在 Anthropic 与 OpenAI 的多个模型之间做运行时调度，按任务优化性能、成本和延迟。
推荐理由：Artificial Analysis 用 Coding Agent Index 实测 Copilot Fusion，给出成本、token 用量与三项基准的分项对比。
Google 为生成式 UI 协议 A2UI 推出可替换推理格式，新增 A2UI Express 作为默认格式，官方称延迟最多降低 3 倍，生成同类 UI 所需 token 比 Direct JSON 最多少 3 倍。
推荐理由：原文给出可替换推理格式的接入方式与延迟、token 对比数据，读者可据此判断生成式 UI 的提速路径。
Replit 面向所有 Pro 与 Enterprise 客户开放 Cloud Agents，非工程人员用自然语言描述改动后，智能体定位代码、在云沙箱中运行应用验证，并向 GitHub 或 GitLab 提交带截图和视频的 PR 或 MR。
推荐理由：原文说明了非工程人员如何用 Cloud Agents 向核心代码库提交经测试的 PR，以及共享环境与技能沉淀的具体机制。
Apple 为 Apple Creator Studio 推出更新，Final Cut Pro for Mac 内置 MotionVFX 特效与模板，并可在应用内使用 Content Hub 的视频素材。
推荐理由：原文列出各创作应用新增的 AI 能力与 MCP 支持，读者可据此判断苹果生态内创作工作流的变化。
NVIDIA 发布 AIOps 平台 Minerva，汇集基础设施与 AI 负载的遥测数据，用专用 AI 模型把数据转成可执行的洞察。平台通过动态知识图谱映射 GPU、SuperNIC、交换机、线缆及运行其上的任务，每小时分析数十亿数据点，可把大量告警聚合成带根因的单一事件。
推荐理由：原文交代了 Minerva 如何把基础设施与负载遥测关联成知识图谱，读者可据此判断 AI 工厂运维的监控方式会怎样变化。
NVIDIA 扩展 Cosmos 平台，新增训练工具、仿真 checkpoint 和 Cosmos Data Factory 蓝图，并称该平台在六个开放模型排行榜中进入前五。
推荐理由：原文列出 Cosmos 平台新增的训练、仿真与部署工具，并给出 Porsche、ANYbotics 等落地数据，可据此判断世界模型开发链路的变化。
NVIDIA 在 GTC Berlin 展示本地 AI 硬件全线产品，RTX Spark 面向 Windows PC 上的个人智能体，DGX Spark 面向 Linux 开发者，DGX Station 面向企业前沿负载。
推荐理由：原文集中列出 RTX Spark、DGX Spark 与 DGX Station 的本地 AI 硬件与软件更新，可据此判断本地智能体的部署形态。
NVIDIA 扩展开源 Agent Toolkit，新增 Agent Knowledge Foundation，并整合 CUDA-X 库、Nemotron Retriever 与 Kumo 系列开放模型、OpenShell 安全运行时和 NemoClaw 蓝图。
推荐理由：原文列出 Agent Toolkit 新增组件与 Palantir、Databricks、Snowflake 等企业落地方式，可据此判断企业智能体如何接入自有数据。
Hugging Face 宣布 TorchTPU 作为 PyTorch 原生 TPU 后端接入其生态，Transformers、Diffusers 和 Kernels 可直接在 TPU 上运行，不再需要 Optimum TPU。
推荐理由：原文给出安装命令与 Transformers、Diffusers 的接入方式，读者可据此判断 PyTorch 在 TPU 上的迁移成本。
Google 公开发布 Deep Review，一个面向复杂文档提供反馈与技术核验的智能体系统，最初用于计算机科学论文分析，现已扩展到法律、金融等领域。系统采用文档分段、自适应算力预算、并行核验与全局综合四阶段流水线，每个用户每周可免费审阅两份文档，也可接入 Gemini API key 提高额度。
推荐理由：原文交代了四阶段智能体流水线如何分配算力并做外部事实核验，可据此判断长文档审阅的可行边界。
微软研究院开源 Agent Lightning v1.0，用约 3500 行代码实现 Harnessed Agentic RL，让部署时使用的智能体 harness 直接参与强化学习训练。
推荐理由：微软研究院开源了约 3500 行的智能体强化学习框架，并给出用 6000 条样本把 Qwen3.5-9B 在 SWE-bench Verified 上提升 14.6 个百分点的完整流程。