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。
实时
#推理
- Microsoft Research
Baseten BlogNVIDIA Nemotron 3.5 Super VL 在 Baseten 发布
NVIDIA Nemotron 3.5 Super VL 结合视觉理解、推理和工具使用，支持读取文档、图像、应用界面和视频，在 GDPval 评测中得分 1190 Elo，高于 Nemotron 3 Super 的 493。开发者可通过 Baseten Loops SDK 进行微调，并利用 NVFP4 权重在 Blackwell GPU 上评估。
NVIDIA BlogNVIDIA 扩展 Nemotron 家族：发布最高效超大规模 Nemotron 3.5 Super VL 和 Nemotron 3.5 Bolt 模型
NVIDIA 发布 120B 参数的 Nemotron 3.5 Super VL 开源模型，在多模态智能体任务中实现最快任务完成速度和最高准确率；同时推出 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Nemotron 3.5 Bolt E4B 4GB 边缘模型。
Mistral AIMistral AI 推出 Timestral 时间序列基础模型家族
Mistral AI 发布了 Timestral 时间序列基础模型家族，其参数最少的模型仅 209M，在 GIFT-Eval、TIME 和 fev-bench 三个主要基准测试中排名第一，优于参数量更大的模型；该系列包含 5M 至 209M 参数四种尺寸，支持过去和未来的协变量，可在 CPU 上高效运行，并可通过 Mistral Forge 进行领域适配微调。
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%。
Together AI BlogMeta Muse Spark Open 在 Together AI 平台上线
Meta Muse Spark Open 已在 Together AI 平台上线，这是目前最强大的美国开源重量模型，专为需要将整个代码库保存在上下文中的长时间运行智能编码工作流程而构建。
Modal Blog7575Muse Spark Open在Modal上正式可用
Meta发布的Muse Spark Open大模型现已在Modal Auto Endpoints上提供，支持智能编码和长时程任务，具备原生多模态理解和1M token上下文窗口，可在扩展工作流中完成代码编写调试、多步规划、顺序工具使用及故障恢复。
Artificial Analysis ArticlesNVIDIA 发布 Nemotron 3.5 Super 和 Nemotron 3.5 Bolt。
Nemotron 3.5 Super VL 成美国领先的开权重大模型，在 Intelligence Index 上得分 26.5；Nemotron 3.5 Bolt 74B-A9B 是新推出的 Bolt 家族首个模型，得分 21.4。
OpenHands BlogOpenHands 与 NVIDIA 联合将多模态 AI 带入软件工程智能体
OpenHands 将 NVIDIA Nemotron 3.5 Super VL（120B 参数 MoE 架构，12B 活跃参数）引入软件工程智能体，支持文本、图像、文档、视频输入及文本输出
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。
Google Developers Blog三层结构，一个仓库：谷歌 ADK-Recipes 仓库导览
谷歌推出 ADK-Recipes 仓库作为 Agent 平台内容单一事实来源，包含核心模式、插件技能和服务，支持终端构建长时程记忆代理、一键安装零售垂直技能，并部署到 Cloud Run 或 Gemini Enterprise。
- Artificial Analysis Articles6565
RTX Spark N1X 笔记本电脑的 AA-AgentPerf-Local 测试结果首次发布。
RTX Spark N1X 笔记本电脑在 AA-AgentPerf-Local 测试中完成 Qwen3.8 27B 模型推理，使用 llama.cpp 和 Windows UD-Q4_K_M DFlash 格式。
- 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。
- Google Developers Blog
如何评估 AI 智能体：超越感觉检查
