原创AI技术博客

随着多模态大语言模型（MLLM）在各个领域的应用日益广泛，一个核心问题浮出水面：我们如何信赖它们生成内容的准确性？当模型需要结合图像和文本进行问答时，其回答是否基于事实，还是仅仅是“看似合理”的幻觉？为了应对这一挑战，一个名为SimpleVQA的新型评测基准应运而生，旨在为多模态模型的事实性能力提供一个清晰、可量化的度量衡。

最近，一张截图在网络上流传，显示OpenAI安卓客户端的应用字符串文件（strings.xml）中出现了关于GPT-4.5的相关描述。这一发现引发了广泛关注，暗示OpenAI可能即将推出其最新的大型语言模型——GPT-4.5。该信息最早由开发者 @bitbor91 发现并分享，截图内容似乎来自ChatGPT安卓客户端的应用资源文件。

在 AI Agent 开发中，任务中断、状态丢失、context 超限是三个最常见的工程痛点。Anthropic 最新发布的 Managed Agents 工程博客给出了一套结构性解法：将 Agent 的大脑（调度逻辑）、手（执行环境）和记忆（会话日志）彻底解耦，让每个组件都能独立失败和重启，同时把完整的事件历史存在 context window 之外，从根本上解决长任务的状态管理问题。本文拆解这套架构的核心设计决定，以及背后的工程思路。

DeepSeek 开源的 DSH 不是又一个 Coding Agent，而是一个 Agent Runtime Framework。它把 Agent Loop、Session、Persistence 等传统上属于 Agent Core 的部分全部做成可替换插件，通过 Capability Seam 的三角色模型实现能力与实现的解耦，并要求所有模型可见内容必须可从日志重建。本文解析 DSH 最核心的几处设计，以及它与 Claude Code、Codex、Pi 等产品的真正差异。

2026 年 8 月，DeepSeek 开源全新 Agent 框架 DeepSeek Harness（DSH）。本文从架构角度解析其 Everything is a Plugin、模型请求可重建、Capability Seam 与 Subagent 等核心设计，并与 Claude Code、Codex、OpenCode、Pi 对比，讨论其作为 Agent Runtime Framework 的创新、优势与代价。

多 Agent 系统的复杂度不仅来自 Agent 本身，更来自任务的拆分、调度与交付。当用户一次提交多个相似或相互依赖的任务时，系统需要在并发执行、任务隔离、状态管理、依赖协调、失败恢复与资源控制之间取得平衡。本文调研业界主流多 Agent 架构与编排模式，重点分析任务生命周期、任务队列与调度、子 Agent 管理、并发控制、重试与容错，以及结果聚合和最终交付机制，并总结构建可扩展、可观测、可靠的多 Agent 任务系统的关键设计原则。

本文基于 GPT-5.6 Sol Pro 的 Deep Research，系统研究 2025–2026 年长时程工具型 Agent、编码 Agent、Deep Research Agent 和多轮业务 Agent 的上下文压缩与管理方法。研究发现，当前业界正在从简单的滚动摘要，转向“不可变事件日志 + 结构化工作状态 + 近期原文 + 外部可恢复材料”的分层上下文架构。对于编码 Agent，优先删除或屏蔽可重新获取的旧工具输出，往往比直接使用 LLM 摘要具有更好的成本收益；

全球大模型竞争正在从单纯的模型能力竞赛，走向模型、产品、开发者生态、成本与商业化能力的综合竞争。本文系统梳理全球主流基础模型的发展格局，对比 OpenAI、Google、Anthropic、DeepSeek、Qwen 等主要参与者的技术路线、模型能力与生态布局，分析全球大模型市场当前的竞争态势及未来演进方向。

Azure OpenAI 的模型下架周期正在变短：gpt-5.1 之前所有版本从上架到弃用都是365天，但从 gpt-5.2 开始骤降到约180天。本文用官方生命周期数据，分析企业做 Agent 应用调优时该如何应对模型版本更替加快的问题。

大模型Agent系统从demo走向生产后，成本会成为最突出的问题。Anthropic官方最近发布了一份基于内部实测数据的优化指南，把所有手段分为"不损失效果的免费优化"和"需要取舍的调节"两类，涵盖prompt缓存、effort调节、任务预算、失败重跑、以及advisor和orchestrator两种多模型架构。其中prompt缓存是最大的单一杠杆，可将agent循环成本压缩到原来的三分之一左右。本文完整梳理了这份文档的关键结论、适用条件和失效场景。