DeepSeek发布首款Agent产品Harness预览版，主打"一切皆插件"架构
8月13日晚间，DeepSeek正式推出了旗下首款Agent产品——DeepSeek Harness开发者预览版（v0.1）。这是DeepSeek从大模型研发向Agent工程化落地的第一步，也是其Harness团队独立运营后交出的第一份答卷。
这个项目的核心主张只有五个字：一切皆插件。说白了，Harness把Agent运行时拆成了一套可自由组装的模块化系统。底层是一个叫Cordis的内核，但它只管插件的加载、卸载和依赖关系，不承载任何具体的Agent能力。模型调用、工具执行、技能编排、会话管理、沙箱隔离、存储、循环调度、UI渲染——所有这些能力，全部以插件形式提供，通过Cordis的服务与事件机制互相协作。
这种设计带来的实际好处是：开发者不需要改源码，在配置层就能选择、替换或扩展任意一项能力。想换个模型？换插件。想加个新工具？加插件。想调整任务调度逻辑？还是插件。整个Agent的行为完全由配置决定，而非硬编码。
从产品定位来看，Harness解决的不是"模型聪不聪明"的问题，而是"Agent怎么在真实场景里持续干活"的问题。模型提供理解能力，Harness提供执行环境——理解工具、操作工具、在复杂任务中不中断地跑下去。
目前还是v0.1预览版，功能完整度和稳定性肯定还有打磨空间。但从架构思路来看，DeepSeek这次确实想清楚了Agent运行时该长什么样。不是堆功能，而是搭一个足够灵活的骨架，让社区和开发者自己往上长东西。
结合此前DeepSeek创始人梁文锋"全力做通用Agent"的内部表态，以及Harness团队5月组建、8月即出产品的节奏，DeepSeek在Agent赛道的推进速度比外界预期的要快。至于这个"一切皆插件"的路线能不能跑通，还得看后续开发者社区的采纳情况和实际使用反馈。
官网地址：DeepSeek Harness官网
智谱GLM-5.3发布：不换底座，纯靠后训练把编程能力拉满
智谱AI今天正式发布GLM-5.3，这个版本最让人意外的地方在于：底座模型完全没变，还是GLM-5.2那个743B参数的基座，所有性能提升全部来自后训练阶段的规模化迭代。
这跟行业里"换更大模型才能变强"的惯性思路完全相反。智谱团队在原有技术栈上做了三件事：用IndexShare处理百万级超长上下文，保证大型代码库读取不丢信息；用SAO单样本异步强化学习方案适配多步骤长时序任务，解决传统同步训练的算力浪费；用slime开源异步后训练框架统一承载训练、推理和数据缓存全链路。
在此基础上，团队扩充了大量贴近真实职场的任务环境，覆盖完整软件开发、漏洞挖掘、企业自动化运维等场景，投入更多算力做深度RL微调。整套流程还加入了环境自动生成和任务可行性校验流水线，减少了人工搭建任务的成本。
效果如何？数据摆在那儿。自研Z.ai Code Bench上，整体编码准确率提升50%，高难度场景下仅需50K输出token就能超越Claude Opus 4.8的表现。Terminal Bench 3.0从前代的4.6分暴涨到28.3分。DeepSWE v1.1代码修复基准从46.2提到66.9。Agents' Last Exam长时序CLI任务从23.8提到28.5。AutomationBench、HLE w/ Tools、GDPval-AA v2等基准全部刷新开源最优成绩。
更值得注意的是，GLM-5.3在网络安全漏洞挖掘能力上出现了所谓的"突破性涌现"。这意味着模型不只是在写代码，而是开始具备发现代码中安全隐患的能力。
当然，基准分数和真实工程体验之间永远有差距。GLM-5.3在实际项目中的表现如何，还需要开发者社区一段时间的使用验证。但"同底座、纯后训练"这条路线如果成立，对整个行业的训练范式都有参考意义。
