Google DeepMind发布科研智能体Co-Scientist，斯坦福大学Gary Peltz团队利用其从海量文献中筛选出3种候选药物，并在活体人类肝细胞实验中证实其中2种能阻断肝纤维化并促进细胞再生，其中癌症药物伏立诺他（vorinostat）效果显著，阻断了91%的损伤反应。
推荐理由：通过斯坦福大学独立实验验证了Co-Scientist在药物重定位中的有效性，为科研工作者提供了可参考的AI辅助发现路径。
IBM 发布基于 ModernBERT 架构的 Granite Embedding Multilingual R2 系列多语言嵌入模型，包含 97M 和 311M 两个版本，支持 200 多种语言和 32K 上下文窗口。
推荐理由：IBM 发布基于 ModernBERT 的多语言嵌入模型，在 32K 长上下文和 97M 极小体积下实现开源同类最高检索质量。
Google DeepMind 发布 Co-Scientist，这是一个基于 Gemini 的多智能体 AI 系统，旨在通过生成、辩论和进化假设来加速科学研究。该系统包含生成、辩论和进化三个阶段，利用“思想锦标赛”机制对假设进行交叉验证和排名，目前已通过 Hypothesis Generation 工具向研究人员开放。
推荐理由：原文披露了基于 Gemini 的多智能体协作机制与“思想锦标赛”验证流程，为科研场景下的 AI 智能体提供了可迁移的方法论。
AWS 发布文章解析基础模型训练与推理的开源软件栈与基础设施集成架构。文章涵盖 P5 和 P6 实例系列的 H100、H200、B200 及 B300 GPU 规格，以及 Slurm、Kubernetes、PyTorch 和 Prometheus 等工具在资源管理与可观测性中的应用。
Google DeepMind 发布 AlphaEvolve 年度成果，展示该 Gemini 驱动编码智能体在基因组学、电网优化、量子计算及 TPU 设计等领域的算法优化应用。
推荐理由：原文展示了该智能体在科研、基建及商业场景中的具体优化成果，为评估其实际效能提供了详实参考。
DeepInfra 正式成为 Hugging Face Hub 的 Inference Provider，支持 DeepSeek V4、Kimi-K2.6、GLM-5.1 等 100 多款模型。
NVIDIA 在 Hugging Face 开源 Nemotron 3 Nano Omni 多模态理解模型，原生支持文档、图像、视频和音频的联合推理及智能体操作。该模型基于 Nemotron 3 混合 Mamba-Transformer 架构，在文档理解、视频分析和语音交互等基准测试中表现领先，并提供 BF16、FP8 和 NVFP4 权重下载。
推荐理由：NVIDIA 开源 Nemotron 3 Nano Omni 模型，原生支持图文音视频多模态理解与智能体操作，在多项基准上表现领先。
Mistral AI 发布 Workflows 公开预览版，作为企业 AI 的编排层，提供生产环境所需的持久性、可观测性和容错能力。开发者使用 Python SDK 编写工作流，支持人工审批、状态追踪和审计，并部署在客户自有环境中。
推荐理由：Mistral 发布企业级 AI 编排层 Workflows，提供生产环境所需的容错、可观测性和人工审批能力。
Hugging Face 展示了基于 OpenAI 开源隐私过滤模型 Privacy Filter 构建的三个 Web 应用：文档隐私探索器、图像匿名化工具和智能文本脱敏服务。该模型支持 128k 上下文，可识别八类个人敏感信息。
推荐理由：Hugging Face 展示了基于 OpenAI Privacy Filter 构建的三个 Web 应用，揭示了其在文档、图像和文本场景中的工程实践。
Google Photos 在 Auto frame 功能中新增视角重算能力，利用3D点云估计与生成式扩散模型，在保留原图可见内容的同时智能补全新视角下的隐藏区域，自动优化人像构图与广角畸变。
推荐理由：通过3D重建与生成式补全实现照片视角重算，为后期构图调整提供了新的技术路径。
Google DeepMind 发布 Gemini 3.1 Flash TTS 文本转语音模型，引入细粒度音频标签（audio tags）支持自然语言控制语音风格、节奏和表达。该模型支持 70 多种语言，在 Artificial Analysis 基准测试中表现优异，已面向开发者、企业和 Workspace 用户开放预览，所有生成音频均嵌入 SynthID 水印。
