OpenAI 公布一条自主漏洞发现、验证、利用与补丁生成流水线，在一次运行中用一款尚未发布的网络安全模型在 Linux 内核中动态复现 1724 个漏洞，并生成 948 个可获取 root 权限的本地提权（LPE）利用，API 成本约 121.3 万美元，折合每个 LPE 利用 1279 美元。
推荐理由：OpenAI 公开了一条自主漏洞挖掘流水线的完整成本与产出数据，可用于比较模型能力提升与自动化安全研究的投入产出。
AWS 宣布 Amazon Bedrock AgentCore 上的 Web Answer 正式可用，智能体只需一次工具调用即可获得带来源引用的合成答案，无需自建搜索、检索、合成与引用管线。
NVIDIA 发布面向 AI 智能体负载的 Vera CPU，称在 100 兆瓦数据中心对比中，单颗 Vera 同时优于最快的 x86 CPU 和最节能的 x86 CPU。
NVIDIA 在 Cosmos 世界模型开发平台下新增四个 Cosmos 3 开放权重检查点，均基于 Cosmos 3 Nano 后训练、含 16B 可训练参数，采用 OpenMDW1.1 许可，允许商用与非商用。
推荐理由：NVIDIA 公开 Cosmos 3 四个 16B 检查点及四阶段后训练配方，读者可据此判断世界模型如何接入驾驶与机器人仿真。
Google DeepMind 推出 Gemini Omni 1.2 Flash，原生支持最长 15 秒视频生成，并通过 Gemini API 和 Gemini for business 全面开放。
推荐理由：官方给出 15 秒原生生成、多轮对话编辑与 30% 降价的具体变化，可据此判断视频生成的成本与工作流边界。
Google Research 在 Nature 发表多模态 AI 系统 AI-PPG-ACC-HTN，利用消费级智能手表的 PPG 和 ACC 传感器被动检测高血压迹象，无需袖带校准。
推荐理由：研究用智能手表 PPG 与 ACC 信号免校准识别高血压，并以 24 小时动态血压监测为金标准给出筛查与确认两阶段的量化对比。
Microsoft Research 联合 GitHub Next 发布研究原型 PDD Kit，把开发者的意图转成 Verus 形式化规格，再证明智能体写的代码对每个输入都满足该规格，证明覆盖不到的部分则回退到测试。
推荐理由：原文完整展示了从自然语言意图到 Verus 形式化规格、再到证明与测试的流程，可据此判断智能体生成代码的审查方式会如何变化。
Mistral 发布 Mistral Large 4（代号 Le Chonk），并扩展企业平台 Mistral Studio，新增托管智能体、应用、工作流能力以及企业上下文、智能体可观测性和评测功能。
推荐理由：Mistral 同时更新模型与企业平台，并给出客户在生产环境中的具体用法和节省工时数据，可据此判断企业智能体落地的形态。
OpenAI 发布 GPT-6 Cyber 网络安全模型，在 ExploitGym 上得分 48.5%，高于 GPT-5.6 Cyber 的 32.1%，相对提升 51%。
推荐理由：原文给出 ExploitGym 与越界测试的具体数字，可对照 GPT-5.6 Cyber 判断安全智能体的能力与对齐取舍。
Phonon 团队回顾了两周前开源的端侧 TTS 模型，并详解其在 Transformers 中的接入方式。Phonon 提供约 65 MB 和 75 MB 两个尺寸，覆盖英语、法语、德语、西班牙语和葡萄牙语，内置 100 多个音色；其中 Phonon 31m 采用 Apache 2.0 许可，可商用，其余模型为 CC BY-NC 非商用许可。
推荐理由：原文交代了 Phonon 的端侧语音方案、开源许可与榜单表现，并给出 Transformers 中的完整调用示例。
AWS 介绍如何通过代码型评估器把 Jev 和 Strands Decider 2B 两个决策模型接入 Amazon Bedrock AgentCore Evaluations。
Google Research 提出 Agile Deliberation 框架，把主观视觉分类器的构建拆成概念界定和概念迭代两个阶段，由视觉语言模型主动挑出语义边界模糊的图片，让用户澄清自己的定义，再通过自动提示词优化更新分类边界。
Dharma-AI 发布 Dharma Field Extractor，一个 2B 参数模型，可从任意类型文档中按指定 schema 抽取字段并输出结构化 JSON，支持开放式与 schema 指定两种请求方式。
