GPT-6 Astra Ultrafast 已通过 OpenAI API 以及符合条件的 ChatGPT Work 和 Codex 用户提供，运行在 NVIDIA Blackwell GPUs 上，token 生成速度最高可达 Astra Standard 模式的 8x。
推荐理由：文章说明 GPT-6 Astra Ultrafast 如何借助 NVIDIA Blackwell GPUs 提升生成速度，并展示加速对编码智能体工作流的具体作用。
Hugging Face 发布 Olmo-core 3，重设计了面向大型 MoE 的开放训练系统，可扩展至 trillion-parameter 规模。
推荐理由：文章结合基准数据和系统设计，说明 Olmo-core 3 如何降低大规模 MoE 训练的通信与显存开销，并开放给研究者复用。
Google DeepMind 宣布 Gemini 4 Argon，这款新模型面向软件工程、法律和金融等企业知识工作，以及网络安全防御，正在通过 Fairwind Program 向可信网络防御者分阶段开放。
推荐理由：文章同时给出 Gemini 4 Argon 的长程任务能力、评测结果、定价与分阶段开放安排，便于了解其面向企业和安全场景的落地边界。
Microsoft Research 开发了一套机器学习管线，为美国本土 66,935 座变电站生成空间天气风险估计，并可提前 30-60 分钟预警具体风险。系统结合太阳风信息、AE 和 Dst 预测、物理约束、当地地质导电率与电网数据，在 2020-2026 年评估期对重大事件的检测率为 76.5%，对严重事件为 81.2%。
推荐理由：文章展示了如何把太阳风预测、地质条件与电网数据串成端到端管线，并用多项检测指标说明其提前预警能力。
NVIDIA 与 CoreWeave 宣布在 CoreWeave Cloud 提供 NVIDIA Vera Rubin NVL72，并推出 CoreWeave Forge，用于训练、评估和改进模型与智能体。
推荐理由：文章串联了 Vera Rubin NVL72、Vera CPU 与 Forge 的发布信息，并给出 Cognition 和 CoreWeave 的测试数据，便于了解智能体从训练到生产的基础设施变化。
OpenAI 破坏了一项提取受保护模型推理能力的模型蒸馏活动，并正加强针对对抗性蒸馏的防御。
Amazon Bedrock 在 Seoul 支持 Claude Opus 5 和 Claude Sonnet 5，在 Singapore 支持 Claude Sonnet 5，并通过 bedrock-runtime 提供区域内推理。
GPT-6.1 Sol 已在 Amazon Bedrock 正式上线，面向智能体编码、计算机使用和专业工作负载提供更强推理能力。OpenAI 称，该模型在 DeepSWE v1.1 上达到 GPT-6 Astra 的表现，单任务成本约为其五分之一，并较 GPT-6 Sol 的最佳成绩高 6.4 个百分点。
推荐理由：文章将 GPT-6.1 Sol 的任务成本、编码表现、工具约束处理和 Bedrock 生产控制放在同一工作流中说明，便于评估落地条件。
NVIDIA 发布开源表格基础模型 Kumo Tabular，可在单次前向过程中根据带标签行预测新行，支持分类和回归，无需训练、调参或特征工程。模型提供 28M 至 215M 参数的三个规模，基于人工表格数据预训练，并通过 Hugging Face 和开源库发布，采用 OpenMDW-1.1 许可。
推荐理由：Kumo Tabular 将表格预测转为无需训练和特征工程的上下文学习，并公开代码、权重与四项基准结果，便于评估其效率与适用范围。
Microsoft Research 推出 Quine，这是一个面向生物学复杂性的多模态世界模型与交互式研究系统，可连接科学工具、文献、湿实验和研究人员。在与 Broad Institute 合作的胰腺癌研究中，Quine 对数千种化合物进行预测和排序，最高排名化合物在多个湿实验中产生了最大的预期细胞状态变化，筛选到候选验证仅用一个周末完成。
推荐理由：Quine把生物学世界模型与科学工具、文献和实验连接起来，并以胰腺癌细胞状态研究展示了从预测到湿实验验证的工作流程。
