AI动态汇总：Anthropic公开多智能体构建全流程，MiniMax推出推理模型M1

市场有风险，投资需谨慎研究所分析师:肖承志SAC 登记编号:S1340524090001Email:xiaochengzhi@cnpsec.com研究助理:冯昱文SAC 登记编号:S1340124100011Email:fengyuwen@cnpsec.com近期研究报告《反转风格显著，小市值回撤——中邮因子周报 20250622》 - 2025.06.23《关注基本面支撑，高波风格占优——中邮因子周报 20250615》 -2025.06.16《结合基本面和量价特征的 GRU 模型》 - 2025.06.05《Claude 4 系列发布，谷歌上线编程智能体 Jules——AI 动态汇总20250526》 - 2025.05.27《谷歌发布智能体白皮书，Manus 全面开放注册——AI 动态汇总 20250519》- 2025.05.20《证监会修改《重组办法》，深化并购重组改革——微盘股指数周报20250518》 - 2025.05.19《通义千问发布 Qwen-3 模型，DeepSeek 发布数理证明大模型——AI动态汇总 20250505》 - 2025.05.06《基金 Q1 加仓有色汽车传媒，减仓电新食饮通信——公募基金 2025Q1 季报点评》 - 2025.04.30《泛消费打开连板与涨幅高度，ETF 资金平铺机器人、人工智能与芯片——行业轮动周报 20250427》 -2025.04.28《国家队交易特征显著，短期指数仍交易补缺预期，TMT 类题材仍需等待——行业轮动周报 20250420》 -2025.04.21 金工周报lMiniMax 推出推理模型 M1三个关键维度展开。作。l风险提示：失效的风险；历史信息不代表未来。 目录1AI 重点要闻 ................................................................................ 41.1Anthropic 公开多智能体构建全流程 ....................................................... 41.2MiniMax 推出推理模型 M1.................................................................71.3A.Lawsen 发表评论文章反击苹果对于大模型的观点 ......................................... 101.4谷歌发布 Gemini 2.5 Flash-Lite ........................................................ 112企业动态..................................................................................152.1谷歌曝光 AI 路线图，承认 Transformer 存在根本缺陷.......................................152.2OpenAI Codex 推出新功能，可一次生成多个方案 ........................................... 173AI 行业洞察 ............................................................................... 193.1哈佛大学开源 AI 训练数据集“Institutional Books 1.0”..................................194技术前沿..................................................................................224.1MIT：沉迷 GPT 会导致大脑神经链接减少 47% ............................................... 225风险提示..................................................................................25 请务必阅读正文之后的免责条款部分2 图表目录图表 1： Research 系统架构概览............................................................4图表 2： Clio 嵌入图：Research 功能的主要使用方式 ......................................... 4图表 3： 多智能体系统架构 ................................................................ 5图表 4： M1 主流基准跑分..................................................................7图表 5： 17 个主流测试集上 M1 表现 .........................................................8图表 6： When Your Joke Paper Goes Viral ................................................ 10图表 7： 针对苹果的评论文章 ............................................................. 