推荐理由：原文给出了与四家前沿模型在同一基准上的质量与成本对比，读者可据此判断专用小模型在字段抽取任务上的取舍。
Amazon Quick 上线 Smart Approvals，用独立的分类器模型对照用户请求评估符合条件的智能体操作，自动批准或退回人工审核，且不额外授予权限、不移除既有强制审批。该功能默认开启，管理员可通过 Custom Permissions 控制使用范围，用户也可自行关闭。自动批准为单次有效，仅适用于被审核的确切操作与参数，相关权限事件记录在 AWS CloudTrail 中。
AWS 团队以开源多智能体数据分析方案 Deep Insight 为参考实现，把生产级 AI 智能体的上下文工程拆成四层：多智能体架构隔离上下文、用提示词限制输出、把重内容外置到文件系统、用验证智能体与兜底机制把关。
推荐理由：AWS 团队把 Anthropic 的上下文工程建议整理成四层可落地做法，并给出开源参考实现中的具体代码与节省比例。
Indegene 在 AWS 上的 NEXT Unified Data Platform（NEXT UDP）中构建了生产级 LLM 驱动的 Data Quality Agent，可生成上下文感知的数据质量规则、完成校验并输出可直接运行的 SQL 和 Python 代码。
U Mobile 基于 Amazon Bedrock AgentCore 构建了 AI-Driven Agentic Helpdesk（AiDaH），目前覆盖六个业务部门的 150 多个运营场景，内部测量显示关键类别工单量最多下降 84.5%。
OpenAI 宣布将收购 Pierre Computer Company，以扩充 Codex 在代码构建、理解和审查方面的工具能力。原文未披露交易金额与完成时间。
推荐理由：OpenAI 收购 Pierre 以扩充 Codex 的代码构建与审查工具，读者可据此观察其编码产品线的补齐方向。
Allen AI 在 Hugging Face 发布 StateBench 基准，用于评估语言模型在长文档中追踪实体状态变化的能力，按 R-trivial、Aperiodic、Soluble、General finite 四级难度组织。
Google DeepMind 为 Google Antigravity 推出 Cheminformatics Skills，让智能体在约一小时内完成从文献检索数千化合物、匹配分子对分析到提出新型刚性化大环化合物及合成路线的流程。
推荐理由：原文给出化学信息学技能在真实肺癌药物案例中的完整流程演示，可了解智能体如何把数天迭代压缩到一小时。
IBM 在 Hugging Face 博客介绍 Palette，将 20B 开源权重模型用 LoRA 微调为设计师与编码者两个角色，按 IBM Design Language 生成幻灯片。
Hugging Face 发布 transformers-mic，提出模型集成契约（MIC）：把真实 checkpoint 缩成小 fixture，配合可运行的用法示例和人工审核的基线输出，在 CPU 上做快速集成测试。
Collinear AI 发布 CWE-bench v2，公开 100 道任务供任何人运行和评测模型，覆盖 91 种 CWE，评分完全程序化、结果可复现。
NVIDIA 介绍 Breakthrough Listen 与 SETI 研究所已将智能体 AI 引入日常地外文明信号搜寻，在加州北部的 Allen Telescope Array 上，智能体可通过一句自然语言指令操控望远镜、校正数据并运行 AI 模型。
Google DeepMind 与英国政府合作开发的 AI 规划工具 PlanAssist 将扩展至另外 12 个地方规划部门，使参与总数达到 15 个。在 Barnet、Camden 和 Dorset 的早期试点中，该工具把规划人员处理住户申请评估任务的平均时间缩短了 58%，超过 70% 的生成报告无需修改即获批准。
微软构建 Industry Evaluation Data Generation Platform，用基于 O*NET、招聘信息和 SEC 文件等公开数据生成的全合成企业环境来评估 Microsoft Copilot，避免使用任何客户数据。
Mistral 发布 Mistral Large 4（Le Chonk）的开放权重，这是其 1 万亿参数原生多模态旗舰模型，此前已进入公开预览。
