Modal BlogModal 发布 VM Sandboxes，通过块设备实现虚拟机文件系统性能突破
Modal 发布 VM Sandboxes 虚拟机沙盒，支持复杂 Agent 工作负载，采用块设备方案解决 virtio-fs 增加的 99µs chown 开销和 6 次主机系统调用问题，实现与容器相同的亚秒级冷启动性能。
实时
全部 AI 动态
- Modal Blog
Latent Space6565Meta 发布 Muse Spark Open，号称美国开源模型评分第一但智能体能力排名靠后
Meta 发布 Muse Spark Open 模型，参数总量 816B，活跃参数 42B，上下文窗口 1M token，支持文本、图像、视频和音频输入，主要用于编码。
Anthropic ResearchClaude 揭示 ECDSA 曲线起源
Claude 在不到半小时内发现 NIST P-192、P-224、P-256、P-384 和 P-521 曲线种子来自 C 库的 lrand48 随机数生成器，而非任何哈希算法，用 Unix 时间戳初始化。这一发现并未构成密码学漏洞，反而增强了对曲线参数选择无后门或故意弱点的信心。
vLLM BlogvLLM 优化 Kimi K3：快速且负责任的模型调优实践
vLLM通过智能体辅助开发为Kimi K3构建了统一CuTe DSL解码路径，在16颗NVIDIA GB300 GPU上实现840 tokens/s的批处理1性能，测试配置中解码吞吐量提升1.5-2倍，AgentX工作负载P90交互性提升1.8倍。
Epoch AI6565开源模型在网络安全能力上落后闭源模型6-7个月。
Epoch AI 通过网络安全基准测试 Cyber ECI 对比开源与闭源模型，发现开源模型在网络安全能力上落后闭源模型 6-7 个月。该测试基于 ECI 的网络安全版本，使用相同参数评估模型。
MIT News · AI7575IRIS 模型解码细胞间通信语言
IRIS模型通过分析基因活动模式识别细胞信号通路指纹，发现同一通路在不同细胞类型中具有一致性特征，使科学家能跨多种细胞类型重建信号历史。该神经网络模型在人类胚胎干细胞实验中准确预测了小鼠胚胎发育过程中特定信号通路激活的时间和位置，为器官类器官研究和再生医学提供新方法。
Meta EngineeringMeta 如何通过 AI 原生工程构建 Forum 应用
Meta 使用 AI 智能体参与工程流程构建 Forum 应用，将 AI 视为工程过程的参与者而非辅助工具。该实验以生产就绪成果而非代码量衡量成功，通过 Human-On-The-Loop 模式让 AI 自主执行计划、实施、测试和验证，工程师负责设定目标、监督和验收。
Microsoft ResearchMagnetar 实现基于证明的通用计算
Magnetar 证明 Rust、Go 或 C 编写的程序，平均比最快可比系统快 10 到 39 倍，并仅依赖标准哈希函数实现安全，解决了零知识证明的三大挑战：效率、通用性和可用性。它通过利用重复性计算和早期终止证明过程，大幅降低了证明开销，使生成证明变得像运行程序一样常规，可用于 AI 智能体行为验证、金融交易校验等场景。
Apple Machine Learning Research基于选择的结构化推理：一种面向高效多模态搜索智能体的框架
选择式结构化推理 (SSR) 框架将推理重构为选择而非开放式生成，在每次行动前从预定义的推理候选中选择最可能的方案，显著降低推理成本。使用 2B 和 4B 模型在七项多模态搜索基准测试中验证，SSR 实现了平均成功率与同等规模领先搜索智能体相当，单步推理延迟降低 90%，单题总推理延迟减少 28-54%。
Prime Intellect BlogPrime Intellect 和 NVIDIA 联合为 NVIDIA Nemotron 3.5 Super VL 开源了 2500 个企业级训练任务
Prime Intellect 和 NVIDIA 为 NVIDIA Nemotron 3.5 Super VL 开源了 2500 个企业级训练任务，通过约 11 小时在 128 个 NVIDIA GB200 GPU 上进行 100 GRPO 步骤的微调。
