AI 算力周报 · 2026 年第 40 周 · 09.28 — 10.04
LSIDEHOT
智能体终态评测与科研模型开源
本期覆盖 2026 年 9 月 28 日至 2026 年 10 月 4 日。在此期间，AI 智能体在业务可靠性检验与科研垂类应用方面取得新进展。微软与 Hugging Face 联合推出评测基准与沙盒 ThinkingBox，聚焦通过后端数据库终态和实际副作用来评估智能体在复杂业务流程中的执行可靠性；Ai2 则开源了面向科学研究的 8B 参数报告生成模型 AstaBrief 及其训练数据，能够结合问题与文献生成含完整引用的学术报告。整体动态显示出行业对智能体在真实场景中交付结果的可验证性与专业化落地的高度关注。
智能体终态可靠性评测
本版导读微软联合 Hugging Face 发布了 AI 智能体评测基准与沙盒 ThinkingBox。该基准侧重于检验任务执行后后端数据库的终态和实际产生的副作用，以此衡量模型在真实业务流程中的有效性与重复可靠性。基准覆盖 507 个有状态业务工作流，并对每个任务独立重复运行 20 次进行严格检验。
微软联合 Hugging Face 推出 ThinkingBox 基准：基于数据库终态检验智能体可靠性
微软与 Hugging Face 联合推出 AI 智能体评测基准与沙盒 ThinkingBox，通过检验任务执行后的后端数据库终态与实际副作用，评估模型在真实业务流程中的有效性与重复可靠性。该基准涵盖 507 个有状态业务工作流并对每个任务独立重复运行 20 次，测试发现约 80% 的任务失败源于工具调用而非推理问题，目前相关环境与数据集已在 Hugging Face 开源。
科研智能体报告生成模型
本版导读Ai2 开源了用于科研智能体平台 Asta 的 8B 参数报告生成模型 AstaBrief 以及配套训练数据。该模型专注于学术研究场景，能够接收研究问题并直接整合检索到的文献内容，端到端生成带有完整学术引用的规范报告，助力科研文献处理流程自动化。
Ai2 开源科学报告生成模型 AstaBrief 8B
Ai2 开源了用于科研智能体平台 Asta 的 8B 参数报告生成模型 AstaBrief 及训练数据，能够将研究问题和检索文献直接生成为带有完整引用的学术报告。