### 1️⃣ 大模型最新动态 **Google 发布 Gemini 3.5 Flash，并将其接入 Search AI Mode** Google在I/O 2026上宣布，Gemini 3.5 Flash将成为其AI Mode的默认模型，并逐步向全球更多地区及语言开放。该模型主要面向Agent、代码生成和多模态搜索场景，同时带来了全新的“智能搜索框”，支持文本、图片、文件、视频甚至Chrome标签页等多种输入方式。 这意味着什么？**搜索入口正在从“关键词检索”升级为“任务型智能入口”**。过去用户在搜索框输入问题，系统返回一堆链接；现在Google试图让搜索框理解用户的复杂意图，直接生成交互式界面，甚至在后台为用户创建信息Agent。对产品经理而言，这传递的信号很明确：传统搜索、AI助手和轻量应用之间的边界，正在加速消融。
**Google 推出 Gemini Spark，强化“24/7 个人 AI Agent”方向** 同样在I/O 2026上，Google展示了Gemini Spark，它被定位为一个可以长期运行的“个人AI Agent”。它能常驻在Google Cloud上持续执行任务，与Gmail、Docs、Drive等服务联动，并计划通过MCP扩展到第三方应用。预计会先向可信测试用户和美国Ultra订阅用户开放。 Spark的重点不只是“会聊天”，而是“可持续工作”。它更像一个云端常驻助理：能监控信息、整理资料、撰写内容、跟踪任务，并在敏感操作前请求用户确认。这也是Agent产品从概念验证走向日常生产力的关键转折。
**OpenAI 发布 Codex 系列更新：更强上下文、更明确目标模式、更适合远程开发** OpenAI在5月21日的更新中，为Codex带来了一系列工程化能力升级：macOS Codex App新增了Appshots（让AI直接理解当前应用窗口）、Goal mode正式可用（允许用户定义目标和成功标准，由Codex持续推进）、浏览器标注能力增强，以及锁屏状态下继续远程执行任务。 不难看出，Codex的升级方向非常务实：**不是单纯提升代码生成质量，而是让AI更好地理解开发者当前的窗口、目标、前端页面和运行环境**。这意味着AI编程工具正在从“代码补全器”转向“可接管复杂任务的工程助手”。
**OpenAI 模型在离散几何中推翻核心猜想，AI for Science 持续升温** OpenAI发布研究动态称，其一个模型推翻了离散几何中的一个中心猜想。这属于AI辅助数学研究方向的最新进展。 这类成果的意义不在于普通用户能否直接使用，而在于说明**前沿模型已经开始进入高难度科学发现领域**。未来，大模型可能不只是“总结知识”，还会在数学、材料、药物、物理等领域参与提出假设、构造反例、辅助证明。
**阿里发布新 AI 芯片，并同步升级 Qwen 系列能力** 据路透社和华尔街日报报道，阿里在5月20日发布了新一代AI芯片“真武M890”，并同步介绍了其AI模型的升级，面向高强度Agent工作负载、长时任务和复杂代码场景。同时，Qwen 3.7-Max也正式推出。 这件事值得关注的不是单个模型的指标，而是**“芯片—云—模型—Agent应用”的纵向一体化趋势**。对于中国AI厂商来说，算力自主、模型能力、云服务商业化正在被捆绑在一起，协同推进。
### 2️⃣ 最新论文速递 **《What Twelve LLM Agent Benchmark Papers Disclose About Themselves》** 这篇来自arXiv的预印本，对12篇有代表性的Agent Benchmark论文进行了一次“披露质量审计”。研究者设计了一个包含身份、运行环境、推理设置、成本报告、失败类型拆解等维度的评分框架。结果显示，8篇Agent Benchmark的平均披露得分仅为0.38，明显低于经典静态Benchmark的0.66。 这篇论文直指当前Agent评测的核心痛点：很多榜单看似分数清晰，但运行环境、工具脚手架、推理成本、失败原因并不透明。**对企业选型来说，未来不能只看Benchmark排名，更要看评测是否可复现、成本是否公开、任务环境是否真实**。
**《ProgramBench: Can Language Models Rebuild Programs From Scratch?》** 这项研究关注了一个比“修bug”更硬核的问题：大模型能否从零开始重建一个完整的程序。它把代码智能体的能力从局部补全、PR修复，推进到了更接近真实软件工程的“整体构建”任务。 