2026-11-05，Planet Labs 宣布 Planet AI App 正式 GA：以地图对话界面检索十年以上、3000+ 层日更卫星影像，支持自然语言搜地、时序对比与 Deep Research Agent 分析；入口 ai.planet.com。
Anthropic 10 月 27 日发布博客，介绍其生命科学团队过去数月与 BigHat、Bristol Myers Squibb、Divergence Labs、Enveda、Generate Biomedicines、The Column Group 六家机构的深度合作，覆盖从苗头分子生成、先导优化到生产文档和临床试验规划等环节，并披露已收购单人公司 Mithril Medicine、自建罕见儿童肌营养不良药物项目。官方强调目前成果大多处于临床前阶段。
Google AI Studio 团队发布 Gemini API CLI（命令名 gemini-api）实验预览版。它是一个无状态、零依赖的 Go 单文件，支持 macOS、Linux、Windows，Apache 2.0 开源。任何有 shell 权限的编码 Agent 配好 GEMINI_API_KEY 后，就能用一条命令调用文本推理、图像/视频/音乐/语音生成、文件与 YouTube 分析、音视频转写，以及 Deep Research 等托管 Agent。媒体结果直接写到磁盘、只把文件路径打印到 stdout，避免把 base64 塞进上下文。官方说明它是实验项目，不属于受支持的 Google 产品。
当前 Deep Research 智能体评测大多局限于学术科研与合成问答，难以反映真实日常决策与复杂工作流。腾讯混元团队推出 LifeSearch 基准，涵盖 7 大生活生产力领域的 203 个中英文真实任务，投入逾 4500 小时专家标注提炼 4000+ 条细粒度评分规则。实测 12 款主流深度研究智能体显示，顶尖模型最高仅获 63.4% 分数，暴露长程网页搜索、多源冲突时间线融合等关键短板。
随着大模型智能体接管开放网络长程端到端任务（如全网深度调研、跨电商比价下单与多标签页复杂导航），现有的网络访问模式正遭遇难以调和的范式割裂：基于搜索 API 的轻量检索模型会粗暴丢弃网页可点击控件；基于无头浏览器的交互模型面临极度臃肿的高昂 Token 负担；而新兴的文件系统与 Shell 缓存模式（如 Fetch-then-Explore）在 selective grep 时极易丢失控件依赖上下文。延世大学（Yonsei University）研究团队在最新研究（arXiv:2610.13416）中正式提出了统一智能体网络接口 Web$hell。Web$hell 构筑于三大核心支柱：通过 WebContract 标准化对象/页面/操作通用契约，利用 WebCompiler 基于确定性 HTML 语义将网页极速编译为可寻址信息对象与操作对象（完全无需模型额外推理），并通过 WebCache 实现多版本有状态持久化回溯。在横跨网络搜索（WideSearch, SealQA）、网页导航（WebArena-Verified, WebWalkerQA）与深度研究（DeepResearchBench, DeepWeb-Bench）的 6 大基准全面评测中，Web$hell 在全部 6 项基准中均摘得最高胜率，将 Deep Research 任务轮次从 52.4 步和 30.9 步腰斩至 17.6 步（降幅高达 43%~66%），即使在人为注入 400 个干扰网页的高噪环境下成本与准确率依然保持高度平稳。
自主深度研究智能体（Deep Research Agents）正在从传统的纯文本网页检索，全面迈向针对图像细节、复杂图表与长视频的跨模态研究任务。然而，现有多模态模型在面对单图、多图与长视频输入时，往往无法精确定位细粒度视觉锚点，缺乏从画面线索跨越到外部搜索验证的严密逻辑链条。复旦大学等联合研究团队在最新研究（arXiv:2610.12419）中发布了 OneSearch-VL：业界首个针对图像与长视频全场景的统一多模态深度研究智能体框架。OneSearch-VL 创新性地提出了‘视觉锚定证据图（VGEG）’架构，将视觉定位、外部工具检索、实体关联与事实聚合显式编码为统一的依赖图谱。基于 VGEG，团队构建了包含 110K 样本的 SFT 数据集与 10K 样本的强化学习（RL）数据集，并在后训练中引入了证据感知的视觉对齐奖励函数（EVGR）。在专门针对多图与长视频深度研究的全新评测集 OneSearch-MI-Bench 与 OneSearch-Video-Bench 上，仅 8B 参数的 OneSearch-VL-8B 相比挂载工具的 Qwen3-VL-8B 成功率分别大幅跃升 20.2 和 17.6 个百分点，并在 7 项传统图像基准与 VideoDR 上全线刷新纪录，官方代码已开源。
Google 在 Gemini API 发布说明（10 月 8 日条目）中宣布 gemini-3.7-flash 废弃，所有调用自动转发到 gemini-3.8-flash；gemini-3.5-flash 同样自动转发到 gemini-3.6-flash。deep-research-pro-preview-12-2025 代理将于 10 月 23 日关停，需迁移到 04-2026 版本。10 月 10 日起开发者陆续收到邮件通知。