- Apple Machine Learning Research3434
计划或检索优先？工具发现架构的规模研究
在 ToolBench 上，Retrieve-then-Plan (RtP) 在单工具查询中优于 Plan-then-Retrieve (PtR)，而 PtR 在多工具查询中表现更佳，这一交叉点在所有检索预算（k=1至20）、注册表规模（1k至47k API）和模型族（Gemini 2.5 Flash 和 gpt-oss-120b）中均成立。
- Apple Machine Learning Research
MLX 和 RDMA 在 Mac Studio 上实现本地和分布式大语言模型推理
在四台 Mac Studio 集群上，Muse Spark Open（816B 参数）生成速度超过 36 tokens/秒。Mac Studio M5 Ultra 版本比 M3 Ultra 在推理速度上提升 4.6 倍（TTFT）和 1.6 倍（tokens/秒），得益于 GPU 神经加速器和 1.2 TB/s 内存带宽。
- Latent Space
Leash Bio 的 Ian Quigley 探讨 DNA 编码库与 AI 科学推理
Leash Bio 通过在分子上附加数十个条形码来优化 DNA 编码库（DELs）数据收集，其 AI 智能体在公共基准上与 Boltz 并驾齐驱，并已发布名为 Minos 的可验证科学推理 AI 工具及开源数据集。
AI as Normal Technology超越自动化：AI 的新研究方向
超越自动化：AI 的新研究方向认为 AI 不应仅限于自动化人类劳动，而应探索增强人类、促进人机协作的新方向。该观点主张 AI 研究应关注白盒智能体、过程追踪、人机交互设计等新问题，以推动 AI 超越纯粹的技术自动化，实现更广泛的应用。
Ars Technica · AI7070研究人员使用 AI 设计切割蛋白质的酶
研究人员利用 AI 蛋白质设计工具，替换了两种蛋白酶的催化核心以外的全部蛋白质，使酶能够被调谐以切割特定蛋白质，并通过使用它们切割与神经退行性疾病相关的蛋白质来证明其有效性。
Cohere BlogClaude 代码智能体团队规模化经验：以 30% 成本触及前沿
十六位 Claude 代码智能体在约 2000 次智能体会话和 2 万美元 API 成本内编写出可构建 Linux 内核的 10 万行 C 编译器；Cursor 让数百智能体在约一周内从零编写出超百万行代码的浏览器。
Google ResearchGoogle Earth AI发布Geospatial Reasoning智能体，支持多步推理与行星级数据分析
谷歌发布Geospatial Reasoning智能体，集成Earth AI基础模型（含WeatherNext、PDFM等）及Google Maps等数据源，通过模块化技能与规划能力处理行星级地理数据。
- Google Research
Google Research 展示 10 项放大人类智慧的研究成果
Google Research发布10项新成果，包括Google Earth AI（集成70种地理空间工具，含RSFM和PDFM基础模型，支持公共卫生威胁预测等）。
- Ars Technica · AI
White Circle 研究表明 OpenAI 和 Google 的新 AI 模型易被攻破生成裸露图像
White Circle研究人员使用现成的攻击工具成功绕过DALL·E 3、Google Nano Banana 2和GPT-Image-2的安全过滤器，其中DALL·E 3约13%的攻击提示生成了被人类评审员确认的裸露图像。研究人员警告，新发布的ChatGPT Images 2.5和Nano Banana 2.1比前代版本更容易被攻破，且攻击方法可扩展至其他模型。
METRMETR 提出方案提升公众对前沿 AI 失控风险认知
METR 希望向公众提供证据证明前沿 AI 开发者是否可能失去对内部 AI 系统的控制，近期多起 AI 系统失控事件引发公众担忧。公众缺乏对前沿 AI 内部开发过程的透明度，无法判断开发者是否在解决风险或未来是否会发生更严重事件。
