Prime Intellect Blogprime-rl v0.10.0 发布：提升训练速度、推出新 RL 损失 IPO 及统一评估栈
prime-rl v0.10.0 发布，默认采用新 RL 算法 IPO 提升异步 RL 稳定性并优化性能，支持 Qwen3.8 Flash 等新模型，通过 MoE 优化和自定义内核将训练吞吐量提升 1.15 倍（基于 torchtitan 平台）。
实时
#数据/训练
- Prime Intellect Blog
Together AI BlogTogether Post-Training：灵活高效的模型微调服务
Together AI 推出 Post-Training 服务，支持通过强化学习和监督微调构建定制模型，无需复杂基础设施。该服务提供灵活的训练循环定义能力，并优化底层系统与基础设施以提升模型质量与训练速度。支持 Muse Spark Open、GLM 5.3、Kimi K3 和 Qwen 3.8-27B 等主流开源模型，运行在专属 GPU 资源上，确保高效且数值一致的训练。
MIT News · AI7575MIT研究人员开发多模态AI模型为材料科学提供“清晰”视图
MIT研究人员开发的多模态AI模型结合3D原子结构与自然语言描述，从实验研究论文和第一性原理计算数据库中生成丰富的结构语言描述，帮助AI学习材料的关键特性。该模型在识别固态锂离子电池电解质材料方面优于仅基于文本的模型，并能学习几何结构表示，为材料科学提供新的研究工具。
腾讯混元 · Hugging Face 新模型混元 Qwen3-8B-DSpine-b16 发布：并行草稿与深度条件注入的推测解码模型
混元发布 Qwen3-8B-DSpine-b16，采用并行草稿与深度条件注入的推测解码技术，在 Qwen3-8B 上实现 10.55 的平均接受长度分数。模型支持 8192 token 上下文长度，使用 bfloat16 数据类型和 fa3 注意力后端，安装需 git clone 并 pip 安装，通过 sglang serve 运行。
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。
- 腾讯混元 · Hugging Face 新模型
混元发布 Hy-Memory-30B-A3B-FP8 模型
混元发布的 Hy-Memory-30B-A3B-FP8 是一个 3B 活跃参数的紧凑长期记忆写入模型，用于高效 vLLM 部署，在固定 20% 基准矩阵的跨 harness 宏平均得分中表现优于 Claude Opus 5 和 DeepSeek V4.1 Flash。
Ollama BlogReflection's Beam 在 Ollama 上限时免费提供
Reflection 的首个开源权重模型 Beam 已于今晨全面推出，Ollama 作为首发合作伙伴限时免费提供该模型，其 Beam 端点支持完全零数据保留（ZDR）。
Microsoft AI News微软AI发布80亿参数MoE大模型MAI-Base-2
微软AI完成新MoE大模型MAI-Base-2的预训练，拥有80亿活跃参数和2.8万亿总参数，在内部评估中超越所有开源模型。该模型比开源最强基座模型DeepSeek-V4-Pro-Base预训练FLOPs效率高出4-12倍，并用于训练更大模型。微软通过全栈控制，使用有机数据预训练，计划通过Foundry授权模型权重。
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。
Latent SpaceLeash 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。
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。
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。
Google DeepMindGemini 4 Argon：专为解决复杂问题而构建
Gemini 4 Argon 在 Vals Index 上排名第一，以 175B 参数规模在编码、金融、法律、网络安全和科学等领域超越其他前沿模型，其推理深度和精度使它成为解决复杂工程问题、优化业务流程和加速科研突破的利器。
LangChain BlogScaleDown 如何通过压缩和提取技术优化长时运行智能体的上下文管理
ScaleDown 通过压缩和提取技术优化长时运行智能体的上下文管理，其模型在基准测试中比 GPT-5.5 等通用模型便宜 41 倍且快 2.7 倍。ScaleDown 提供四种模型：Summarize、Compress、Extract 和 Classify，分别用于摘要、压缩、提取和分类，支持最多 1M tokens 的输入，并支持图像和 PDF 输入。
MIT Technology Review · AI7070科技公司正从倒闭初创企业购买数据以训练 AI 模型
SimpleClosure 和 Sunset 等科技公司中介公司正在从倒闭的初创企业手中购买代码和 workspace 数据出售给 AI 实验室，随着 AI 训练实验室面临公共和合成数据集的限制。
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。
The Decoder7575Anthropic 推出 Claude 的新功能：从文本生成动画解释视频和实时数据仪表盘
Anthropic 为 Claude 推出两项新 Beta 功能：Dashboards 可通过文本提示连接 BigQuery、Databricks 等数据源生成自动更新的实时仪表盘，结果可输出至 Amplitude、Grafana 等工具；Motion 可将文本、图表和图像生成可编辑代码的动画解释视频并导出为 MP4。
- MIT Technology Review · AI6565
人形机器人突破不会很快改变你的生活
Tesla 的 Optimus 人形机器人预计将于 2027 年底面向公众销售，每个售价约 2 万美元，但 Yann LeCun 等专家质疑其智能程度能否达到实用水平。