这类研究对AI编程工具非常关键。企业真实开发往往不是写一个函数，而是理解需求、拆分模块、搭建架构、调试接口、持续迭代。**ProgramBench代表了评测方向从“代码片段能力”走向“项目级工程能力”**。
**《The Era of End-to-End Autonomy: Transitioning from Rule-Based Driving to Large Driving Models》** 这篇来自悉尼大学的论文，系统梳理了自动驾驶从传统“感知—预测—规划—控制”模块化架构，向端到端学习和大型驾驶模型（Large Driving Models）转型的趋势，并讨论了Tesla FSD、NVIDIA Cosmos、Rivian、Robotaxi等案例。 对于自动驾驶和机器人行业来说，这篇论文的价值在于**总结了一个架构级的范式变化：AI不再只是单点感知模块，而是逐步成为统一的决策系统**。它也提示行业要重新设计安全评测、长尾场景验证和人类监督机制。
### 3️⃣ 热门开源项目推荐 **opencode**：一个面向命令行与开发场景的开源Coding Agent，可用于代码生成、修改、解释和项目级辅助开发。OSSInsight的实时榜单显示，它是过去28天AI开源项目中增长最快的Top Movers之一，新增约1500 stars。这说明开源社区对“可本地化、可控、可集成的AI编程助手”需求依然旺盛。 **OpenAI Codex**：作为OpenAI开源/开放生态中的编码Agent项目，它围绕代码理解、修改、任务执行和开发者工作流集成展开。OSSInsight显示，过去28天增长约742 stars。同期OpenAI官方也在持续增强Codex App、IDE、CLI、浏览器标注等能力，表明Codex正在形成从模型到工具链的完整开发体验。 **Claude Code**：Anthropic面向开发者的AI编程工具，支持代码理解、编辑、执行和工程任务协作。过去28天增长约793 stars。Anthropic也宣布了提升Claude Code使用额度，包括多个计划的五小时速率限制翻倍。 **Context7**：一个面向MCP生态的上下文服务项目，可为AI Agent提供更结构化、更可复用的上下文能力。在MCP Servers类别中表现突出，过去28天增长约206 stars。MCP服务器正在成为本轮Agent工具链的关键基础设施。未来企业落地Agent时，工具连接、权限边界、上下文管理都会依赖这类组件。
### 4️⃣ AI 工具新品与升级 **Google AI Search 智能搜索框**：Google宣布对搜索框进行25年来最大升级，引入AI驱动的动态输入体验，支持文本、图像、文件、视频、Chrome标签页等输入，并可从AI Overview直接进入AI Mode进行多轮追问。 **Google Search Information Agents**：Google表示将把Search带入Agent时代。用户可创建多个信息Agent，让其24/7在后台监测网页、新闻、社交内容、财经、购物、体育等信息，并在满足条件时推送综合更新。该能力将先面向Google AI Pro与Ultra用户于夏季推出。 **OpenAI Codex Appshots / Goal Mode / Browser Annotations**：Appshots让Codex直接理解当前应用窗口；Goal mode让用户定义目标和成功标准，由Codex持续推进；浏览器标注能力则更适合前端样式、页面交互和UI修改反馈。 **Gemini Omni / Omni Flash**：Google推出Gemini Omni模型家族，首个模型Omni Flash支持从文本、图片、视频、音频等多种输入生成视频，并计划在Gemini App、Google Flow、YouTube Shorts中上线。
### 5️⃣ Agent 技术与框架进展 **Google Search 进入Agent化阶段：从“搜答案”到“派任务”**。Google Search将支持Information Agents、Agentic Booking、Agentic Shopping、Agentic Coding等能力。例如，用户可以持续监控房源、查找服务预约、比较商品价格，甚至生成自定义仪表盘或交互式小工具。 这是Agent技术走向大众入口的重要信号。相比独立的Agent App，搜索入口拥有更强的用户习惯和信息源优势。