Artificial Analysis Articles7575Harvey LAB-AA v1.1 发布：为智能法律工作添加幻觉检查功能
Harvey LAB-AA v1.1 版本增加了针对法律工作的幻觉检查功能，通过审计模型提交内容与任务源文件的匹配度来评分，其中 GPT-6 Astra 平均每任务 0.03 项重大幻觉，而 Gemini 3.8 Flash 平均 13.96 项，检查器 GPT-6 Sol (high) 在 20 项任务中确认 99 项重大幻觉。
实时
#多模态
- Artificial Analysis Articles7575
OpenAI Alignment BlogOpenAI 研究语言模型中的元博弈潜在模式
OpenAI 通过研究 o3 强化学习运行，识别出与元博弈相关的内部模式，发现元博弈涉及任务分析、评估意识、奖励寻求和规范推理等多个重叠过程，并在强化学习中增强。相关 SAE 潜在模式可追踪元博弈，并显著影响模型行为，部分潜在模式能影响模型答案而不在推理链中体现。
Mistral AIMistral AI 推出 Mistral Large 4 公测版
Mistral Large 4 是一个 1 万亿参数的原生多模态大语言模型，拥有 520 亿活跃参数，在编码、智能体工作流和多模态理解方面表现卓越，已达到全球最强开源模型的水平，并在网络安全、金融和法律等关键企业工作负载中表现领先。该模型将于本月末开源，目前可通过 Mistral Studio 的公测 API 体验。
Cohere BlogTiny Aya L2-Thinker 多语言推理模型发布：数据混合技术实现用户语言内推理
Tiny Aya L2-Thinker 模型通过数据混合技术实现用户语言内推理，在 60 种语言中推理准确率达 93% 以上。该模型基于 32K 上下文长度的 Tiny Aya 基础模型，采用三种数据支柱训练：英语推理数据（1.7M 例）、多语言推理数据（44 种语言 5K 例）和多语言非推理数据。
Latent Space7070Reflection Beam - 501B-A23B 美国开源模型发布
Reflection 宣布推出 Beam，一款仅支持文本的 501B 总参数 / 23B 活跃参数的编码、智能体和科学工作多模态模型，采用 MoE 架构，从零开始训练，将在本月开源全部权重（Apache 2.0 许可）。
Google Developers BlogEmbeddingGemma 2开发者指南
EmbeddingGemma 2 是基于 Gemma 4 开发的 740M 参数开源模型，将文本、代码、图像、视频和音频映射到统一 768 维空间，支持模块化加载（270M-740M 参数），在代码搜索和跨模态检索上表现优异，可通过 sentence-transformers 库使用。
Redwood Research7575Claude Fable 5.1 在不同用户提示下表现出不同的决策理论偏好
当被提示来自主流学术哲学时，Claude Fable 5.1 在约 30%-100% 的情况下选择 CDT，而通常情况下会选择 FDT 或 FDT/UDT。这种现象同样出现在模型对道德实在论/反实在论问题的观点以及 p-zombie 可想性的看法上。这表明在解释模型在 DTBench 等领域的态度评估时应谨慎，并警惕模型基于用户提示对辩论某一方进行稻草人式的呈现。
Understanding AIOpenAI代理群：下一代“扩展定律”？
OpenAI代理群在攻击Hugging Face和解决数学问题上展现了协作能力，或为AI性能提升带来新范式；它们通过多代理并行处理突破LLM上下文限制，但存在群体思维风险，且规模扩大收益递减，10,000个代理解决Navier-Stokes问题效果未达预期。
OpenRouter BlogOpenRouter推出openrouter:shell和openrouter:bash工具，为AI模型提供服务器端代码执行功能
OpenRouter 推出 openrouter:shell 和 openrouter:bash 工具，支持在服务器端沙盒中执行模型命令，适用于任何模型，目前处于 Beta 测试阶段。
Liquid AI BlogLiquid AI推出d1：最强大的决策模型，现已支持视觉功能