xAI 的 Grok 4.7 已在 Amazon Bedrock 模型目录上线，支持编码、长时智能体和知识工作，提供 500K token 上下文窗口与 low、medium、high、xhigh 四档推理强度。
推荐理由：文章把 Grok 4.7 在 Amazon Bedrock 上的接入方式、推理开销和权限配置串联起来，便于开发者评估长任务部署方案。
Liquid AI 发布面向视觉语言模型 LFM2.5-VL-3B 的实验性 LFM2.5-VL-DSpark draft model，通过 speculative decoding 在不改变输出质量的情况下加速推理。
推荐理由：这次发布展示了 DSpark 如何在不改变输出质量的前提下加速 VLM 推理，并给出端侧与 H100 上的实测收益和部署方式。
NVIDIA 与合作伙伴在 AI Day Singapore 展示东南亚各国从 AI 试点走向规模化部署的进展，覆盖公共服务、关键基础设施、智能城市和区域化模型开发。
Microsoft Research 发布 RetroChimera，用于从目标分子反向预测合成路线。该模型结合 Transformer 模型 R-SMILES 2 与图神经网络模型 NeuralLoc，通过学习排序整合两者预测；在十个具有挑战性的目标上成功完成九个多步路线，优于文中列出的其他模型。
推荐理由：文章同时介绍了 RetroChimera 的集成架构、专家盲测结果和开源入口，便于了解其在稀有反应与多步合成规划中的实际表现。
NVIDIA Vera Rubin NVL72 首次提交 MLPerf Inference v6.1 预览结果，在 Qwen3-VL 上的吞吐量最高达到 GB300 NVL72 的 3.7x，在 DeepSeek-R1 上最高达到 2.5x。
推荐理由：文章集中比较 Vera Rubin 与 GB300 在吞吐、跨机架扩展和软件优化上的表现，呈现了影响推理成本的系统级因素。
Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train，通过离线 RL 生成监督数据，再将集合级检索行为蒸馏到 53.9M 参数的扩散模型中。该模型可在单次非自回归推理中生成完整目标嵌入集合，相比自回归方法实现 12 到 20 倍加速，并在时延规模扩大时保持亚秒至数秒响应。
推荐理由：论文展示了如何把离线 RL 学到的集合级检索行为蒸馏进扩散模型，以降低复杂搜索的推理延迟并减少人工标注依赖。
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，分别面向规模化低成本语音交互与高复杂度任务推理。
推荐理由：Google DeepMind同时发布面向规模化语音交互和复杂任务的两个模型，并给出基准成绩、工具调用与多语言能力，便于比较其定位差异。
Hugging Face Blog 介绍 ALTK-Evolve 的一致性指南，通过对已有轨迹的决策步骤进行重采样，定位容易翻转的决策点并生成可复用指南。
推荐理由：文章将平均成功率与重复运行的一致性区分开，并给出无需重跑任务即可定位不稳定决策点的方法与实测改进。
Hugging Face 介绍了在分离机器的 Hugging Face Jobs 上运行 AsyncGRPO 的方案：训练端仅将 LoRA adapter 通过 Storage Bucket 同步到 vLLM，并用代理完成鉴权、KV 前缀路由和多副本广播。
推荐理由：文章给出了跨 Hugging Face Jobs 部署 AsyncGRPO 与 LoRA 的完整方案，并用多轮指标定位瓶颈和优化路径。
Google DeepMind 发布 AlphaGenome Atlas，为人类基因组约 9 billion 个单核苷酸变体预计算分子影响预测，并通过网站、AlphaGenome API 和 Google Antigravity skill 提供访问。
推荐理由：AlphaGenome Atlas 将约 9 billion 个单核苷酸变体的预测整合为可检索资源，并展示了其在罕见病和群体遗传研究中的应用。
GitHub 在 GitHub Copilot CLI 中推出 Project HydraFusion 研究预览，通过运行时编排多个模型，自动选择单模型、级联或批评审执行模式来完成编码任务。
推荐理由：HydraFusion把多模型选择、级联和交叉评审纳入运行时，并用三个基准展示质量与成本的权衡。
