Mistral AI 推出 Forge，帮助企业使用内部文档、代码库、结构化数据和运营记录训练面向自身领域的 AI 模型。Forge 支持预训练、后训练、强化学习，以及 dense 和 MoE 架构与多模态输入，可用于定制模型和企业智能体。平台还提供基础设施、数据管道、评估与持续改进能力，并支持由 Mistral Vibe 等代码智能体执行微调、超参数搜索、任务调度和合成数据生成。
推荐理由：Forge将预训练、后训练和强化学习用于企业专有数据，并覆盖模型评估与持续适配，适合了解定制模型如何服务内部流程。
Mistral AI 发布 Mistral Small 4，将 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力整合到一个模型中。
推荐理由：Mistral Small 4 将推理、视觉理解和智能体编码整合到单一模型，并公开关键架构、部署配置与性能对比，便于评估实际使用成本。
Mistral AI 宣布成为 NVIDIA Nemotron Coalition 创始成员，并计划与 NVIDIA 共同开发开放前沿模型。Mistral AI 将贡献模型架构、训练技术、多模态能力和微调工具，NVIDIA 将提供计算资源、模型开发工具与合成数据生成管线。
推荐理由：文章同时交代了联盟的合作机制、开放模型计划和 Mistral AI 的分工，便于理解产业协作如何影响模型训练与定制。
Google Research 与 Cornell University 合作，使用 67 个高温超导研究问题评测六个 LLM，并由专家按观点平衡、完整性、简洁性和证据等指标评分。
推荐理由：这项研究比较了开放网络数据与专家精选文献对专业问答的影响，为评估科学领域 LLM 的证据完整性和观点平衡提供了具体案例。
Google Research推出Groundsource，利用Gemini从80种语言的新闻报道中提取洪水事件，构建覆盖150多个国家、从2000年至今的2.6 million条历史记录。人工复核显示，60%的事件在地点和时间上均准确，82%达到实际分析可用程度；相关数据集已开放，并用于支持最多提前24小时的城市暴洪预测及Google Flood Hub的覆盖扩展。
推荐理由：Groundsource展示了如何用Gemini从多语言新闻中提取并校验灾害时空信息，为缺乏统一观测体系的洪水研究补充历史数据。
Google Research 与 Beth Israel Deaconess Medical Center 合作开展前瞻性单中心可行性研究，评估 AMIE 在基层医疗就诊前采集病史的安全性、诊断推理和用户体验。
推荐理由：研究把 AMIE 从模拟场景带入真实基层医疗流程，呈现了监督式部署的安全结果、诊断表现与实际局限。
Google开发的SpeciesNet模型可对相机陷阱图像中的2,498类动物进行分类，并已作为开源工具供下载、适配和改进。模型基于超过65M张标注图像训练，可在标准笔记本上每天处理约30,000张图像；在测试中，99.4%的含动物图像被识别，83%的预测达到物种级别，其中94.5%正确。过去一年，研究团队已将其用于哥伦比亚、美国爱达荷州、澳大利亚和坦桑尼亚等地的野生动物监测。
推荐理由：SpeciesNet将大规模相机陷阱图像识别转为可本地运行和适配的开放工具，文中数据与项目案例展示了它在野生动物监测中的实际用法。
Berkeley AI Research 的 NeurIPS 2025 论文提出从带噪测量中直接估计互信息，用于评估成像系统包含的有效信息。该方法在彩色摄影、射电天文学、无透镜成像和显微镜四个领域预测了下游解码性能；其 IDEAL 方法通过优化信息估计来设计成像参数，在滤色器设计中达到与端到端优化相当的结果，同时不需要任务特定的解码器设计。代码已在 GitHub 开源。
推荐理由：论文将成像系统的分辨率、噪声和采样等因素统一到互信息指标中，并展示了该指标评估与优化多类系统的方式。
Mistral AI 发布 Mistral OCR 3，相较 Mistral OCR 2 在表单、扫描文档、复杂表格和手写内容上取得 74% 的整体胜率。模型支持提取文本与嵌入图像、Markdown 和结构化 JSON 输出，并以 $2 per 1,000 pages 提供 API，Batch API 价格为 $1 per 1,000 pages。
推荐理由：Mistral OCR 3 给出了相较 OCR 2 的具体提升、价格和 API 入口，便于评估文档解析场景的部署成本与迁移路径。
Mistral AI 发布 Mistral 3，包含14B、8B和3B的Ministral 3小型稠密模型，以及激活41B、总计675B参数的Mistral Large 3，全部采用Apache 2.0许可。
推荐理由：Mistral 3同时覆盖3B至675B参数规模，并提供Apache 2.0许可、量化格式和多种部署路径，便于比较开放模型的性能与落地成本。
Mistral AI 宣布扩大在德国的业务布局，与 SAP 建立多年合作，将其模型整合进 SAP 的 AI Foundation，并共同开发面向欧洲复杂行业和行政机构的解决方案。Mistral AI 还将与 Helsing 加快开发用于国防和安全场景的视觉语言行动模型，同时增加德国本地团队并计划在未来几个月开设办公室。