IBM 发布 Granite Switch 4.1：单一端点支持对话、决策与语音
IBM 发布 Granite Switch 4.1，包含 Granite-Switch-4.1-8B 和 -30B，在单一托管端点内整合对话、通用与专用决策以及语音转文字能力。
推荐理由：Granite Switch 4.1 把决策适配器与 ASR 组合进单一端点，读者可据此了解多能力复用同一 KV cache 的部署思路。
#推理
Hugging Face Blog精选AI 评分6262 The Decoder精选AI 评分7878 GPT-6-Astra 在 TheoPhysEval 物理基准上解出 50 题中的 49 题，单题成本不到 3 美元
一项新基准测试让市面可用的 AI 智能体在无人类提示下求解理论物理研究题，运行在 OpenAI Codex 环境中的 GPT-6-Astra 解出 50 题中的 49 题（98%），平均单题成本不到 3 美元，整套基准约 116 美元。
推荐理由：读者可看到智能体在理论物理论文级计算上的实际得分、成本与失败模式，以及作者对科研训练和资源分配的影响判断。
Microsoft Research精选AI 评分6262 微软研究院发布 Magnetar：基于证明的通用计算 zkVM
微软研究院发布零知识虚拟机 Magnetar，可证明用 Rust、Go 或 C 编写的 RISC-V 程序执行，在 15 个基准程序上平均比现有最快 zkVM 快 10 到 39 倍，证明验证约 12 毫秒。
推荐理由：微软研究院公开 Magnetar 的 zkVM 设计与基准，读者可了解零知识证明在通用程序上的速度与密码学取舍。
Hugging Face Blog精选AI 评分6262 Apertus 1.5 发布：8B 与 70B 模型新增图像音频理解与思考模式
Apertus 1.5 在 8B 和 70B 两代模型上新增图像与音频理解、可选思考模式，上下文窗口扩展到 262,144 tokens，为 1.0 的 4 倍，权重以 Apache 2.0 许可发布在 Hugging Face。
推荐理由：Apertus 1.5 在 8B 和 70B 上加入图像音频理解与思考模式，并公开训练数据与中间检查点，便于对照复现。
Mistral AI精选AI 评分7171 Mistral 发布时间序列基础模型 Timestral
Mistral 发布首个时间序列基础模型系列 Timestral，最大版本仅 209M 参数，在 GIFT-Eval、TIME 和 fev-bench 三个公开基准上均排名第一，且只用了此前 SOTA 约三分之二的参数量。
推荐理由：Mistral 首次把基础模型思路用于时间序列，给出四个尺寸与 CPU 推理延迟，可据此判断企业预测场景的落地成本。
AWS Machine Learning BlogAI 评分2828 Amazon SageMaker AI 上的 MoE 内核工程优化实践
针对 MoE 模型在 Amazon SageMaker AI 上的内核工程优化，通过 Swap-AB 转置让 Hopper 的 WGMMA 指令充分利用专家维度（N=8192），在 H200 上实现端到端输出吞吐提升 2–4%，该优化已合入 vLLM 0.24.0 及更高版本。
AWS Machine Learning Blog精选AI 评分6060 在 Amazon Bedrock 上用 Grok 4.7 构建长时程智能体
AWS 博客介绍 SpaceXAI 的 Grok 4.7 已在 Amazon Bedrock 上线，并演示如何用它构建工具调用智能体。
推荐理由：作者用三个可穷举验证的任务实测 Grok 4.7 四档推理强度，给出准确率与 token 成本的取舍方法。
Google Research精选AI 评分7272 Google 发布 Deep Review，用智能体流水线审阅技术文档
Google 公开发布 Deep Review，一个面向复杂文档的智能体审阅系统，最初用于计算机科学论文分析，现已扩展到法律、金融等领域。系统采用四阶段流水线：文档分段、按信息密度自适应分配算力、并行推理智能体分段核查、综合智能体做全局一致性与外部事实校验。
推荐理由：Google 公开了 Deep Review 的四阶段智能体审稿流程与免费额度，可据此判断自动审稿在真实工作流中的位置。
Google ResearchAI 评分4848 Google Research 发布 Research@ 2026：10 项放大人类创造力的进展
Google Research 在 Research@ 活动上公布 10 项进展，包括扩展 Google Earth AI 早期访问并开放三项实验能力，以及向公众开放 Deep Review 技术文档核查系统。TimesFM 与 TabFM 两款数值基础模型将集成进 Gemini for business，并已向所有 Cloud BigQuery 用户开放。
The DecoderAI 评分6262 OpenAI 据报年底前至少发布一款新模型，旗舰仍需对齐工作
据 The Information 援引知情人士，OpenAI 员工称公司年底前可能发布一到两款新模型，但正在开发的重大升级旗舰是否在其中尚不清楚。该旗舰采用与 Astra 相同的循环 Transformer 技术（内部称 Recurrent Depth），可提升数学与编码表现并降低成本，但会把部分思考移入人类无法审查的内部数值表示，削弱思维链监控。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon 并公布安全防护方案
