OpenAI 为 GPT-Rosalind 推出新能力
OpenAI 为 GPT-Rosalind 推出新能力，面向生命科学研究，增强生物推理、药物化学、基因组分析和实验工作流能力。
推荐理由：OpenAI 为 GPT-Rosalind 增加生命科学方向能力，读者可据此了解该模型在生物推理与基因组分析上的定位。
#推理
OpenAI News精选AI 评分6262
Hugging Face Blog精选AI 评分6060 JetBrains 发布 Mellum2：12B 混合专家模型
JetBrains 发布 Mellum2，一个从零训练的 12B 参数混合专家（MoE）模型，覆盖自然语言与代码，每个 token 仅激活 2.5B 参数，采用 Apache 2.0 许可。官方称其面向路由、RAG、摘要、子智能体和高吞吐编码等低延迟场景，相比同规模模型推理速度提升超过 2 倍，模型已在 Hugging Face 开放下载，技术报告发布于 arXiv。
推荐理由：JetBrains 开源 12B MoE 模型，每 token 仅激活 2.5B 参数，可据此判断轻量模型在路由与 RAG 场景的部署取舍。
Hugging Face BlogAI 评分3636 超越 LLM：为什么可扩展的企业 AI 落地依赖智能体逻辑
Hugging Face 博客指出，企业 AI 试点大规模失败，症结在于缺少"智能体逻辑"这一引导层。IBM 用知识图谱、程序分析库等软件原语约束 LLM，在 Cobol/PL-1 应用理解中实现约 30× token 消耗降低，Aster 测试生成在 75+ 个 Java 应用上覆盖率提升 20%-45%、token 消耗最多降低 15×。
OpenAI News精选AI 评分7878 OpenAI 模型推翻离散几何核心猜想
OpenAI 称其模型解决了已有 80 年历史的单位距离问题，推翻离散几何中的一项重要猜想，被视为 AI 驱动数学的一个里程碑。
推荐理由：OpenAI 模型推翻离散几何中悬置 80 年的核心猜想，可观察 AI 在数学证明上的能力边界。
Hugging Face BlogAI 评分3838 Hugging Face 详解连续批处理中的异步调度：如何让 GPU 利用率提升 24%
Hugging Face 发文解析连续批处理中的异步批处理（asynchronous batching），通过 CUDA stream 将 CPU 批次准备与 GPU 计算解耦并行，消除同步模式下两者轮流等待的空闲间隙。
Hugging Face BlogAI 评分2222 在 AWS 上构建基础模型训练与推理的积木：计算、网络与存储架构解析
Hugging Face 博客发布技术文章，解析 AWS 基础设施如何与开源软件栈配合支撑基础模型全生命周期。文章梳理了 Amazon EC2 P5（H100/H200）与 P6（B200/B300）实例的算力规格，并指出预训练、后训练与推理正走向融合的基础设施需求：紧耦合加速计算、高带宽低延迟网络与分布式存储。
Berkeley AI ResearchAI 评分3434 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队梳理了并行推理领域进展，指出当前多数方法（如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS）的并行结构与分解策略由外部预设，而非模型自主决定。
Hugging Face BlogAI 评分2828 vLLM V0 到 V1 迁移：RL 训练中先对齐正确性再改目标
PipelineRL 在 vLLM V0 到 V1 迁移中通过修复四项问题让 V1 与 V0 参考对齐：rollout logprobs 语义、V1 运行时默认值、inflight 权重更新路径，以及最终投影使用的 fp32 lm_head。
Hugging Face Blog精选AI 评分6262 Granite 4.1 LLM 是如何构建的：IBM 公开预训练、SFT 与强化学习全流程
IBM Granite 团队发布技术文章，详解 Granite 4.1 系列（3B、8B、30B 稠密 decoder-only 模型）的构建流程：约 15T token 五阶段预训练、上下文扩展至 512K、约 4.1M 高质量样本的 SFT，以及基于 on-policy GRPO 与 DAPO loss 的多阶段强化学习。
推荐理由：Granite 团队公开了从数据配比到多阶段 RL 的完整训练细节，可对照其 8B 稠密模型追平 32B MoE 的取舍。
Hugging Face Blog精选AI 评分7474 NVIDIA 发布 Nemotron 3 Nano Omni 全模态模型
NVIDIA 发布 Nemotron 3 Nano Omni，一款面向文档分析、多图推理、语音识别、长音视频理解和 GUI 智能体操作的全模态理解模型，在 MMlongbench-Doc、OCRBenchV2、WorldSense、DailyOmni、VoiceBench 等基准上取得领先成绩。