Google ResearchGoogle Earth AI 的 Population Dynamics Foundation Model (PDFM) 为全球公共卫生提供行星地理空间基础模型
Google Earth AI 的 Population Dynamics Foundation Model (PDFM) 将搜索趋势、人口流动、建筑环境密度和环境因素压缩为位置嵌入，无需特定任务微调即提升多种疾病领域和地理环境的流行病学研究表现。
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。
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。
- MIT Technology Review · AI6565
企业 AI 智能体知识能力报告：数据与知识缺陷阻碍应用落地
企业 AI 智能体项目平均仅 34% 落地，知识缺乏是主要瓶颈。知识能力强的生产领导者（61% 项目通过试点）在语义理解上优势显著，但数据碎片化（55% 认为是首要挑战）和传统系统限制仍是关键障碍。企业将优先通过知识图谱、RAG 技术和 AI 评估代理强化数据与智能体间的结构联系。
- Import AI7575
Import AI 475: 群体扩展；DeepMind 为生物学打水印；以及 AI 科学经济
Toby Ord 分析认为，AI 群体扩展因并行处理能加速任务完成，但增加 10 倍智能体仅提升 3-5 倍性能，存在类似人类团队协作的“踩踏效应”；美国 61% 的民众不信任企业 AI 自律监管。
- Google Research
Google Research 发布基于可信执行环境的隐私保护联邦学习系统
谷歌研究发布新一代基于可信执行环境（TEE）的联邦学习系统，通过在TEE内执行加密训练数据和发布访问策略到公共透明日志Rekor，实现完全可验证和可审计的数据匿名化，Gboard已采用该系统并显著提升计算速度。
- NVIDIA Blog
NVIDIA DGX Spark 64GB 发布，为开发者提供更多本地 AI 构建和扩展方案
NVIDIA DGX Spark 64GB 配备 64GB 统一内存，由 Acer、ASUS、Dell、Gigabyte、HP 和 MSI 推出，支持开发者、研究人员和 AI 爱好者本地运行高达 1000 亿参数的模型，无需云依赖。两台设备可通过 NVIDIA Sync Cluster Assistant 集群，内存合并至 128GB，性能提升 1.7 倍，价格从 4999 美元起。
Baseten LabsQwen2.5-1.5B 在 MATH 上通过单梯度步长扩展实现 500 步 RL 效果
Qwen2.5-1.5B 在 MATH 基准上通过 1000 倍单梯度步长扩展达到 500 步强化学习模型的 66.7% 准确率（63.8%），主要改进来自修复基础模型循环输出问题，但在分布外任务（如函数调用、Knights & Knaves）效果减弱。
Anthropic Research精选7171Anthropic 研究：机器人目前能完成哪些工作
Anthropic 发布机器人暴露指数研究，用 Claude 评估 O*NET 约 1.9 万个任务，发现现有机器人可完成美国 74% 的体力任务、占全部工作时间的 34%，但多数限于受控环境。
推荐理由: Anthropic 用 Claude 给 O*NET 任务逐条评级，量化机器人当前能覆盖多少工作，并给出成本与监管的约束条件。
- 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。
- 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。
- Anthropic Research精选8080
Claude自主发现具CRISPR样重复序列的新型酶系统。
Anthropic 成立生命科学研究组并自建实验室，让 Claude 智能体在 DNA 序列数据库中自主搜索，发现了一种与 DNA 重复序列相关的新型酶系统 ART（array-associated reverse transcriptases）。
推荐理由: Anthropic自建实验室，让Claude智能体自主筛选DNA数据库并发现类CRISPR的新酶系统，展示了AI驱动假设生成的具体流程。
- 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。
Hamel Husain7575如何调试 LLM 判定器使其与人类评审者意见一致？
通过错误分析收集至少 50 个通过和 50 个失败的带人类标签的示例，检查 LLM 判定器与人类标签不一致的地方以获取修复线索，常见问题包括缺失上下文或模糊指令。应先手动检查少数不一致之处，再尝试自动化提示词调整，如使用 GEPA 算法调整判定器提示词并测量其与人类标签的一致性。最常见错误是让 LLM 判定器一次性捕获太多种类的错误，建议为每种失败类型建立单独的判定器。
- Google DeepMind
AlphaGenome Atlas：人类基因组中每个可能单字母变化的预测图谱
Google DeepMind 发布 AlphaGenome Atlas 平台，包含对人类基因组 90 亿个单核苷酸变异的预测结果，为学术研究提供免费网站入口。
- Microsoft Research
GigaPath-Flash 和 GigaTIME-Flash：迈向大规模病理学研究的效率突破
GigaPath-Flash 和 GigaTIME-Flash 通过精简的 ViT-S 编码器显著降低了计算需求，在保留性能的同时使大规模病理学研究更易实现。
- Anthropic Research5858
Anthropic 允许独立研究如何使用 Claude
Anthropic 通过 Anthropic Insights 允许外部研究机构分析 25 万条 Claude 对话数据，这是首次外部研究人员能独立研究 AI 公司自身使用数据。
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