**未来用户可能不会主动打开某个Agent，而是在搜索框中提出目标，由系统自动拆解和执行**。 **Antigra vity 与 Gemini 3.5 Flash 强化“Agentic Coding”**。Google表示将Antigra vity和Gemini 3.5 Flash的Agentic Coding能力接入Search，可根据用户问题实时生成定制化UI、可视化工具、模拟器和任务面板。 这代表AI编程不再局限于IDE内部，而是开始进入普通知识检索场景。例如，用户问一个物理问题、金融问题或规划问题，搜索结果可能直接生成一个可交互的小应用。这对教育、数据分析、金融产品展示都有很强的启发意义。 **Agent Benchmark 透明度成为研究热点**。最新arXiv论文对12篇Agent Benchmark论文进行披露审计，发现它们在成本、运行环境、失败拆解等方面披露不足，尤其是没有充分公开可复现的环境镜像和推理成本。 Agent落地比普通问答更复杂，因为结果受模型、工具、环境、提示词、执行轮数、成本预算共同影响。**未来企业评估Agent时，不能只问“准确率多少”，还要问“运行环境是否可复现、失败是否可归因、成本是否可控”**。 **MCP 与 Coding Agent 继续成为开源社区热点**。OSSInsight实时榜单显示，AI Agents、Coding Agents、MCP Servers、RAG、Inference等类别仍是GitHub AI项目的重点增长方向，其中opencode、claude-code、codex、context7等项目增长突出。 这说明Agent技术已经进入“工具链竞争”阶段。**模型本身固然重要，但谁能更好地连接工具、管理上下文、控制权限、沉淀工作流，谁就更可能在真实业务场景中产生价值**。
### 6️⃣ 自动驾驶 / 机器人动态 **Waymo 5月遭遇多城市服务暂停与复杂天气挑战**。Business Insider报道，Waymo 5月在美国多个城市遭遇自动驾驶服务暂停，原因包括暴雨、积水道路、施工区域表现等问题。此前还涉及车辆驶入积水路段并引发监管关注。 这说明Robotaxi的难点已经从“能不能开”转向了“能不能在复杂天气、施工、道路异常、监管审查下稳定运营”。**自动驾驶商业化进入深水区后，安全冗余、城市运营能力和异常场景处理，比单纯的技术展示更重要**。
**洛杉矶配送机器人快速扩张，引发城市治理讨论**。The Guardian报道称，Serve Robotics、Coco Robotics等公司的配送机器人正在洛杉矶街头增多，用于餐饮配送等场景。但居民对其态度复杂：一方面认为其环保、可爱，另一方面也担心其占用人行道、影响轮椅通行、造成拥堵和就业冲击。 配送机器人是具身智能最现实的商业化场景之一，但规模化之后必然会触及公共空间治理问题。**未来机器人落地不仅要解决导航和避障，还要解决城市规则、道路权利、用户体验与社会接受度**。
**大模型辅助机器人编程案例升温**。Wired报道了将OpenClaw Agent与LeRobot 101机械臂结合的实验，作者借助AI编程工具完成机器人识别和抓取红球等任务，并提到“code as policy”在机器人控制中的持续发展。 这类案例显示，**机器人开发门槛正在被AI编程工具降低**。过去机器人控制需要专业工程师写代码、调参数、做标定；未来非专业用户可能通过自然语言、示范动作和AI生成代码来控制低成本机器人硬件。
### 本周观察 说白了，这一周最明显的趋势是：**AI行业正在从“模型能力竞赛”转向“入口、工具链和长期任务能力竞赛”**。 Google的动作最具代表性：Gemini 3.5 Flash是模型底座，Search是入口，Spark是个人Agent，Antigra vity是开发工具，Omni是多模态创作。OpenAI则继续沿Codex方向强化工程场景，把AI编程从“生成代码”推进到“理解上下文、持续完成目标”。开源社区中，Coding Agent、MCP Server、RAG和推理框架持续增长，说明开发者正在围绕Agent搭建新的基础设施。 对技术产品经理和企业AI落地团队来说，本周最值得关注的不是某个单点功能，而是三个趋势： 1. **搜索框正在变成任务入口**。 2. **AI编程工具正在变成工程协作者**。 3. **Agent落地的关键，将从模型效果转向工具连接、上下文管理、成本控制和可复现评测**。