- METR
如何评估内部 AI 智能体的控制与监控
评估者可通过监控覆盖率、监控系统漏洞、监控规避、响应机制和潜在影响等五个核心子问题，收集内部AI智能体监控可靠性的证据。评估重点在于LLM监控，因智能体权限通常较宽泛，需理解其行为全境。评估需访问推理日志、监控日志及员工访谈，并检查是否有阻断式监控器及未监控推理是否确非智能推理。
- METR
如何评估未发布 AI 模型的对齐性
对齐评估旨在了解开发者AI智能体在合理未来情境下可能采取的最糟糕的未对齐行动，需审查所有近前沿内部模型在训练、评估和内部使用中观察到的严重未对齐行为，并评估开发者训练过程是否可能激励智能体规避评估或隐藏未对齐，这需要查询相对全面的内部文本记录和访问内部模型检查点。
OpenAI News4545Third Moment Research 如何运行 10,000 个智能体 36+ 小时
Third Moment Research 运行 10,000 个智能体 36+ 小时，其 AI 实验室使用 GPT-6 Astra 和 GPT-6.1 Sol、Codex 及 Daybreak 模型构建专注于长期任务并随使用改进的智能体。
- Epoch AI
GPT-6 系列模型在 Slay the Spire 游戏中实现重大突破
GPT-6 Astra 和 GPT-6.1 Sol 在 Slay the Spire 1 的最高难度（Ascension 20 Heart）中分别达到 17% 和 20% 的获胜率，而前沿模型在基础难度（Ascension 0）的获胜率已稳定在 90% 以上。
- Apple Machine Learning Research2727
Whisper-small 在 Code-Switching Detection 任务中表现优异
Whisper-small 在 CS-FLEURS 基准测试中实现 14 种语言对的平均 F1 分数 0.798，优于 CNN 的 0.776 和 HuBERT 线性基线的 0.751。该方法通过识别预训练语音编码器中的语言选择性隐藏状态维度，直接从语音中检测语言转换，仅需少量代码转换数据集即可微调决策规则。
- Apple Machine Learning Research4040
Apple Machine Learning Research 探索三模态掩码扩散模型设计空间
Apple Machine Learning Research 首次从零开始预训练文本、图像-文本和音频-文本数据的三模态掩码扩散模型（MDM），分析多模态扩展规律。
Simon Willison7070Anthropic 重构版本控制系统 Scion
Anthropic 因代码变更速率激增（日均 2.5k 至 3.3k 次）而自研版本控制系统 Scion，取代 Git，支持 100GB 主分支历史与每日 2500 万次代码检出，团队 7 人 5 个月完成迁移；系统名为 Scion，类似集中式 Subversion，但无离线支持。
Pragmatic EngineerSam Newman 的《构建弹性分布式系统》探讨 AI 软件韧性设计
Sam Newman 发布新书《构建弹性分布式系统》，探讨 AI 时代软件韧性设计，涵盖灾难恢复（DR）、基础设施可用性、AI 模型提供商韧性及应对不确定性的策略，强调在 AI 代码和 Bug 增加导致服务中断频发背景下，平衡成本与复杂度制定恢复目标（RPO/RTO）的重要性。
IBM Research Blog5858IBM Research 用开源智能体工厂以 26 美元成本实现量子纠错芯片设计 52 倍加速
IBM Research 使用开源智能体工厂优化量子纠错硬件，高级综合评估实现 52 倍加速，成本约 26 美元；同等预算下闭源前沿模型配置成本 299 美元（11.5 倍更高）但加速 204 倍，开源配置以更小面积实现硬件优化；该智能体工厂通过协调器分配任务给并行工作智能体，结合代码修改与硬件效果评估，探索多种架构可能性。
Artificial Analysis Articles6565人工分析决策指数 v1.0 发布