推荐理由：引入细粒度音频标签实现自然语言控制，兼顾高音质与低成本，为开发者提供精准表达控制。
Google DeepMind 发布 Gemini Robotics-ER 1.6，显著增强空间推理、多视角理解及仪表读取能力。该模型支持通过 Gemini API 和 Google AI Studio 调用，具备通过代码执行与视觉推理实现高精度仪表读数，并提升了物理安全约束遵循能力。
推荐理由：新增仪表读取与多视角推理能力，为具身智能体提供可验证的物理世界交互方案。
Google Research 发布两个实验性 AI 智能体：PaperVizAgent 可从文本自动生成出版级学术图表，在多项指标上超越 GPT-Image-1.5 等基线；ScholarPeer 模拟资深审稿人，通过多智能体协作和实时文献检索生成深度评审意见。
推荐理由：Google 发布两个实验性 AI 智能体，分别用于生成高质量学术图表和模拟资深审稿人，展示了 AI 深度介入科研流程的潜力。
Mistral AI 发布 Spaces CLI，旨在同时服务人类开发者与编码 Agent。该工具通过为所有交互输入提供 Flag 等价物、使用插件系统管理模块、生成 context.json 和 AGENTS.md 提供结构化上下文，以及显式处理状态依赖，实现了 Agent 的端到端自主操作。
推荐理由：Mistral 分享了 Spaces CLI 兼顾人类与 Agent 的设计原则，为开发者工具的可编程性提供了可迁移的方法。
Google DeepMind 发布 AI 指针概念，展示基于 Gemini 的原型，通过视觉与语义理解实现跨应用自然交互。该功能已集成至 Chrome 和 Googlebook，支持在网页中直接询问特定内容或进行可视化对比。
推荐理由：文章展示了基于 Gemini 的 AI 指针原型，通过自然语言与视觉上下文结合，探索跨应用无缝交互的新范式。
Google 发布 Gemini 3.1 Flash Live 语音模型，在 ComplexFuncBench Audio 基准测试中得分 90.8%，支持更自然的对话与多语言实时交互。该模型已上线 Gemini Enterprise、Gemini Live 和 Search Live，并集成 SynthID 音频水印。
推荐理由：模型在语音基准测试中刷新纪录并降低延迟，为开发者构建语音智能体提供了更可靠的底层能力。
Google DeepMind 发布 Lyria 3 Pro，支持生成长达3分钟且具备结构意识的音乐曲目，可自定义前奏、主歌等元素。该模型已接入 Vertex AI、Google AI Studio、Google Vids、Gemini 应用及 ProducerAI，面向企业和创作者开放。
推荐理由：模型支持3分钟长曲并细化结构控制，同时扩展至多个Google产品，可据此评估其工作流整合价值。
Google 发布 Vibe Coding XR 工作流，结合 Gemini 的长上下文推理与 XR Blocks 框架，将自然语言直接转化为功能性的 Android XR 应用。该工作流利用 Gemini 进行多步规划与空间逻辑处理，在 60 秒内生成包含物理感知和交互的 3D 体验，并提供了桌面模拟器与 Android XR 头显的实时预览功能。
推荐理由：原文展示了利用 Gemini 长上下文推理将自然语言直接转化为 XR Blocks 应用的完整工作流，为空间计算原型开发提供了可复用的新范式。
Mistral AI 发布 Voxtral TTS，这是一款 4B 参数的文本转语音模型，支持 9 种语言，具备低延迟、情感表达和零样本跨语言声音适应能力。该模型在人类评估中表现优于 ElevenLabs Flash v2.5，API 定价为每 1k 字符 0.016 美元，并提供开源权重。
推荐理由：官方发布4B参数多语言TTS模型，提供低延迟与情感表达，并公布API定价与开源权重。
Mistral 发布 Leanstral，首个专为 Lean 4 设计的开源代码智能体，采用 6B 激活参数架构。在 FLT 项目验证基准上，其 pass@2 得分超越 Claude Sonnet 4.6，且运行成本仅为后者的约 1/15。模型以 Apache 2.0 协议开源，支持 Mistral Vibe 集成与 MCP 工具调用。