Google DeepMind 和 Google Research 发布 WeatherNext 3 全球天气模型，使用实时卫星数据每小时生成高分辨率预报。模型可在最高 5-kilometer 分辨率下预测天气变量，并提供 100-meter 风速、云量和太阳辐射等清洁能源相关数据。
推荐理由：WeatherNext 3 将实时卫星观测、小时级更新和更高空间分辨率结合起来，并延伸到降水与可再生能源预测。
Hugging Face发布NeoMME系列多模态多语言编码器，提供260M和800M两种规模，使用单个双向Transformer处理文本token与原始图像patch，并从零开始训练。
推荐理由：NeoMME同时展示了单塔多模态编码、视觉文档检索和索引压缩方案，便于比较效率、检索质量与存储成本之间的取舍。
Hugging Face 发布教程，使用 TRL、GRPO 和 LoRA 对 LiquidAI/LFM2.5-350M 进行约 500 个样本、100 个训练步骤的微调。
推荐理由：文章提供了可在免费 GPU 环境复现的 GRPO 微调流程，并用统一评测展示小模型结构化输出能力的变化。
Google DeepMind 推出 Fairwind Program，向政府、Google Cloud 客户和可信网络安全伙伴限量开放 Gemini 3.8 Flash Cyber 与 CodeMender，用于自主发现、验证和修复漏洞。该项目声称可在组织的安全云环境中于数分钟内生成经过验证、可部署的补丁，并要求参与机构限制内部网络安全团队访问及启用多因素认证。已有超过 650 家合作伙伴参与。
推荐理由：Fairwind Program 将 Gemini 3.8 Flash Cyber 与 CodeMender 结合，展示了受控环境中自动发现、验证并修复漏洞的企业级路径。
Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，前者面向长程编码、智能体任务与多步推理，后者面向漏洞发现和自动修复。
推荐理由：Gemini 3.8 将通用推理编码与网络安全能力拆分为两个版本，并给出价格、基准和实际使用案例，便于比较其适用场景与成本。
Allen Institute 介绍 BenchMIRT，一种在单个提示词和任务层面审计 LLM 基准测试的方法。它基于 100 个 LLM、16 个基准和超过 34K 道题的结果，独立识别出安全与通用推理两个主要维度，并发现 BBQ、WMDP 等基准的得分可能混合了不同能力信号。
推荐理由：BenchMIRT 将多维 IRT 应用于 100 个 LLM 和 34K 多道题，展示了如何拆解基准分数中的推理与安全信号。
Google Research 发布 TimesFM-3，这是一个原生支持多变量预测的时间序列基础模型，拥有 330 million parameters，并在超过 1 trillion 个时间点上预训练。
推荐理由：TimesFM-3把多变量输入、已知未来特征与单次推理结合起来，并在三个公开基准上进行比较，便于了解其适用场景与技术取舍。
Google DeepMind 发布 Gemini 3.5 Transcribe，用于精确的实时语音转写和智能语音交互。模型通过 Gemini API 提供实时流式与预录音频处理两类 API，支持自定义词汇、自动检测和转写超过 85 种语言，以及最多三位说话人的识别。
推荐理由：Gemini 3.5 Transcribe同时覆盖实时流式和预录音频处理，并给出WER、延迟及多语言支持等指标，便于评估其开发适用场景。
IBM Granite Team 介绍 Granite 4.2 推理模型家族的构建过程，模型分为 3B、8B 和 30B 三种规模，均基于 Granite-4.1 基座模型进行后训练。
推荐理由：文章系统梳理了 Granite 4.2 从预训练、SFT 到多阶段 RL 的构建流程，并说明不同规模模型的智能体训练差异。
Multiverse Computing 提出 Quantization-Aware Healing（QAH），将 GPT-OSS 120B 压缩至 60B 参数并量化为 MXFP4，使 4-bit 模型在 9 项基准中的 7 项超过同架构的 60B bfloat16 版本。
推荐理由：论文通过 GPT-OSS 120B 压缩实验和 QAH、QAT 对照，具体展示了 4-bit 模型恢复精度与训练稳定性的路径。