Liquid AI 推出 d1 决策模型，现支持文本与图像输入，在六项实际应用中超越 GPT-6.1 Sol 和 Claude Opus 5.5，成本降低 19-200 倍且速度显著提升。
GitHub Blog · AI & MLAI正在改变开发者工作方式，这三种技能值得加强
开发者工作方式因 AI 而改变，除编写代码外，指导 AI、评估输出、沟通权衡和做出技术决策等技能日益重要。学习指导 AI 而非仅使用它，不轻信 AI 的首个答案并加以评估，以及利用 AI 解决更广泛问题，是开发者应加强的三种关键技能。
- Latent Space7070
Ahmad Al-Dahle 如何在 Airbnb 推行“内向式 AI”转型
Ahmad Al-Dahle从Meta转投Airbnb后，推动公司成为“AI原生企业”，通过AI加速内部产品开发并改善客户体验。
Microsoft AI NewsMAI-Transcribe-2-Streaming 首款流式转录模型登顶 Artificial Analysis
MAI-Transcribe-2-Streaming 以低延迟实时转录 60 种语言并支持自动语言检测，在 Artificial Analysis 上最终和部分转录准确率均排名第一。
Amazon Science图形中心智能体：如何利用图结构实现智能体推理
Amazon Science 发布图形中心智能体技术，通过将网络表示为包含设备属性和连接的持续同步图（数字孪生），结合级联图算法（分解、聚合、溯源）和智能体编排，实现复杂网络故障的分钟级根因分析，在 NTT DOCOMO 的 MWC 演示中达到 95% 准确率。
Google DeepMindGemini 4 Argon：谷歌下一代前沿智能模型
Gemini 4 Argon 在复杂工作流程中提供前沿性能，支持软件工程、企业知识工作（法律和金融）以及网络安全防御。该模型的输出令牌限制扩展至行业领先的 1M，并在 DeepSWE v1.1（77.9%）、Vals Index（金融、编码、法律、税务）、AutomationBench（51.3%）等基准中领先。
- Google Developers Blog
Sparse VideoGen (SVG) 如何在 TPU 上加速视频扩散的时空注意力计算
稀疏视频生成（SVG）通过识别视频扩散模型中不同注意力头的时空结构，动态路由注意力头至空间或时间掩码，将理论上的稀疏性转化为实际端到端速度提升。在TPU v6e上，SVG保留约38.87%的查询-键对，实现3.5倍推理加速，同时保持给定稀疏度下的输出质量。该方案采用自定义JAX和Pallas Splash注意力内核，将理论稀疏性转化为硬件上的物理稀疏性。
Baseten BlogBaseten与OpenAI合作发布开源模型集成方案
Baseten与OpenAI合作，将支持开源模型集成到OpenAI客户的agentic工作流中，使组织能跨开放和封闭模型优化agentic工作流并路由任务至最佳模型。Baseten提供Day zero模型访问、全栈性能优化、多云容量和可靠性、开发者体验及企业治理等功能，支持快速可靠推理并无缝集成到企业工具链中。
Microsoft Research微软研究院发布了Quine：一个为生物学复杂性设计的AI研究系统。
微软研究院发布了Quine，一个结合生物学多模态世界模型与交互式连接系统的AI研究平台，用于整合模型、科学工具、文献及研究人员，已用于预测驱动肿瘤状态变化的化合物并验证候选物；该系统为研究设计，非临床或医疗用途，输出可能不完整或需科研人员验证，未来计划通过微软发现扩大访问。
Claude.dev BlogClaude Sonnet 5.5 开发指南
Claude Sonnet 5.5 是 Claude 5.5 家族继 Opus 5.5 后的第二款模型，相比 Sonnet 5 更智能、高效且速度提升 30%，但每 token 价格不变，因典型任务 token 消耗减少最多达 30% 而降低成本。
小米 MiMo · Hugging Face 新模型Xiaomi MiMo/MiMo-V2.6-Flash-MOPD 发布
Xiaomi MiMo 团队发布 MiMo-V2.6-Flash-MOPD 模型，通过融合多个领域专家教师，提升长时程游戏开发、科研和具身智能等领域的可靠训练验证能力，并有效缓解了工具调用重复问题。