详情查看： https://www.aitop100.cn/infomation/details/34470.html
谷歌发布Gemini 3.7 Flash：不卷跑分，专攻编码和Agent的可靠性
8月14日凌晨，谷歌在X平台官宣了Gemini 3.7 Flash。官方给它的定位是"谷歌迄今最智能的多功能模型，专为编码和智能代理设计"。
如果你只盯着SOTA榜单看，可能会觉得这次发布不够炸裂——毕竟它不是Pro或Ultra级别的旗舰推理模型。但换个角度想，对于正在把Agent往生产环境里搬的开发者，或者每天靠AI处理邮件、日程、文档的知识工作者来说，这可能是今年最值得关注的更新之一。
原因很简单：Gemini 3.7 Flash解决的不是"能不能做"的问题，而是"能不能稳定地做、并且做得起"的问题。当前AI落地最痛的点恰恰在这里——模型demo很惊艳，但到了真实工作流里，指令遵循不稳定、代码首次通过率低、UI生成不听话，这些"最后一公里"的可靠性问题才是真正卡脖子的。
谷歌官方强调的三个改进方向也印证了这一点：首次通过时更准确的代码生成、UI生成中更好的设计遵循、更忠实地执行用户指令。说白了就是减少"来回改"的次数，让AI一次就把活干对。
谷歌还拿自家产品Antigravity做了演示，用Gemini Omni一击即中地生成了一个动态登陆页面，展示这种"首次即正确"的体验。
从产品策略来看，谷歌在Gemini 3.5 Pro迟迟未出的空档期，选择先发一个Flash级别的"工作马"模型，既填补了市场空白，也给开发者一个马上能用的选项。这比等一个完美旗舰要务实得多。至于它能不能真正撑起"可靠工作马"这个定位，还得看接下来几周开发者的实际反馈。
模型地址：谷歌gemini官网（海外网站需要科学上网）
MiniMax发布Music3音乐模型：给歌词就能生成最长5分钟完整歌曲
MiniMax8月13日推出了音乐生成模型MiniMax-Music3，输入歌词和音乐风格描述，就能生成最长5分钟的完整歌曲，输出格式为32kHz、16-bit立体声WAV文件。
技术架构上，Music3采用了一套分层自回归设计，两个模型分工明确。上层是一个8B参数的全局语言模型（Global LLM），从Qwen3-8B初始化而来，逐帧预测第1个RVQ码本，专门负责建模歌曲的长程语义和结构变化——前奏怎么起、主歌怎么进、副歌怎么推、桥段怎么转，这些大框架由它把控。下层是一个0.6B参数的局部语言模型（Local LLM），负责预测每帧里其余声学码本，把细粒度的音色、音高、节奏细节补回来。一个管骨架，一个填血肉，分工相当清晰。
官方表示，模型能在长音频中稳住音乐主题、节奏、歌声身份和编曲推进，前奏、主歌、预副歌、副歌、桥段、器乐间奏、尾奏这些结构一个不落。这对音乐生成来说是个不小的挑战——很多模型生成30秒还行，拉到3分钟就开始跑偏、重复或者结构崩塌。
目前模型页面已上线Hugging Face，同时提供了生成歌曲示例供试听。MiniMax在音乐生成领域已经迭代了好几个版本，Music3在时长和结构完整性上的进步是比较明显的。
不过也要说一句，AI音乐生成目前面临的争议不小，版权、原创性、对音乐人创作生态的影响，这些问题还没有定论。技术能力是一回事，行业怎么消化这个能力是另一回事。
模型地址： https://huggingface.co/MiniMaxAI/MiniMax-Music3
百度GenFlow正式定名"库库AI"，月活破亿后推出独立产品矩阵
8月14日，百度在AI Day开放日上宣布，旗下文库网盘通用智能体GenFlow正式定名"库库AI"，并同步推出独立产品矩阵，包括PC客户端、网页端、小程序及企业版四个形态。
数据层面，GenFlow月活用户已突破1亿，其中AI办公月活用户超过2500万。这个体量在国内AI办公产品里算是头部水平了。选择在这个节点做品牌独立化，逻辑不难理解：用户基数到了，需要从"文库里的一个功能"变成"一个独立产品"，才能承载更多场景和更深的商业化。