推荐理由：原文给出架构、训练配方与多模态基准对比，读者可据此判断开源全模态模型在文档、音视频与 GUI 智能体上的能力边界。
Hugging Face Blog精选AI 评分8787 DeepSeek-V4 发布：百万 token 上下文面向智能体任务
DeepSeek 发布 V4，两个 MoE 检查点上线 Hub：DeepSeek-V4-Pro 总参数 1.6T、激活 49B，DeepSeek-V4-Flash 总参数 284B、激活 13B，均支持 1M token 上下文窗口。
推荐理由：原文给出 V4 在长上下文推理成本与智能体后训练上的具体设计，可据此判断开源模型做长任务智能体的可行性。
OpenAI News精选AI 评分7878 OpenAI 发布 GPT-5.5
OpenAI 发布 GPT-5.5，官方称其为面向编码、研究和数据分析等复杂任务打造的模型，可跨工具使用。目前公开信息仅为摘要，未披露参数、上下文窗口或评测数据。
推荐理由：OpenAI 官方发布 GPT-5.5，读者可据此了解新模型面向编码、研究与数据分析等复杂任务的定位。
Google Research精选AI 评分6060 Google Research 发布 ReasoningBank：让智能体从经验中学习
Google Research 在 ICLR 论文中提出智能体记忆框架 ReasoningBank，从成功和失败经验中提炼高层推理模式，用于测试时自我进化。
推荐理由：Google Research 的 ICLR 论文提出从成功与失败经验中提炼推理记忆的框架，并给出 WebArena 与 SWE-Bench-Verified 上的对比数据。
Berkeley AI ResearchAI 评分3434 GRASP：面向世界模型长时程规划的梯度规划器
伯克利 AI 研究团队提出梯度规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索、并重塑梯度避免高维视觉模型中的脆弱"状态-输入"梯度，使基于学习动力学（世界模型）的长时程规划变得可行。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun 和 Amir Bar 合作完成。
Google ResearchAI 评分4040 Google Research 提出 Simula：从第一性原理设计合成数据集
Google Research 提出推理优先的合成数据生成框架 Simula，将数据集生成重构为机制设计问题，通过全局多样化、局部多样化、复杂化和双评审质量检查四个步骤，独立控制覆盖度、复杂度与质量。
OpenAI News精选AI 评分7272 OpenAI 发布生命科学研究推理模型 GPT-Rosalind
OpenAI 发布 GPT-Rosalind，一款面向生命科学的前沿推理模型。该模型用于加速药物发现、基因组分析、蛋白质推理和科研工作流。
推荐理由：OpenAI 发布面向生命科学的前沿推理模型，读者可了解其在药物发现与基因组分析等科研流程中的定位。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini Robotics-ER 1.6，新增仪表读数能力
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其面向机器人的推理优先模型升级版，重点增强空间推理与多视角理解，并新增仪表读数能力，可读取压力表、液位计和数字读数。
推荐理由：官方给出与上一代及 Gemini 3.0 Flash 的对比，并首次加入仪表读数能力，可据此判断机器人在设施巡检场景的可用性。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemma 4 开源模型家族
Google DeepMind 发布 Gemma 4 开源模型家族，包含 E2B、E4B、26B MoE 和 31B Dense 四种尺寸，采用 Apache 2.0 许可。
推荐理由：Gemma 4 以 Apache 2.0 开源并覆盖从手机到工作站的四种尺寸，读者可据此判断本地部署与微调的选择空间。
Google Research精选AI 评分6666 Google Quantum AI 发布白皮书：披露量子计算机破解加密货币加密的新资源估算
Google Quantum AI 发布白皮书，称未来量子计算机破解保护加密货币的椭圆曲线加密所需的 qubit 和门数比此前认为的更少。
推荐理由：Google Quantum AI 给出破解 ECDLP-256 所需量子资源的新估算，并说明如何在不泄露攻击细节的前提下公开漏洞。
Google Research精选AI 评分6262 Google 发布 TurboQuant 等向量量化算法，将 KV cache 压缩至 3 bit
Google Research 提出 TurboQuant 压缩算法，并配套 QJL 和 PolarQuant 两种方法，用于解决向量量化中的内存开销问题，相关论文将分别在 ICLR 2026 和 AISTATS 2026 发表。