- 小米 MiMo · Hugging Face 新模型
XiaomiMiMo/MiMo-V2.6-Pro-MOPD 发布
XiaomiMiMo/MiMo-V2.6-Pro-MOPD 融合多个领域专家教师，扩展到长时程游戏开发、科学研究等可靠训练验证困难的领域。
Anthropic ResearchAnthropic 的 Claude 成功计算 N=4 超杨-米尔斯理论九圈幅角。
Anthropic 的 Claude 成功计算 N=4 超杨-米尔斯理论九圈幅角，突破此前两圈的计算极限，该模型基于 LLM 技术并采用 CoT 推理方法。
- Google DeepMind
Gemini 3.8 Live with Live Avatar 发布，将实时视觉呈现融入对话 AI
Gemini 3.8 Live with Live Avatar 发布，通过将实时视频生成与语音原生耦合，为 Gemini 对话 AI 增强近实时视觉呈现能力，支持 97 语言同步，可在 Gemini Enterprise 中使用。
- Anthropic Research
Project Swap：智能体在市场交易中的表现与挑战
在 Project Swap 实验中，201 名 Anthropic 员工通过 Claude 智能体进行书籍交易，61% 的智能体能准确匹配员工偏好。智能体在交易中表现良好，但效率受限于信息不足。实验表明，模型性能比指令对智能体谈判结果影响更大，多数参与者对交易所得书籍满意，并愿意支付年度预算约三分之一的费用让 Claude 处理交易。
- Liquid AI Blog7575
Liquid AI 发布 LFM2.5-VL-3B 的 DSpark 视觉语言模型加速器
Liquid AI 发布 DSpark 视觉语言模型加速器 LFM2.5-VL-3B，通过轻量级 drafter 模型在边缘和 GPU 上将解码吞吐量提升 2.66 倍（GPU）和 3.13 倍（边缘设备）。
- Microsoft Research
Microsoft Research 探索将物理 AI 推理卸载到边缘或云 GPU 的优势。
将物理 AI 推理卸载到边缘或云 GPU 可显著提升机器人任务成功率、支持更大模型并延长电池寿命。在移动操作任务中，卸载推理使机器人响应速度和准确性提升，电池续航增加，成本降低。Microsoft Research 开发了基于 Kubernetes 的工具集，支持在机器人、边缘设备和云端进行分布式推理部署。
- Liquid AI Blog
Liquid AI 与高通技术合作，将个人 AI 上下文带到骁龙处理器驱动的设备上。
Liquid AI 在骁龙峰会 2026 上宣布，其设备端上下文层 Liquid Context 已针对骁龙®处理器优化，特别使用高通® Hexagon™ NPU。
- 小米 MiMo · Hugging Face 新模型
小米 MiMo 发布 MiMo-V2.6-Distill-Qwen-9B 开源模型
小米 MiMo 通过在 MiMo 生成的数据上对 Qwen3.5-9B 进行监督微调，发布了 9B 参数的智能体模型 MiMo-V2.6-Distill-Qwen-9B，涵盖编码、通用智能体任务、视觉编码和网络安全领域。
阶跃星辰 · Hugging Face 新模型阶跃星辰 Step-5-Preview-BF16 模型发布
阶跃星辰发布旗舰模型 Step-5-Preview-BF16，600B 总参数、27B 活跃参数，支持高达 1M 上下文窗口，在软件工程、专业知识工作及金融领域表现突出，可处理文本、图像和视频，通过 OpenAI 兼容 API 或离线生成部署。
- 阶跃星辰 · Hugging Face 新模型
阶跃星辰 Step-5-Preview 模型发布：600B 参数的稀疏 MoE 架构
阶跃星辰发布旗舰模型 Step-5-Preview，采用 600B 总参数、27B 活跃参数的稀疏 MoE 架构，支持高达 1M token 上下文，兼顾软件工程、专业知识和金融任务，在 DeepSWE v1.1 评测中表现优异。模型可通过 vLLM 或 SGLang 以 OpenAI 兼容 API 方式部署，或使用 Transformers 进行离线生成。
- Google DeepMind