Google DeepMind 开始广泛推送 Gemini 4 Argon，并同步扩大 Fairwind Program 的受信任网络安全防御者范围。该模型在网络安全测试中解决了全部 12 个端到端模拟攻击场景，上一代为 5 个；在 Gray Swan 的间接提示注入基准上，15 次自适应攻击的成功率降至 0.7%。
推荐理由：原文给出 Gemini 4 Argon 在网络安全与生物风险上的防护设计与实测数字，可了解前沿模型安全部署的具体做法。
Hugging Face Blog精选AI 评分7171 Liquid AI 发布端侧智能体模型 LFM2.5-24B-A2B
Liquid AI 发布 LFM2.5-24B-A2B，一个总参数 24B、每 token 仅激活 2B 的推理模型，面向端侧智能体，会先思考再作答并调用工具。
推荐理由：Liquid AI 给出端侧智能体模型的参数结构、基准对比与推理速度，可据此判断本地部署的可行性。
Google DeepMind同新闻AI 评分8787 Google DeepMind 发布 Gemini 4 Argon 机器人模型
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上用纯推理取得 87%，称超过其他前沿模型。
Google DeepMind精选AI 评分9090 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，通过 AI Studio、Gemini API、Google Antigravity 及 Gemini 应用和搜索 AI Mode 提供，定价为每百万输入 token 2 美元、输出 token 10 美元，缓存输入享 95% 折扣。
推荐理由：官方给出 Argon 在编码、科研与安全对齐上的具体案例和定价，可据此判断前沿模型在专业工作流中的落地程度。
Ars Technica · AIAI 评分7474 Gemini 4 Argon 在 Gemini 应用和 Antigravity 中开始推送，仅限付费用户
Google 的 Gemini 4 Argon 开始大范围推送，进入 Gemini 应用和 Antigravity，但目前只面向付费用户，低档订阅方案也无法获得完整访问权限。
Latent Space精选AI 评分8080 Meta 发布 Muse Wonder 与 Muse Wonder Full 模型
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，距该实验室成立约 14 个月。
推荐理由：汇总 Meta Muse Wonder 系列的发布细节与第三方评测数据，可对照其与 Opus 5.5、GPT-6 等前沿模型的差距。
Import AIAI 评分2222 Import AI 476：AI 创造力与递归自我改进、开源权重模型表现逊于中国、AI 走向太空
Elorian 与 Scale AI 发布 Humanity's Sixth Sense 基准，用 522 道题测试多模态模型的直觉视觉推理，人类 pass@1 达 93.1，最佳 AI 系统 GPT 6 Astra 仅 53.6，GLM-5.3-flash 和 Kimi K3 分别只有 26.8 和 25.5。
Latent SpaceAI 评分6262 TypeSafe 上线三周 ARR 超 1 亿美元、估值 75 亿美元，决策模型成新品类
TypeSafe 在发布三周后 ARR 超过 1 亿美元、估值达 75 亿美元，并宣布了 Series AI 融资。
Hugging Face Blog精选AI 评分6060 Nemotron 微调后在 IOI 2026 与 IMO 2026 均达金牌水平
英伟达团队从 Nemotron 3 出发，用 SFT、RL 和生成-验证-改进的推理流程做领域微调，在 IOI 2026 和 IMO 2026 均达到金牌水平。
推荐理由：原文公开了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与数据集，可迁移到其他专业领域。
Microsoft ResearchAI 评分2222 Microsoft 研究员 Jennifer Neville 谈 AI 评测与「意外失败」的启示
Microsoft 合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中讨论评测如何推动 AI 系统性能边界，以及模型超出传统 benchmark 测试时出现的「意外失败」。她结合自身从数学、物理、认知科学到计算机科学的经历，分享与当前 AI 系统协作的实用建议，并强调当结果偏离预期时应仔细审视数据。
Mistral AI精选AI 评分8181 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态
Mistral AI 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，可在 Mistral Studio 试用预览 API，权重将于本月底开放。
