OpenAI 分享数学领域 AI 进展
OpenAI 发布内部前沿模型在数学开放问题上的新结果，并在 GitHub 上公开 Lean 证明形式化和研究细节。
推荐理由：原文给出了数学开放问题的新结果，并公开了 Lean 形式化证明，读者可据此了解前沿模型在数学推理上的进展。
#推理
OpenAI News精选AI 评分6262
Mistral AI精选AI 评分8282 Mistral 发布 Mistral Large 4 公开预览版
Mistral 发布 Mistral Large 4 公开预览版，这是一个 1 万亿参数、490 亿激活参数的原生多模态模型，在编码、智能体工作流和多模态理解上表现突出，并承诺月底开放权重。该模型在网络安全、金融和法律等企业工作负载上达到开放模型中的最先进水平，在视觉定位等部分领域甚至超越闭源前沿模型。
推荐理由：1T 参数、49B 激活的开放权重模型，在网络安全和视觉定位上给出具体基准，并承诺月底放权重。
OpenAI NewsAI 评分4242 GPT-6 系列模型指南
OpenAI 发布 GPT-6 系列模型指南，帮助初创公司选择模型并调整推理投入。指南还涵盖提示词与技能优化、工具协调，以及面向生产环境的工作流准备。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemini 4 Argon，输出上限增至 1M tokens
Google DeepMind 发布 Gemini 4 Argon，先通过 Fairwind Program 向一批可信网络防御者开放，并计划逐步扩展至开发者、企业和消费者。
推荐理由：多项基准与 Google 内部部署案例覆盖软件工程、知识工作和网络防御，可据此比较模型在长程复杂任务中的表现。
NVIDIA Blog精选AI 评分6969 NVIDIA 与 CoreWeave 打通智能体 AI 从训练到生产的闭环
NVIDIA 与 CoreWeave 将新一代智能体 AI 基础设施投入生产，CoreWeave 宣布 NVIDIA Vera Rubin NVL72 可用，并推出连接模型与智能体训练、评估和改进流程的 CoreWeave Forge。
推荐理由：材料结合真实软件工程负载与多项性能数据，可用于评估新基础设施对智能体推理、沙箱运行和训练成本的影响。
Microsoft Research精选AI 评分6161 Microsoft Research 推出面向复杂生物学的 AI 研究系统 Quine
Microsoft Research 推出 Quine，这套实验性 AI 研究系统由多模态生物世界模型和连接模型、科学工具、文献、湿实验及研究人员的交互框架组成。
推荐理由：案例展示了如何用跨模态生物世界模型筛选实验候选，再以湿实验反馈迭代，提供了可迁移的计算与实验闭环思路。
Hugging Face BlogAI 评分4141 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，为 LFM2.5-VL-3B 加速
Liquid AI 发布实验性 DSpark 草稿模型 LFM2.5-VL-DSpark，为视觉语言模型 LFM2.5-VL-3B 加入投机解码路径。该草稿模型新增 280M 参数（占 3B 目标模型 8.9%），端侧解码最高提速 3.13x、H100 上最高 2.66x，端到端最高提升 2.62x 和 2.27x，且不改变输出质量。
Google DeepMind精选AI 评分8686 Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，两款模型面向近实时推理和生产级语音智能体。
推荐理由：两款模型把并行推理、视觉理解和后台工具调用融入近实时对话，为复杂语音智能体提供了更完整的生产级能力组合。
OpenAI News精选AI 评分7878 OpenAI 发布 GPT-6 Astra，面向企业场景强化推理与计算机操作
OpenAI 发布 GPT-6 Astra，称其为面向企业的最强模型，具备高级推理、计算机操作以及更强的写作与设计判断能力。
推荐理由：OpenAI 公布 GPT-6 Astra 面向企业场景的能力方向，可据此了解其推理与计算机操作定位。
OpenAI NewsAI 评分3636 OpenAI 分享 AI 生成的 Navier–Stokes 千禧年大奖难题解答
OpenAI 分享了一份 AI 生成的 Navier–Stokes 千禧年大奖难题解答，包含一份书面说明和一份 Lean 形式化证明。
Microsoft ResearchAI 评分4646 MindTopo 揭示 VLM 的空间推理能力
MindTopo 基准显示，当前多模态模型在静态拓扑识别上明显优于交互式规划，但两者均远低于人类水平，模型难以在连续行动中维持一致的结构理解。该基准围绕连续性、分离、顺序、封闭和绳结五类关系，同时测试推理与规划。图像生成有时能辅助单帧判断，视频推演则常改变拓扑或违反任务动态。
Berkeley AI ResearchAI 评分5151 ABBEL 教 LLM 更新信念以实现高效长程交互
Berkeley AI Research 提出 ABBEL，通过可监督的自然语言信念状态，让 LLM 在长程交互中以信念替代完整历史作为工作上下文。在 CollabBench 上，基于重建的信念评分将其与完整上下文模型的性能差距缩小约 50%，训练步数比无信念评分版本减少 50%，同时保持更低的峰值 token 用量。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 DiffusionGemma，文本生成最高提速 4x
Google DeepMind 发布开放实验模型 DiffusionGemma，通过并行生成文本块，在专用 GPU 上实现最高 4x 的文本生成速度。
推荐理由：并行生成 256 token 块将本地推理提速与质量、云端成本取舍放在同一框架下，便于评估速度敏感工作流的适配范围。
Berkeley AI ResearchAI 评分5151 自适应并行推理如何成为高效推理扩展的下一种范式
Berkeley AI Research 梳理自适应并行推理，核心是让模型在推理时自行决定何时拆分任务、生成多少并发线程以及如何协调，从而动态分配串行与并行计算。
Berkeley AI ResearchAI 评分5050 GRASP：面向世界模型长时域规划的梯度方法
GRASP 是一种用于学习型动态模型（世界模型）的新型梯度规划器，通过将轨迹提升为虚拟状态，实现跨时间并行优化，让长时域规划更实用。它在状态迭代中直接加入随机性以探索，并重塑梯度，使动作获得清晰信号，同时避免高维视觉模型中脆弱的“状态输入”梯度。