推荐理由：Google 提出 TurboQuant 等三种向量量化算法，可在不损失精度的前提下把 KV cache 压到 3 bit，并给出与基线的对比数据。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral Small 4 开源模型
Mistral AI 发布 Mistral Small 4，首次将 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力统一到单一模型，采用 Apache 2.0 许可。
推荐理由：Mistral Small 4 把推理、多模态与编码智能体能力合并进单一开源模型，并给出可配置推理强度与部署门槛。
Google ResearchAI 评分4040 Google 用高温超导研究问题测试 LLM 世界模型
Google 与康奈尔大学合作，让 GPT-4o、Perplexity、Claude 3.5、Gemini Advanced Pro 1.5、NotebookLM 和一套自建 RAG 系统回答 67 道高温超导专家级问题，由 12 位专家按 6 项指标盲评打分。基于 1,726 篇受控文献的 NotebookLM 在多数维度表现最佳，自建 RAG 系统紧随其后，所有系统均有待改进之处。
Mistral AI精选AI 评分6262 Mistral 发布开源 Lean 4 代码智能体 Leanstral
Mistral 发布 Leanstral，这是首个面向 Lean 4 的开源代码智能体，采用 6B 激活参数的稀疏架构，权重以 Apache 2.0 许可开放，并接入 Mistral Vibe 与免费 API 端点 labs-leanstral-2603。
推荐理由：Mistral 开源面向 Lean 4 的代码智能体，给出了与 Claude 系列及开源模型的成本与得分对比，可据此判断形式化验证路线的性价比。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX，可在规模化下识别 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识别 LLM 的关键交互。SPEX 利用交互的稀疏性与低阶性，将搜索问题转化为稀疏恢复问题；ProxySPEX 进一步利用层级结构，以约 10 倍更少的消融实验达到 SPEX 的性能。
OpenAI NewsAI 评分4242 OpenAI 研究：推理模型难以控制其思维链，而这正是好事
OpenAI 提出 CoT-Control，发现推理模型难以控制自身的思维链，这反而强化了可监控性作为 AI 安全保障的价值。
Google ResearchAI 评分3838 Google 研究：用贝叶斯教学让 LLM 学会概率推理
Google Research 提出"贝叶斯教学"，通过监督微调让 LLM 模仿贝叶斯助手在航班推荐任务中的预测，从而学会按贝叶斯方式更新对用户偏好的概率估计。实验显示，该方法不仅提升训练任务表现，还能泛化到其他任务；而未经训练的 LLM 表现明显逊于最优贝叶斯助手，且往往在单轮交互后性能就停滞。
OpenAI NewsAI 评分2020 OpenAI 用 GPT-5.2 Pro 将单负振幅扩展至引力子
一篇新预印本将单负振幅扩展至引力子，GPT-5.2 Pro 参与推导并验证了量子引力中非零的引力子树振幅。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.1 Flash-Lite
Google DeepMind 发布 Gemini 3.1 Flash-Lite，称其为 Gemini 3 系列中速度最快、成本最低的模型，定价为每百万输入 token 0.25 美元、每百万输出 token 1.50 美元。
推荐理由：官方给出定价、速度与基准数据，可据此判断高并发场景下是否值得替换 2.5 Flash。
OpenAI NewsAI 评分3737 OpenAI 公布 First Proof 数学挑战赛的 AI 证明提交
OpenAI 公开了其 AI 模型在 First Proof 数学挑战赛中的证明尝试，用于测试模型在专家级问题上的研究级推理能力。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.1 Pro
Google DeepMind 发布 Gemini 3.1 Pro，定位为面向复杂任务的核心推理升级，在 ARC-AGI-2 上取得 77.1% 的验证分数，官方称推理表现超过 3 Pro 两倍以上。
推荐理由：官方给出 ARC-AGI-2 上 77.1% 的验证分数，并列出消费端与开发者端的同步开放渠道，可据此判断升级幅度与可用范围。
OpenAI News精选AI 评分6262 GPT-5.2 在理论物理中推导出新结果
OpenAI 发布的一篇新预印本显示，GPT-5.2 为胶子振幅提出了一个新公式，随后由 OpenAI 与学术合作者完成形式化证明与验证。