gemini-3.7-flash → gemini-3.8-flash，gemini-3.5-flash → gemini-3.6-flash（官方发布说明）deep-research-pro-preview-12-2025 于 2026-10-23 关停，迁至 deep-research-preview-04-2026 或 -max-preview-04-2026以 OpenAI Deep Research、Perplexity Deep Research 为代表的自主深度研究智能体（Deep Research Agents）正在重构人类信息获取与综合分析的范式。然而，面对高度发散、长达数十轮的开放式命题（如行业全景深度报告、复杂技术选型论证），现有智能体普遍采用‘黑盒式单向搜索-汇总’策略，导致三大严重弊端：模型在浩瀚网页中陷入重复无意义搜索、各章节间观点自相矛盾且事实漂移严重、随着探索深入上下文急剧膨胀产生数十万冗余 Token。清华大学与中国人民大学研究团队最新发布重磅成果《Incremental Open-Ended Deep Research with Structured Harness》（arXiv:2610.11566，项目主页：ioedr-project.github.io）。团队提出了增量式深度研究新范式 IOEDR，首次将研究报告生成建模为‘不断进化的层级状态图（Hierarchical State Graph）与全局证据池（Persistent Evidence Pool）’。智能体不再盲目抓取，而是基于结构化脚手架（Structured Harness）驱动探索边界：通过动态大纲增量扩展、证据置信度交叉检验以及目标导向的停机判定，精准填补知识空白。在权威的 DeepResearch Bench 上，IOEDR 不仅将生成报告的事实准确率与多维深度显著提升，更将整体 Token 消耗骤减 33.2%，外部搜索 API 调用次数暴跌 61.4%！
Anthropic 将 Managed Agents 的 dynamic workflows 扩展为公开测试：在 agent 的 multiagent 配置中开启 workflows 后，Claude 会为任务编写一段“工作流程序”，在后台分阶段扇出大量 Agent 并汇总结果，适合审计、迁移、深度调研和大规模交叉核对。
multiagent.type: "multiagent_20261001" + workflows: {"type": "enabled"}，需 managed-agents-2026-04-01 beta 头（文档）thread_limit_error 结束（Workflow runs）智能体在推理部署时的自我迭代升级能力（Test-Time Self-Improvement），是当前迈向 AGI 的核心演进方向。这一能力依赖两大互补支柱：能够敏锐识别错误并产出更优解的“反思（Reflection）”，以及能支撑算法经历多轮长时间交互而不发生上下文崩溃的“长程执行（Long-Horizon Execution）”。中国人民大学、微软亚洲研究院与中国科大团队联合推出了 AREX-2 框架：研究团队发现这两种核心能力具备极强的领域无关通用性（Domain-Agnostic），并通过在具备确定性结果校验的机器学习工程（ML Engineering）与算法编程任务中，合成了极具挑战的长程反思训练轨迹。基于 Qwen3.8-27B 打造的 AREX-2 智能体在 MLE-bench Lite 上斩获 81.8 的超高分，并零样本跨域迁移至深度研究（Deep Research）任务，在 BrowseComp 斩获 84.0 分、GAIA 斩获 92.2 分、DeepSearchQA 斩获 93.8 分，展现出随着迭代轮数增加而持续单调提升的强大自进化力。
赋予大语言模型智能体在测试期（Test-Time）自主迭代完善解题方案的能力，是通往通用自主工程智能体的关键里程碑。来自中国人民大学等研究团队推出全新长程反思智能体框架 AREX-2。该研究发现测试期自演化依赖两大解耦的核心基石：产生优于当前方案的反思能力（Reflection）与支撑跨多轮次持续有效推进的长程执行力（Long-Horizon Execution）。由于这两项能力具备领域通用性，团队在具备严格可验证反馈的机器学习任务与算法编程领域构建了高质量长程反思轨迹合成数据。基于 Qwen3.8-27B 训练的 AREX-2 在 MLE-bench Lite 斩获 81.8 的惊人高分，Frontier-CS 达 70.7；不仅如此，该能力强力迁移至复杂深度研究场景，在 GAIA（92.2）与 DeepSearchQA（93.8）上展现出伴随测试轮次增加而持续自我变强的演进曲线。
由 Software Heritage 等机构学者联合研发的 CodeGraph 正式发布。面对公有仓库中海量代码仅能进行语法树级解析、无法提取算法范式与工程设计模式的瓶颈，团队利用代码大模型与三阶段实体对齐流水线（SPARQL 确定性链接、Deep Research Agent 长尾消歧与分类向上卷叠），在 Stack-Edu 的 1.67 亿文件中构建出包含 1.58 亿节点与 10 亿类型化边的开放分类代码知识图谱，实现 Wikidata 全局知识锚定。
Elon Musk 转发并称赞 Grok Bot 适合销售团队。Grok Bot 现可连接 Salesforce、HubSpot、Gong、Clay、Granola 等 GTM 工具，用于跟进客户、完成后续沟通并开展深度调研。