从产品形态来看，库库AI覆盖了个人办公、网页使用、移动端和企业级应用四个层面。PC客户端主打重度办公场景，网页端降低使用门槛，小程序切入移动端碎片化需求，企业版则面向B端协同办公。四条线同时铺开，野心不小。
百度文库和网盘本身就有庞大的存量用户，GenFlow能在这个基础上长到1亿月活，说明"AI+文档+存储"这个组合确实戳中了用户的真实需求。但独立出来之后，库库AI面临的新问题是：怎么跟WPS AI、钉钉智能助理、飞书智能伙伴这些已经跑了很久的竞品拉开差距？
AI Agent正在从单一功能工具向覆盖信息处理、内容生产和办公协同的综合智能体演进，这个方向没问题。但产品矩阵铺得再开，最终还是要回到"用户每天到底用不用、用多久"这个最朴素的问题上。
腾讯混元后训练负责人徐灿转岗微信WeLM团队
据《智能涌现》报道，腾讯混元资深研究员徐灿已正式转岗至微信事业群，加入WeLM大模型团队，重点参与后训练与Agent研发方向的工作。
徐灿的背景在业内不算陌生。他出自微软亚洲研究院，曾以第一作者身份创建了WizardLM项目，并提出了Evol-Instruct方法，在合成数据、强化学习反馈和自动评测领域有比较深的积累。这次调岗，等于把一位在后训练和复杂任务执行方面有实战经验的人，直接放到了微信AI的核心技术团队里。
时机上也有讲究。微信原生AI助手"小微"6月已开启灰度测试，支持语音或文字操控微信功能，还能直接调用小程序完成服务。WeLM团队同时在推进高度稀疏MoE架构研发，目标是在保持总参数规模的前提下大幅降低推理成本，适配微信的海量用户场景。徐灿在任务规划和工具调用方面的经验，恰好补上了WeLM当前最需要强化的环节。
从更大的背景来看，这次人事调整也反映了腾讯内部AI布局的微妙变化。元宝App增长承压，微信选择依托WeLM和"小微"走一条独立的C端AI路径，而不是简单复用混元的通用能力。把混元的核心人才调到微信，某种程度上也是集团在资源层面给微信AI开绿灯。
当然，一个人能改变多少还不好说，但方向上的信号是明确的：微信的AI野心不止于一个聊天助手
腾讯启动AI产培生招聘，新设20余个专属岗位
8月13日，腾讯正式启动"AI产品经理培训生"项目招聘，面向2026年1月1日至2027年12月31日期间毕业的大学生，新上架超过20个产培生专属岗位。
这次招聘开放的业务范围相当广，涵盖腾讯混元大模型、WorkBuddy等AI原生产品，以及游戏、社交、金融、云等成熟垂类场景。不是让你去一个边缘部门试水，而是入职即定岗腾讯核心AI业务。
培养机制上，腾讯给这套项目配了几层资源：双导师加跨团队导师制、跨部门AI实训课程、产品专业能力与AI能力并行的双线训练模式。说白了，就是不让产培生只懂产品不懂技术，也不懂技术的人瞎指挥技术。
这个项目的前身是腾讯"产品经理培训生"，2025年升级为"AI产品经理培训生"，今年又做了一轮迭代。连续三年加码，说明腾讯确实在把AI人才储备当成战略级的事来做，而不是赶个招聘季的热度。
感兴趣的毕业生可以登录腾讯招聘官网，在"人才专项"板块下选择"AI产品经理培训生"进行投递。需要注意的是，每人最多投递2个职位，同一时间只有1个申请在流程中。
在当前AI行业抢人大战的背景下，腾讯选择用产培生这种"长周期培养"的方式招人，而不是只盯着社招挖人，思路算是比较务实的。能不能真正培养出懂AI的产品经理，两三年后见分晓。
招聘官网：join.qq.com
AITOP100-AI资讯频道将持续关注AI行业新闻资讯消息，带来最新AI内容讯息。
想了解AITOP100平台其它版块的内容，请点击下方超链接查看
AI创作大赛 | AI活动 | AI工具集 | AI资讯专区 | AI小说
AITOP100平台官方交流社群二维码：
