Google DeepMind 开始广泛推送 Gemini 4 Argon，并同步扩大 Fairwind Program 的网络安全防御者范围。该模型在 12 个端到端模拟网络攻击场景中全部通过，上一代为 5 个；在对抗测试集上，有害请求违规率降低近两倍。防护上采用输入筛查、激活探针内省和持续监控三层实时保护，在 Gray Swan 间接提示注入基准上把 15 次自适应攻击的成功率降至 0.7%。
推荐理由：原文披露了 Gemini 4 Argon 在网络安全与生物风险上的防护设计，以及智能体越界行为的监控机制，可供关注前沿模型安全的人参考。
GitHub 用微调的 ModernBERT 分类器替换原有 LLM 流水线来识别通用密钥，告警接受率提升 11.5%，推送后扫描中位执行时间降低 86%，服务成本较远程 LLM 调用降低 98%。该方案先用正则高召回生成候选，再由分类器结合文件路径、变量名和上下文判断是否为真实凭据，并已把通用密钥检测扩展到推送保护阶段。
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。
推荐理由：原文给出 Argon 在 ERQA 上的得分与四类机器人提示词示例，可据此判断物理推理模型能覆盖哪些机器人环节。
微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化 AI 学生模拟器，用于在真实学习者测试前评估和改进 AI 导师。研究同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学三个领域，从行为保真度和引导响应性两个维度评估模拟器。
Google Research 在 NBER 发布论文，对 11 家知识产权律所的 133 名律师开展三个月实地实验，随机开放当时未发布的 Google Labs AI 专利撰写助手（现属 Gemini Notebook）。
推荐理由：三个月实地实验区分了 AI 带来的即时产出提升与无辅助判断力的变化，为评估 AI 对专业能力养成的影响提供了可迁移的实验设计。
GitHub 发布与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器，把 push protection 扩展到无固定格式的密钥，可在 2 毫秒内评估一批候选密钥，并称可让可拦截的密钥数量增加一倍以上。
微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重写智能体。
推荐理由：微软研究院开源 Agent Lightning v1.0，用约 3500 行代码把真实 harness 接入强化学习训练，并给出可复现的编码智能体训练结果。
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，可通过 Mistral Studio 的预览 API 试用，权重将于本月底开放。
推荐理由：Mistral 迄今最大模型以开放权重和自建欧洲算力为卖点，文中多项基准与拒绝率数据可供横向比较。
GitHub 发布代码审查离线基准 ReviewBench，基于 103.9M 个真实 PR 的分布构建，包含 19 种语言的 219 个公开 PR。
推荐理由：GitHub 公开了 ReviewBench 的构建方法、评分规则和 96.6% 人工一致性数据，可用来对比不同代码审查智能体的取舍。
GitHub Copilot 应用中的 canvas 是一种可自定义界面，用户和智能体共享同一份状态，可做成看板、问题分诊板、发布清单或表格。在智能体会话中输入 /create-canvas 并用自然语言描述工作流、界面操作和智能体可执行的动作，智能体就会生成界面并打开在右侧面板，之后还能继续要求它增加列、筛选或接入未关闭的 PR。
千问开源 Qwen-Image-2.1，将文生图与图像编辑整合在同一模型，视觉生成部分为 7B 参数，原生支持透明图像的生成与编辑。模型最多支持 10 张参考图输入，并支持圈选、涂抹和独立掩码等局部编辑方式。官方称其通过混合粒度注意力结构与 KV Cache 复用优化推理效率，多图输入场景下优势更明显。
推荐理由：官方给出 7B 视觉生成参数、原生透明图像与最多 10 张参考图等具体设定，便于对照现有图像模型评估取舍。
Qwen 发布实时同传模型 Qwen3.8-LiveTranslate，以 Interleave 架构把音频与文本交织为单流，字均延迟（LAAL）从上一代 2.8 秒降至 2.3 秒。
推荐理由：官方给出 Interleave 架构与延迟数据，并说明说话人分离、双语同屏等新增能力如何进入真实同传场景。
Qwen3.8-Omni-Flash 正式上线千问 AI 平台，支持文本、图像、音频和视频输入及 1M 长上下文，核心目标是提升真实生产力场景中的 Agent 能力。
推荐理由：官方给出与上一代及 Gemini 3.8 Flash 的评测对比和 API 降价幅度，可据此判断全模态模型的成本与能力边界。
Mistral 宣布与 Mozilla 建立合作，Mozilla 的 AI 浏览助手 Firefox Smart Window（beta）现由 Mistral 模型驱动，先面向法国和北美用户，英国和德国预计今年晚些时候跟进。
Qwen 团队联合淘天集团发布 E-Commerce Bench，评估模型作为电商商家在真实市场中经营网店的长程能力。模型拿到 10 万元本金，在 365 天、每天 600 分钟的时间预算内完成选品、谈判、定价、库存与现金流管理，环境由 6,886 个商品、60 个品类、576 个供应商和 12 种店型构成，数据脱敏自淘宝和天猫。
推荐理由：材料给出了长程经营评测的环境设计与18个模型的资产结果，可用来对照现有Agent评测偏短程的局限。
Qwen 团队提出 Qwen-Drive-1.0，这是首个在预训练阶段统一 3D 感知与视觉问答、并扩展到运动规划的自动驾驶视觉-语言基础模型，且全程保持预训练 VLM 架构无改动。
Qwen 发布开源权重的多模态 MoE 模型 Qwen3.8-Flash-Next，主模型 125B 参数、另配 51B N-gram Embedding，每 token 激活 6B 参数，并作为 Qwen4 所用模型结构的先导预览。
推荐理由：原文给出了新架构的四个改动方向与训练成本对比，可据此判断 Qwen4 结构走向与性价比取舍。
Qwen 团队正式发布 Qwen3.8-Max，基于 Qwen 3.5 架构扩展至 2.4 万亿总参数（激活参数 95B），已在千问 AI 平台上线并可通过 API 调用，开源权重将于下周发布。
推荐理由：官方给出 2.4T 总参数与激活 95B 的规格，并附上长程自动编程与论文复现的完整过程记录，可据此判断这一代 Max 在端到端任务上的位置。
Berkeley Sky Lab 与 IBM Research 将 K-Search 内核搜索框架扩展到 MLX，通过结构化的 CUDA 到 MLX 翻译层，让已有 CUDA 内核作为知识库适配到 Apple Silicon。
推荐理由：原文给出了 CUDA 到 MLX 的翻译层设计与两组内核实测数据，可了解跨硬件迁移优化知识的具体做法。
Qwen 推出第三代图像生成基础模型 Qwen-Image-3.0，核心关键词为“实”，分为内容丰实、细节真实、知识厚实三个维度。模型支持最大 4.5k token 输入，可一次生成含 9 个复杂信息图的九宫格版面，并支持 10px 小字精准渲染与 12 国语言原生渲染。
推荐理由：官方给出三代模型关键词演进与三个能力维度，可对照理解图像生成在复杂版面与细节上的进展。
伯克利 AI 研究团队提出 GRASP，一种面向学习型世界模型的梯度规划器，通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代中直接注入随机性以促进探索，并重塑梯度让动作获得清晰信号。该方法针对长程规划中梯度爆炸/消失、非贪心局部极小值和高维视觉模型梯度脆弱等问题，使基于梯度的长程规划更稳健。