评估 AI 智能体不能仅凭感觉检查，因为智能体可能陷入重试循环或产生幻觉回答却仍看似正常，导致云费用和 token 使用量激增。应建立可重复的评估流程，从定义关键用户旅程（CUJ）开始，使用模拟用户测试，并采用单元测试、确定性指标、LLM 作为裁判的评分标准和集成测试等多层检查。结合手动审查的跟踪记录与自动化验证，可在开发早期检测到隐性回归，并随着智能体能力增长扩展评估框架。
- 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。
- Google Developers Blog
Google OAuth 推出 DPoP 支持：保护刷新令牌安全
Google OAuth 平台推出 DPoP 支持，通过应用层加密绑定刷新令牌与客户端密钥对，防止令牌窃取和重放攻击。该方案将 DPoP 仅用于约束长寿命刷新令牌，确保即使令牌被盗也无法被重放，同时短寿命访问令牌仍为标准 Bearer 令牌以维持高性能。DPoP 与 DBSC 协同防御 API 和网页会话凭证盗窃，但需注意其在多智能体工作流中的密钥共享挑战。
- Artificial Analysis Articles
NVIDIA Vera Rubin NVL72在AA-AgentPerf评测中表现优异
NVIDIA Vera Rubin NVL72 在代理工作负载评测 AA-AgentPerf 中大幅领先 GB300 NVL72，最高达每 MW 5.7 倍。每块 Rubin GPU 拥有 288 GB HBM4 内存、19.2 TB/s 内存带宽、3.0 TB/s NVLink 带宽和 35 PFLOPS 密集 NVFP4 计算，CPU 支持 88 核。
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。
Mistral AI · Hugging Face 新模型Mistral AI 发布 Timestral-123M 时间序列基础模型
Mistral AI 发布 Timestral-123M 时间序列基础模型，参数量 123M，采用 patch-based Transformer 架构，上下文长度 32,768 时间步，单次预测可覆盖 1,024 时间步，输出 21 个分位数。该模型在 GIFT-Eval、TIME 和 fev-bench 评测中实现零样本预测的最优精度，并采用 Modified MIT 许可证。
- Mistral AI · Hugging Face 新模型
Mistral AI 发布 Timestral-28M 时间序列基础模型
Mistral AI 发布 Timestral-28M 时间序列基础模型，含 2800 万参数，采用基于 patch 的 Transformer 架构，上下文长度达 32,768 时间步，单次前向预测范围 1024 时间步，在 GIFT-Eval、TIME 和 fev-bench 评测中实现零样本预测的最优精度，模型已开源并采用 Modified MIT 许可证。
LangChain BlogLangChain Deep Agents 如何通过中间件管理上下文窗口
LangChain Deep Agents 通过中间件管理上下文窗口，防止不必要信息进入并过滤已有内容。它采用卸载（将大工具结果和用户消息保存到文件）、摘要（压缩旧消息）、技能（按需加载）、子代理（分离噪声工作）和长期记忆（跨会话保存学习）等技术。这些技术通过在模型调用和工具调用等关键节点插入中间件实现，无需用户编写代码即可使用。
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
Deep Review 发布：Google 打造的智能文档验证系统
谷歌发布Deep Review智能文档验证系统，提供复杂文档的严格反馈和技术验证，支持PDF和纯文本输入，每周免费2次审核，通过API高级集成，已与STOC 2026、ICML 2026等4个顶级计算机会议合作，处理超16,000篇论文预提交反馈。
OpenAI News2828SentinelOne 利用 OpenAI Daybreak 将恶意软件分析时间从数周缩短至数小时。
SentinelOne 通过 OpenAI Daybreak 将恶意软件分析时间从数周缩短至数小时，使其能够调查更多威胁。
蚂蚁 inclusionAI · Hugging Face 新模型inclusionAI/Ling-3.0-flash-UBTree 发布：基于 UBTree 技术的推测解码模型
inclusionAI 发布 Ling-3-Flash-UBTree-B16 模型，结合五层 DFlash 主干和学习的 bigram 选择器，为 Ling3-Flash 提出多个候选延续用于目标模型验证，参数量 482M，在 MMLU 等基准上实现 3x+ 的 E2E 速度提升，目前 UBTree 适配尚未开源，SGLang 集成支持预计即将推出。
- 蚂蚁 inclusionAI · Hugging Face 新模型