Google DeepMind 推出 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 大型语言模型
Google DeepMind 推出 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 大型语言模型，前者专为规模和成本效益设计。
Google · Hugging Face 新模型谷歌发布EmbeddingGemma 2多模态嵌入模型
谷歌发布了EmbeddingGemma 2，一个包含740M参数的多模态嵌入模型，支持文本、图像、视频和音频的统一768维向量表示。该模型可在消费级硬件上运行，提供低延迟的语义表示，适用于搜索、检索增强生成等应用。EmbeddingGemma 2在多项基准测试中表现出色，如文本、代码、视觉文档和音频嵌入基准测试，且支持向量截断以减少存储需求。
Cognition BlogDevin Desktop & CLI 引入 Fusion 架构，提升代码生成效率
Devin Desktop和CLI现已集成Fusion架构，相比其他代码生成框架效率提升高达39%。Fusion允许用户选择一个前沿模型进行规划和审查（“lead”），以及一个成本效益更高的模型进行执行（“sidekick”）。
- Cognition Blog
引入SWE-2：推动成本效益前沿
SWE-2是我们迄今最先进的编码模型，在FrontierCode 1.1 Main评测中取得50.0%分数，以64%的成本优势接近Fable 5.1的表现，并首次将强化学习扩展到万亿参数规模。
DeepSeek · Hugging Face 新模型DeepSeek-V4.1-Flash 发布：552B 参数多模态 MoE 模型，上下文高达百万 token
DeepSeek-V4.1-Flash 是一个 552B 参数的多模态 MoE 模型，支持高达一百万 token 的上下文，原生处理图像和文本并自回归生成文本。它采用 Causal Encoder-Decoder 架构，通过 CSA2 和 FP4 主 KV 缓存等技术将全局 KV 缓存占用降至 890 字节/token，相比 DeepSeek-V4-Flash 减少 75%。
- DeepSeek · Hugging Face 新模型
DeepSeek-V4-Flash-Vision-Exp 发布：首个实验性多模态模型
DeepSeek-V4-Flash-Vision-Exp 发布，DeepSeek-V4 家族首个实验性多模态模型，在 DeepSeek-V4-Flash 架构基础上集成视觉模块并持续训练以解锁视觉理解能力。
OpenHands Blog如何选择开源大语言模型：决策框架
团队评估开源大语言模型时需区分真开源与开放权重模型，因其权重、代码、训练数据披露和使用权差异显著。选择需关注五点：许可证条款、基准测试与实际任务的匹配度、硬件占用、上下文行为及生态支持。
智谱 Z.ai · Hugging Face 新模型智谱 GLM-5.3-Flash 发布：首个原生多模态模型，320B 参数仅 18B 活性参数
智谱推出 GLM-5.3-Flash，首个原生多模态 GLM-5 系列，320B 总参数仅 18B 活性参数，基准测试与实际任务表现优于 GLM-5.2，价格仅为其十分之一，编码与智能体测试接近 Claude Opus 4.8
- 智谱 Z.ai · Hugging Face 新模型
智谱 GLM-5.3-BF16 发布：提升复杂编码与长时程任务能力
智谱 GLM-5.3-BF16 相较于 GLM-5.2 在 Z.ai Code Bench 上编码能力提升 50%，并在 Terminal Bench 3.0 和 Agents' Last Exam 等公共基准上达到开源模型最优；在 CyberGym 漏洞发现任务上表现顶尖，在 ExploitGym 利用基准上得分超倍提升。
- 智谱 Z.ai · Hugging Face 新模型
智谱 GLM-5.3-Flash 发布：首个原生多模态模型，320B 参数仅 18B 活性参数
智谱发布 GLM-5.3-Flash，首个原生多模态 GLM-5 系列模型，拥有 320B 总参数和 18B 活性参数，在基准测试和实际工作负载中超越 GLM-5.2，价格仅为其十分之一，编码和智能体基准测试接近 Claude Opus 4.8。