推荐理由：Leanstral 以极低成本在形式化验证基准上超越闭源模型，为高可靠性代码生成提供了开源替代方案。
Google Research 宣布在 Flood Hub 上线城市内涝（Flash Flood）预测功能，利用 AI 方法将预警时间提前至 24 小时。该模型通过 Gemini 分析公开新闻报道构建 Groundsource 数据集，结合全球气象数据预测人口密集区的内涝风险，在部分南方国家的表现与美国国家气象局相当。
推荐理由：利用Gemini提取新闻数据构建训练集，在缺乏地面观测的南方国家实现24小时城市内涝预测。
Google 发布 Groundsource 框架，利用 Gemini 从全球新闻中提取结构化历史数据，构建了包含 260 万条城市内涝事件的开放数据集。该数据集已用于提升 Google Flood Hub 的预报能力，可提前 24 小时预测近全球范围的城市内涝。
推荐理由：利用 Gemini 从新闻中提取结构化数据，填补了城市内涝历史数据空白，并直接用于提升 Flood Hub 的预报能力。
Google 发布 Gemini 3.1 Flash-Lite 模型，定价为输入 0.25 美元/百万 token、输出 1.50 美元/百万 token。该模型在 Artificial Analysis 基准测试中比 2.5 Flash 快 2.5 倍，输出速度提升 45%，并支持自适应思考层级。
推荐理由：以极低定价和显著提速在保持质量的同时优化了高并发场景的推理成本。
Google DeepMind 发布 Nano Banana 2（Gemini 3.1 Flash Image），结合 Pro 级智能与 Flash 速度，支持多主体一致性和精确文本渲染。该模型已上线 Gemini、Search、AI Studio 及 Google Ads 等产品，并集成 SynthID 和 C2PA 溯源技术。
推荐理由：Nano Banana 2 将 Pro 级能力与 Flash 速度结合，提供多主体一致性和精确文本渲染，适合快速迭代场景。
Google 发布 Gemini 3 Deep Think 重大升级，在 ARC-AGI-2 等基准上刷新纪录，并首次通过 Gemini API 向研究人员和企业开放。
推荐理由：更新后的推理模式在多项学术基准上刷新纪录，并首次通过 API 向开发者开放，可据此评估前沿推理能力的落地路径。
Google Research 发布开源原型框架 DialogLab，用于设计、模拟和测试动态多角色人机对话。该框架通过可视化界面解耦社交设置与对话流程，支持拖拽式角色配置与结构化脚本编排。评估显示，其“人工控制”模式在模拟真实人类行为时比全自动或纯响应式代理更具沉浸感和有效性。
Google DeepMind发布Gemini Deep Think在数学、物理和计算机科学领域的科研级应用，展示了名为Aletheia的数学研究智能体。该智能体具备自然语言验证和迭代生成能力，能自主解决部分开放数学问题并辅助人类专家。
推荐理由：展示了Gemini Deep Think在数学与科学领域的科研级应用，提供了可复用的智能体工作流与验证方法。
Google Research 提出 Natively Adaptive Interfaces (NAI) 框架，利用 Gemini 多模态 AI 能力构建动态智能体，将数字界面从被动工具转变为主动协作伙伴。
Mistral 发布 Voxtral Transcribe 2 语音转文字模型，包含 Voxtral Mini Transcribe V2 和 Voxtral Realtime。后者采用流式架构，延迟可配置至 200ms 以下，支持 13 种语言，以 Apache 2.0 协议开源权重。
推荐理由：提供了实时与批量双模型及开源权重，给出了延迟与价格数据，便于评估语音工作流升级。
Google DeepMind 面向美国 Google AI Ultra 订阅用户发布 Project Genie 实验原型，基于 Genie 3 模型提供世界创建、实时探索与混剪功能。该原型支持文本与图像提示词生成动态环境，并允许下载探索视频，目前存在生成时长与物理一致性等已知限制。
推荐理由：原文给出了世界模型在实时生成与交互上的能力边界，读者可据此评估其在创意探索中的实际可用性。
Mistral AI 发布终端原生编码智能体 Mistral Vibe 2.0，基于 Devstral 2 模型，新增自定义子智能体、多选项澄清、斜杠命令技能及统一智能体模式。Vibe 现已在 Le Chat Pro 和 Team 计划中提供，支持按量付费或自带 API 密钥，Devstral 2 模型也转为付费 API 访问。