inclusionAI/Ming-3.0-asr-tiny 发布：支持多语言方言的上下文感知语音识别模型
inclusionAI/Ming-3.0-asr-tiny 结合 Ling-tiny-v3 语言主干和音频编码器，支持单轮中英语音转写及15种方言识别，通过热词或对话上下文提升专业术语识别率，模型参数量未提及，在嘈杂语音和5个应用领域完成评测，提供PyTorch/Transformers推理示例及MIT授权。
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。
- OpenAI News4545
Third 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。
- NVIDIA Blog
欧洲多城部署NVIDIA驱动AI智能体提升城市运营效率
欧洲多个城市及软件、基础设施和集成合作伙伴正使用NVIDIA加速计算构建物理AI智能体和数字孪生系统，以优化城市运营决策。这些应用可预测维护需求、指导城市规划并提升公共服务响应能力，涉及比利时、芬兰、法国、意大利、荷兰、波兰、瑞典、英国等地。
阶跃星辰 · Hugging Face 新模型阶跃星辰 Step-5-Preview-NVFP4 模型发布
阶跃星辰发布旗舰模型 Step-5-Preview-NVFP4，600B 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。
Epoch AIGPT-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 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。
- Google Developers Blog
Apigee 混合云平台 1.17.0 发布：在本地集群中运行 MCP 支持的智能代理工具
Apigee 混合云平台 1.17.0 发布，将 Model Context Protocol (MCP) 数据平面部署在用户自有 Kubernetes 集群中，使 AI 代理工具能在 API 运行环境内调用已安全管理的 API，无需编写代码或自建 MCP 服务器。
Google DeepMindGoogle DeepMind 发布 Gemini 4 Argon 并强调安全防护
Gemini 4 Argon 在编码、金融、法律等领域展现出前沿能力，尤其强化了网络安全防御功能，通过 Fairwind 项目和内部测试验证其有效性。该模型在 MMLU 等基准测试中表现优异，并采用三层实时防护机制（输入筛选、内部自省、持续监控）及自动化偏差监控，显著降低有害请求和违规行为风险，成功拦截 99% 以上的外部生物安全越狱尝试，同时将编码任务中的捷径行为降至 2%。
Comfy Blog5858Nvidia 为视效专业人士推出 RTX 视频效果节点，支持上屏、帧生成和 SDR-to-HDR 转换
Nvidia 的 RTX 视频效果节点已集成到 ComfyUI 中，可在 Nvidia RTX GPU 上本地运行。
GitHub Blog · AI & MLGitHub 的秘密检测模型：用更少噪音发现更多秘密
GitHub 发布了专用的秘密检测模型，将微调后的 ModernBERT 分类器与正则表达式结合，在 11.5% 更高的接受率下将误报减少，并将推送后扫描执行时间缩短 86%，成本降低 98%。该模型通过分析文件路径、变量名和上下文代码来区分真实凭证和类似项，使通用秘密检测扩展到推送保护成为可能。
- LangChain Blog
Orange Business 基于 LangChain 和 LangSmith 构建 Live Intelligence 平台
Orange Business 为 120,000 名员工和 150 多家客户部署了旗舰 AI 平台 Live Intelligence。
n8n Blog7575n8n 通过 MCP、助手和智能体整合 Gemini 4 Argon
n8n 整合了刚发布的 Gemini 4 Argon，通过模型上下文协议（MCP）可从其他 AI 工具构建工作流，助手（Assistant）支持 BYOK 运行在用户自有账户的 Gemini 4 Argon 上，智能体（Agent）可使用 Gemini 4 Argon 进行推理决策。
- Google DeepMind
Gemini 4 Argon 为机器人技术带来突破性进展
Gemini 4 Argon 在物理理解、代码生成和视觉语义推理方面取得重大突破，在 Embodied Reasoning (ERQA) 基准测试中纯推理得分 87%，超越所有前沿模型。Argon 可应用于机器人生命周期的各个环节，包括使用 MuJoCo 进行移动操作练习、零样本机器人控制和视频世界模型的闭环转向。
