SWE-bench Verified因饱和与污染退役，行业转向更难的新基准。
全新的模型事实准确性四维评估基准问世。
Memori用标准数据库替代向量库实现Agent长期记忆的开源方案
复旦与美团联合提出R-HORIZON框架，揭示大型推理模型长链推理能力边界
TypeScript 原生 LLM 评估运行器 Evalite 发布 v1 beta。
Nexla推出对话式AI数据工程平台Express，自然语言构建数据管道。
AWS提出四象限Agentic AI安全框架，按自主性与权限分级定义安全控制。
KServe被CNCF TOC投票接受为孵化项目。
Cursor 2.0发布，核心更新包括自研Composer模型、多Agent并行、内置浏览器和语音模式。
Anthropic推出Skills，以代码定义可复用任务组件，区别于GPTs的图形化配置。
Eclipse开源LMOS平台，用Kotlin+ADL让JVM生态企业无需换Python栈即可构建Agent。
资深工程师开始并行运行多个 AI 编码代理提升产出