推荐理由：提供了自定义子智能体和多选项澄清等控制能力，有助于开发者构建更可控的终端自动化工作流。
Overworld 发布 Waypoint-1，支持通过文本、鼠标和键盘进行零延迟实时交互的视频扩散模型。该模型基于 10,000 小时游戏视频训练，配合 WorldEngine 推理库，在 RTX 5090 上可实现 30 FPS 或 60 FPS 的流畅体验。
推荐理由：模型支持零延迟的实时交互控制，并在消费级硬件上实现高帧率，为端侧视频生成提供了新的交互范式。
Hugging Face 联合社区发布 Open Responses 开源推理标准，基于 OpenAI Responses API 扩展。该标准支持原生 Agent 循环、加密推理及工具调用，旨在统一 Agent 推理接口。
推荐理由：Open Responses 将 OpenAI 的 Responses API 开源并标准化，为 Agent 推理提供统一接口。
Google 发布 MedGemma 1.5 4B 模型，新增对 CT、MRI 等三维医学影像及解剖定位的支持，并在多项医疗基准上提升准确率。同时发布 MedASR 医疗语音识别模型，在医疗听写场景下错误率显著降低。两款模型均通过 Hugging Face 和 Vertex AI 开源。
推荐理由：新增三维影像与解剖定位能力并开源，为医疗AI开发者提供了更贴近临床工作流的基座模型。
Google DeepMind 发布 Veo 3.1 更新，强化基于参考图生成视频的能力，提升角色与背景一致性，并新增原生 9:16 竖屏输出及 1080p/4K 超分。新功能已上线 YouTube Shorts、Gemini App、Flow、Gemini API 及 Vertex AI，同时 Gemini App 新增视频 SynthID 水印验证功能。
推荐理由：更新强化了参考图生成视频的一致性并新增原生竖屏与4K输出，适配移动端与专业工作流。
ServiceNow 发布 AprielGuard，一款 8B 参数的安全与对抗鲁棒性守护模型，可检测 16 类安全风险及提示注入、越狱等对抗攻击。该模型支持 32k 长上下文与 Agent 工作流，提供推理与非推理双模式，已在多项公开基准上验证了性能。
推荐理由：ServiceNow 发布 AprielGuard 安全模型，统一检测 16 类安全风险与对抗攻击，支持 32k 长上下文与 Agent 工作流。
Hugging Face 发布 Transformers v5，将分词器架构与训练好的词表分离，实现单文件部署和 Rust 后端默认化。新架构允许开发者直接实例化空白分词器模板，通过调用 train 方法在自有语料上从头训练模型专属分词器，同时保留了 chat template 等模型感知功能。
推荐理由：v5 重构了分词器架构，实现单文件部署与可训练模板，显著降低了自定义和训练模型专属分词器的门槛。
Google 推出基于 Gemini 2.5 Deep Think 的论文辅助工具（PAT），在 STOC 2026 会议中为作者提供提交前的自动化反馈。该工具利用推理扩展方法，成功识别了包括计算错误和逻辑漏洞在内的多种问题，97% 的参与者认为反馈有帮助。
推荐理由：Google 推出基于 Gemini 2.5 Deep Think 的论文辅助工具，在理论计算机科学会议中验证了其在发现逻辑漏洞方面的有效性。
IBM Research开源智能体框架CUGA正式集成至Hugging Face Spaces，提供CRM场景演示与可视化开发入口。CUGA支持多工具集成与可配置推理模式，在AppWorld等基准测试中表现优异，兼容gpt-oss-120b与Llama-4等开源模型。
推荐理由：开源智能体框架CUGA上线Hugging Face Spaces，提供可视化演示与多模型支持，便于开发者快速体验与集成。
Google 发布 Gemini 2.5 Flash Native Audio 模型，提升复杂工作流处理与指令遵循能力，已在 Vertex AI 和 Gemini API 上线。同时推出实时语音翻译功能，保留说话人语调，已在 Google Translate 应用上线。
推荐理由：更新原生音频模型并上线实时语音翻译，提供具体评测指标与应用入口。