推荐理由：官方给出 1 万亿参数多模态模型的公开预览、权重开放时间与多项基准对比，可据此判断开源权重模型的当前水位。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新一代前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御者开放，随后逐步扩展至开发者、企业和消费者。
推荐理由：Gemini 4 Argon 的发布信息包含输出上限、定价与多项基准成绩，可据此判断前沿模型在长程编码与安全防御上的进展。
Google ResearchAI 评分4040 Google Research 提出 Diffusion Controller，统一并简化 AI 图像生成控制
Google Research 提出 Diffusion Controller 框架，将扩散模型去噪过程重构为连续控制问题，用轻量“转向阻尼”网络在冻结基座模型的前提下动态调整生成轨迹。在 Stable Diffusion v1.4 上以 HPS-v2 评测，其完全解锁版本对基线模型取得 90% 胜率，并支持黑盒、灰盒模型的微调控制。
Import AIAI 评分3838 Import AI 474：柏拉图式心智空间、太空中的 TPU、智谱启动外层 RSI 循环
智谱启动了一个"外层 RSI 循环"，探索递归自我改进路径。Michael Levin 提出"柏拉图式心智空间"假说，认为心智是非物理模式，身体与机器只是其进入物理世界的接口，并用 xenobots、anthrobots 等实验佐证。本期还讨论了太空中的 TPU 部署，以及机器人领域正为 LLM 时刻做准备但缺少通用算法。
Import AIAI 评分2222 Import AI 470：机器不应享有权利；SPADE 自动生成训练环境；Hawkeye 优化 GPU kernel
Import AI 470 期介绍了三项研究：METR 分析显示 AI 对网络安全漏洞发现加速最明显，对数学研究贡献有限，对 AI 研究本身尚无显著加速。SPADE 框架让 LLM 通过自博弈交替生成可执行训练环境和求解，在 Qwen3-30B-A3B 上使游戏环境套件平均分达 58.3，较基线提升 8.1。另有 Hawkeye 用于构建更好的 GPU kernel。
Import AIAI 评分4242 Import AI 469：DiG-bench 评测 AI 发现能力、RSI 模拟器与扎克伯格的技术悲观主义
Import AI 第 469 期介绍了新基准 DiG-bench，用 70 款隐藏规则的游戏测试 AI 的探索与发现能力，Opus 5 和 Fable 5 搭配 Claude Code 表现最佳，但仅能在最难的 Tier 7 完成 0.2 的任务，远逊于人类 100% 的成功率。
Berkeley AI Research精选AI 评分6060 从 CUDA 到 MLX：K-Search 如何把内核优化经验带到 Apple Silicon
IBM Research 与 UC Berkeley Sky Lab 将 K-Search 进化式内核搜索框架扩展到 MLX，通过结构化的 CUDA-to-MLX 翻译层把已有 CUDA 内核知识迁移到 Apple Silicon。
推荐理由：原文给出跨平台内核迁移的具体方法与实测数据，读者可据此判断 CUDA 经验能否复用到非 NVIDIA 硬件。
Berkeley AI ResearchAI 评分3636 Berkeley AI Research 提出 ABBEL：用信念状态监督 LLM 长程交互摘要
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，以缓解递归摘要带来的性能损失。在 CollabBench 协作编程任务上，基于重建的信念评分（ABBEL-rec-BG）把与全上下文模型的差距缩小约 50%，训练步数从 100 步降至 50 步，峰值 token 长度也低于全上下文设置。
Berkeley AI ResearchAI 评分3838 自适应并行推理：高效推理扩展的下一范式
伯克利 AI 研究团队综述了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。现有方法如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild! Inference 的并行结构多由外部设定，未教会模型自适应行为。
Berkeley AI ResearchAI 评分3232 GRASP：面向世界模型的梯度规划方法，让长时程规划更稳健
伯克利 AI 研究团队提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以探索、并重塑梯度让动作获得清晰信号，同时避开高维视觉模型中脆弱的“状态-输入”梯度。该方法针对长时程规划中优化病态、非贪心结构导致的局部极小值和高维隐空间失效模式，使基于梯度的规划更稳健。
Berkeley AI ResearchAI 评分3030 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在特征、数据和模型组件归因中大规模识别 LLM 的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层次性，以约 10x 更少的消融达到 SPEX 的性能。