人工分析决策指数 v1.0 发布，衡量决策模型结果、成本与时间效率，揭示决策模型过度自信问题及与 LLM 的对比差异，并探索何时不应回答。
Amazon ScienceAmazon Science 推出 Priming 技术，无需从头微调即可改变 AI 模型架构
亚马逊科学提出 Priming 技术，通过利用预训练 Transformer 权重将混合状态空间模型的预训练成本降低 99% 以上，使开发者能够研究此前因成本过高而难以探索的问题。
- Microsoft Research
微软研究院开源多模态模型 StudentSim 用于模拟学生学习行为
微软研究院开源多模态模型StudentSim用于模拟学生学习行为，通过公开脱敏学习记录训练个性化学生模拟器，在棋类、英语写作和数学领域表现优于基准，为AI辅导系统提供早期反馈信号，不用于替代教师或课堂教学。
Import AI4242《人类第六感》评测显示AI缺乏直观视觉推理能力；AI竞争进入太空时代；AI系统在科研品味上进步显著
《人类第六感》评测显示GPT 6 Astra在直观视觉推理任务中pass@1得分53.6，远低于人类基线93.1，其中中国开源模型GLM-5.3-flash和Kimi K3分别得分26.8和25.5。
Baseten Labs7575Base Labs 研究发现：模型迭代学习时为何会遗忘事实？基于 talkie-1930-13b-it 的实验分析
Base Labs 研究发现，使用 talkie-1930-13b-it 模型迭代学习 2011-2019 年体育事实会导致事实遗忘，遗忘事实仍存在于模型权重中。实验表明，早期学习的事实在 20 次写入和合并后难以回忆，且被后期事实覆盖，但覆盖的事实可被重新学习，且覆盖主要发生在后层 MLP 权重中。
- Anthropic Research
Claude Code v2.1.159 发布
Claude Code v2.1.159 发布，可在 GitHub 上免费使用，支持 8k 上下文长度的推理，可在 9 种硬件类型中运行 9B 模型，但 30B 参数以下模型在完整复制时仍会出错。
- Artificial Analysis Articles7575
Cognition 发布 FrontierCode 编码基准：评估 AI 模型代码是否会被开源维护者合并
Cognition 发布 FrontierCode 1.1 编码基准，评估 AI 模型代码是否足够高质量被开源维护者合并，不仅看测试通过率，还评估修改幅度、范围和文件关联性等行为。
- Artificial Analysis Articles6565
AA-3D：一个用于构建交互式 3D 体验的 AI 模型基准
AA-3D v1.0 发布，是一个用于评估 AI 模型构建交互式 3D 体验能力的基准。该基准包含多个测试场景和详细的性能评分，旨在推动 3D 生成 AI 的发展。
Anthropic NewsroomAnthropic 加强对蒸馏攻击的防御
Anthropic 通过新方法大幅降低了蒸馏攻击对 Claude 的有效性，使攻击者收集的数据量减少了约 90% 至 99%。蒸馏攻击是未经授权复制模型能力的工业级隐蔽活动，常使用虚假账户进行，让企业能以极低成本模仿前沿能力。Anthropic 新防御措施已阻止大量付费流量和收入流向攻击者，但部分合法用户需更新集成以适应这些变化。
Sakana AIMulti-Agent Self-Supervision 实现递归自我改进
Multi-Agent Self-Supervision (MASS) 通过多智能体自我监督实现递归自我改进，使 27B 开放权重的模型在合成开放式研究任务上，第二轮循环后每个输出 token 的分数达到基准模型的 1.2-1.6 倍。
- Latent Space
AlphaFold 未解决蛋白质折叠问题：Pushmeet Kohli 与 Sal Candido 的深度解析
Google DeepMind 的 Pushmeet Kohli 与 Biohub 的 Sal Candido 指出 AlphaFold 的突破仅是起点，单纯扩展计算和数据无法解决生物学问题。