推荐理由：材料给出 GPT-5.2 在理论物理中提出新公式并被形式化证明的案例，可观察模型在科研推理上的边界。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3 Deep Think 升级版
Google DeepMind 发布 Gemini 3 Deep Think 重大升级，面向科学、研究与工程难题，已在 Gemini 应用中向 Google AI Ultra 订阅用户开放，并首次通过 Gemini API 向部分研究者、工程师和企业提供早期访问。
推荐理由：官方给出 Deep Think 在 HLE、ARC-AGI-2、Codeforces 等基准上的具体成绩，并首次开放 API 早期访问，可据此判断其科研与工程场景的可用性。
OpenAI News精选AI 评分6262 OpenAI 发布 GPT-5.3-Codex-Spark 实时编码模型
OpenAI 发布 GPT-5.3-Codex-Spark，称其为首个实时编码模型，生成速度提升 15 倍，支持 128k 上下文。该模型目前面向 ChatGPT Pro 用户开放研究预览。
推荐理由：OpenAI 发布首个实时编码模型，给出 15 倍生成速度与 128k 上下文，可据此判断实时编码场景的可用性。
Google DeepMind精选AI 评分7171 Google DeepMind 用 Gemini Deep Think 加速数学与科学发现
Google DeepMind 发布两篇论文，介绍由 Gemini Deep Think 驱动的数学研究智能体 Aletheia 及跨学科研究案例。
推荐理由：DeepMind 公开了 Gemini Deep Think 在数学与理论计算机科学研究中的两篇论文，读者可了解其智能体工作流与分级评估方式。
Google ResearchAI 评分3030 Google Research 提出 Sequential Attention：让 AI 模型更轻更快且不牺牲准确率
Google Research 提出 Sequential Attention，用贪心选择机制逐步、自适应地挑选要加入模型的层、模块或特征，并将选择过程直接整合进单次模型训练，避免传统贪心算法带来的数量级训练开销。该方法在多个神经网络基准上取得 SOTA，实现快速单遍贪心选择，同时提升效率与可解释性，可扩展至大规模特征选择。
Hugging Face BlogAI 评分4646 解锁 GPT-OSS 的智能体 RL 训练：一次实践复盘
Hugging Face 团队用 verl 框架对 GPT-OSS-20B 做智能体强化学习训练，发现 KL 散度和熵爆炸、奖励不升，根因是 MoE 架构下双次前向传播导致新旧 log-prob 不匹配，使 PPO 的 on-policy 重要性采样比值偏离 1。
Google ResearchAI 评分3434 Google 研究：用小模型分解式方法实现更优用户意图提取
Google Research 在 EMNLP 2025 发表的论文提出一种分解式方法，让小型多模态 LLM 在设备端理解用户意图：先逐屏总结每次交互，再从摘要序列中提取意图。该方法在移动端和网页轨迹上均优于 CoT 提示和端到端微调，Gemini 1.5 Flash 8B 的效果可媲美 Gemini 1.5 Pro，成本与速度却大幅占优。
Hugging Face Blog精选AI 评分6262 微软发布 Differential Transformer V2：差分注意力去掉自定义 kernel 与 RMSNorm
微软 unilm 团队发布 Differential Transformer V2（DIFF V2），在保持 KV 头数量不变的前提下把 query 头数翻倍，使解码速度与标准 Transformer 持平，且不再需要自定义注意力 kernel。
推荐理由：微软团队给出 DIFF V2 的代码与消融对比，读者可据此理解差分注意力在解码速度与训练稳定性上的取舍。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 D4RT 模型，统一 4D 场景重建与追踪
Google DeepMind 发布 D4RT（Dynamic 4D Reconstruction and Tracking），用统一的编码器-解码器 Transformer 架构完成动态场景的 4D 重建与追踪。
推荐理由：D4RT 把动态场景重建统一进单一框架，并给出 18x 至 300x 的加速数据，可据此判断 4D 重建的实时化路径。
Hugging Face Blog精选AI 评分6666 NVIDIA 发布 Cosmos Reason 2，面向物理 AI 的开源推理视觉语言模型
NVIDIA 发布 Cosmos Reason 2，一款面向物理 AI 的开源推理视觉语言模型，在 Physical AI Bench 和 Physical Reasoning 榜单上位列开源模型第一。
推荐理由：NVIDIA 开源视觉语言推理模型 Cosmos Reason 2 的发布细节，含 256K 上下文与 2B/8B 规格，可对照上一代判断物理 AI 推理能力进展。