10图表 8： Gemini 2.5 Flash-Lite 测评......................................................12图表 9： Gemini 2.5 家族对比 ............................................................ 13图表 10： Logan Kilpatrick 展示 Gemini 模型未来...........................................15图表 11： Codex 使用界面.................................................................17图表 12： Institutional Books 1.0 项目...................................................19图表 13： 论文 Your Brain on ChatGPT.....................................................22图表 14： Alpha Band 动态传递函数 EEG 分析 ................................................23图表 15： 推理中大脑参与百分比只有 10%左右 ............................................... 23 请务必阅读正文之后的免责条款部分3 请务必阅读正文之后的免责条款部分1AI 重点要闻1.1Anthropic 公开多智能体构建全流程Anthropic 近期公开的多智能体系统构建全流程，揭示了其如何通过协同多个 Claude 智能体实现复杂研究任务的高效处理。这一架构的核心在于将开放性问题的动态探索能力与并行化计算优势结合，同时通过精细的工程化设计解决协调复杂性、状态管理等挑战。传统单智能体在处理开放式研究任务（如商业机会挖掘、医疗方案分析）时面临根本性局限：路径依赖性强且上下文窗口有限。Anthropic 通过数据证明，采用“领导-工作者”模式的多智能体系统（主智能体为 Claude Opus 4，子智能体为 Claude Sonnet 4）性能比单智能体提升 90.2%。其本质是通过并行消耗约单体的 15 倍 token 扩展算力，尤其适合需要“广度优先”探索的场景，如跨领域信息整合或动态调整研究策略的任务。但该架构对高价值任务的依赖性显著，因成本高昂不适用于简单查询或强依赖共享上下文的任务。图表1：Research 系统架构概览资料来源：Anthropic，中邮证券研究所系统采用分层协作的“协调者-工作者”（Orchestrator-Worker）架构，分为以下几个阶段实现闭环：1.任务解析与规划：用户提问触发主智能体（Lead Researcher）创建，其首要任务是将模糊需求转化为可执行计划，并将计划存储于外部记忆系统，避免因上下文截断导致信息丢失。 图表2：Clio 嵌入图：Research 功能的主要使用方式资料来源：Anthropic，中邮证券研究所 4 52.动态任务分配：主智能体根据复杂度生成子智能体（Subagents），每个子任务需明确目标、输出格式、工具边界（如禁止重复搜索同一来源），避免早期版本中“50 个子智能体处理简单查询”的失控问题。3.并行执行与交错思考：子智能体独立执行网络搜索或工具调用，采用“交错思考”（Interleaved Thinking）策略——即在每次工具调用后暂停，评估结果可信度并调整下一步行动，类似人类研究者的反思过程。4.结果汇总与迭代：主智能体综合子智能体返回的中间结果，决定是否启动新一轮探索。这一阶段通过“记忆-检索”机制保持上下文连贯性，例如将关键信息压缩后存储于外部文件系统，减少 token 消耗。5.引用生成与验证：最终输出前，专门的“引用智能体”（Citation Agent）对所有结论进行溯源，确保权威信源优先（如学术 PDF 而非 SEO 优化的内容农场），并通过结构化标注提升结果可信度。与传统检索增强生成（RAG）的静态检索相比，该架构通过多步动态搜索实现自适应信息获取，能够根据中间发现调整策略，形成更高质量的答案。图表3：多智能体系统架构资料来源：Anthropic，中邮证券研究所 请务必阅读正文之后的免责条款部分 请务必阅读正文之后的免责条款部分6多智能体系统的核心挑战在于协调复杂性，Anthropic 通过三大技术创新实现可控性：分别是提示工程的八项法则、双层并行化加速、评估方法的革新。提示工程的八项法则包括模拟智能体视角观察行为模式（如发现冗余搜索后优化终止条件）、主智能体任务分解的“四要素”（目标/格式/工具/边界）、以及“先广后窄”的搜索策略（从宽泛查询逐步聚焦）。特别值得注意的是，系统引入“工具测试智能体”自动重写模糊的工具描述，使后续调用效率提升 40%。双层并行化加速是指，主智能体并行启动 3-5 个子智能体，每个子智能体同时调用 3 个以上工具，使复杂任务耗时减少 90%。这种设计突破了同步执行的瓶颈（主智能体需等待所有子任务完成），但异步化仍面临状态一致性与错误传导的挑战。评估方法的革新层面，采用“小样本快速迭代+LLM 裁判+人工抽查”的三元评估法。例如，用 LLM 根据事实准确性、引用质量等维度打分（0.0-1.0），而人工测试则发现自动化评估的盲点（如信源偏好偏差）。Anthropic 强调，多智能体系统的“最后一公里”工程化难度远超预期，需解决四大核心问题：·错误恢复机制：智能体的长时运行特性要求支持断点续执行，例如在工具调用失败时，系统需告知智能体并引导其调整策略，而非重启整个流程。·非确定性调试：通过全链路追踪系统监控决策模式（如工具调用序列），定位失败根因。例如某次故障被追溯为子智能体误解了“半导体短缺”的时间范围。·彩虹部署策略（Rainbow Deployments）：新旧版本并行运行并渐进迁移流量，避免中断