Google DeepMind 回顾了从 DQN、AlphaGo、AlphaZero、MuZero 到 AlphaStar 的游戏 AI 研究，并介绍与 Fenris Creations 合作探索 EVE Universe 中的 AI 智能体。
推荐理由：文章梳理了 Google DeepMind 从游戏智能体研究到 EVE Universe 合作的路径，具体呈现了持续学习、记忆和长期规划等研究挑战。
Google Research提出Mobility-Embedded POIs（ME-POIs）框架，将匿名聚合的到达时间、停留时长和周边移动模式与地点文本表示结合，以刻画地点的身份和动态功能。该框架在洛杉矶和休斯顿的未见地点测试中，使访问意图预测相对提升最高81.9%，价格等级分类提升75.1%，繁忙程度估计准确率提升24.7%。
推荐理由：研究将匿名聚合的出行模式融入地点文本表示，并在未见地点的多项属性预测中量化展示了动态空间信息的补充价值。
Liquid AI 发布 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 的 DSpark 草稿模型，通过 speculative decoding 在不改变 greedy decoding 输出的前提下提升推理速度。
推荐理由：LFM2.5-DSpark同时给出H100与M4 Max上的实测加速、函数调用延迟变化和llama.cpp及SGLang接入方式，便于评估部署收益。
Microsoft Research 发布 Skala 1.1，这一深度学习 DFT 泛函使用比前代多 2.5x 的数据训练，在 GMTKN55 的 55 个类别中有 32 个获得金牌，并将加权平均误差降至 2.8 kcal/mol。
推荐理由：Skala 1.1同时展示了精度提升、软件集成与持续性能评测，勾勒出机器学习 DFT 走向科研工作流的实现路径。
Hugging Face Blog 介绍 ALTK-Evolve 在八个模型上的评估，发现智能体记忆需要按模型能力校准，而不是一味累积。gpt-oss-120b 使用精选检索后任务完成率提升 +16.1pp，token 开销仅增加 +5%；DeepSeek-V3.2 使用完整指南集后任务完成率提升 +9.5pp，GLM-5 则未见可测增益。
推荐理由：文章用八个模型和 AppWorld 结果比较记忆注入策略，具体展示了不同能力模型如何校准记忆规模与推理成本。
Google DeepMind 发布 Gemini 3.7 Flash，称其在编码、知识工作和网页开发工作流上较 Gemini 3.6 Flash 有明显提升。
推荐理由：Gemini 3.7 Flash给出了多项编码、文档处理和工作流基准对比，并同步公布了API价格，便于评估其生产环境价值。
Microsoft Research 提出 MindTopo 基准，评估多模态大语言模型对连续性、分离、顺序、包围和打结五类拓扑关系的理解。基准同时测试静态场景推理与交互规划，结果显示模型在静态识别上的表现通常优于需要跨多步行动维护拓扑关系的任务，且两者都低于人类表现。研究指出，规划错误常发生在模型未能追踪场景变化后的结构关系或提出违反环境约束的行动。
推荐理由：MindTopo 将静态识别与交互规划分开评估，具体展示了多模态模型在持续维护空间结构关系时的能力缺口。
Google Research 发布研究，提出 knowledge profiling 框架和包含 2,150 个事实的 WikiProfile 基准，用于区分大语言模型的事实编码、召回与识别能力。
推荐理由：研究将事实错误拆分为编码与召回两类，并用 WikiProfile 展示思考机制如何恢复部分已编码但难以直接提取的事实。
Google Research 介绍了基于 Gemini 和 Project Astra 的 AMIE (Video)，可在实时视频问诊中感知非语言临床线索、引导虚拟体格检查并进行诊断推理。研究覆盖 100 个场景和 300 次咨询，在核心临床能力上评估结果与初级保健医生相当；但研究仅使用专业患者演员，真实患者和真实临床条件下的实用性仍需进一步验证。
推荐理由：研究展示了 AMIE 从文本对话扩展到实时音视频问诊的系统设计与评估，也清楚交代了模拟场景和真实患者验证之间的边界。