推荐理由：Mistral 公开 1 万亿参数多模态模型的权重，并给出编码、网络安全与 token 效率的对比数据，可据此判断开源前沿模型的成本位置。
Google DeepMind 发布 Gemini 4 Carbon，称其在网络安全与长程任务上能力最强，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
推荐理由：官方给出 Carbon 在网络安全与长程智能体任务上的基准与价格，可对照两周前发布的 Argon 看迭代节奏。
Google Research 提出 sleep 框架，让 LLM 在活跃交互与离线睡眠阶段之间交替，把短期上下文巩固进长期参数。睡眠阶段通过 MoE 参数扩展、基于 GKD 与 RL 模仿学习（LTI）的知识播种以及突触剪枝完成记忆巩固，再通过随机专家选择、梯度筛选的合成样本和 RL 精修进行自我提升。
Google DeepMind 发布世界模型 Genie 4，可实时生成带原生音频的交互式模拟世界，并支持用自然语言实时修改场景。Genie 4 是首个原生生成音频的实时世界模型，角色可实时对话，物理场景覆盖空气动力学与碰撞等；Gemini 3.8 Flash 在循环中充当引导智能体，负责拆解目标并校验每一步。
推荐理由：Genie 4 把实时世界模拟、原生音频与 Gemini 的推理能力结合起来，读者可以据此了解世界模型当前的能力边界与已知局限。
Google Research 在 IDWeek 2026 上分享了把健康 AI 研究推向现实的路径：从胸片结核筛查算法，到与 Nexus AI 合作取得 CE MDR class IIb 认证和 ISO 13485 认证，再到开源 MedSigLIP 与 MedGemma 等基础模型。
微软研究院发布 Flint-interactive，一种构建在 Flint 之上的交互式数据可视化语言，让智能体生成用户可点击、筛选、缩放和跨图表联动的图表。它把点击拖拽等原始触发交给 Flint 编译器解析为语义事件，用户和智能体只需用高层算子描述更新行为，从而减少布局、渲染和调试问题。
推荐理由：微软研究院把图表交互逻辑交给编译器处理，读者可据此判断智能体生成交互式可视化的成本与可靠性变化。
Google DeepMind 与 Google Research 联合世界资源研究所（WRI）和国际应用系统分析研究所（IIASA）发布 Forest Typology（ForTy）2020，把全球每一块 10×10 米土地归入六类森林与土地利用类型，作为欧盟无毁林法规（EUDR）的关键基线。
Google Research 在 JAMA Network Open 发表研究，评估其孕周评估 AI 模型在盲扫超声下的跨场景泛化能力。
推荐理由：研究在芝加哥与内罗毕两地前瞻验证同一模型，读者可据此判断盲扫超声在低资源场景的可迁移性。
微软研究院 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想，证明在高维对数凹分布下，最佳超平面切割与任意形状最佳切割的差距不超过一个与维度无关的固定常数。研究采用人机协作的智能体搜索流程，探索了约 100 条候选路径，由研究者评估、剪枝并决定方向；同期另有独立团队给出完整证明，并有 Lean 4 形式化验证发布。
推荐理由：微软研究员与合著者借助人机协作的智能体搜索证明 KLS 猜想，读者可了解 AI 在数学发现中的具体分工。
Mistral 与 NVIDIA 合作开发 AI 原生工程工作流，将 Mistral Large 4 与 NVIDIA CUDA-X、Warp 结合，加速工程仿真并打通仿真、模型开发与设计闭环。
Mistral 发布 Voxtral 3 语音模型家族及基于 LiveKit 的语音智能体 SDK，把语音输入、推理、工具调用和语音输出整合为一条实时流式管线，单轮响应低于 1 秒。
推荐理由：原文给出语音智能体 SDK 与转录、合成模型的完整规格和定价，可据此判断实时语音工作流的落地成本。
Google Research 发布博客，介绍三项把 AI 智能体与真实湿实验室实验连接起来的研究：VERID 框架为实验室工作单元建立语义数字孪生，让智能体在动作前检查 3D 状态、做虚拟试运行并拦截无效指令。
推荐理由：Google Research 用三个项目展示智能体如何接入湿实验室的物理状态与闭环实验，读者可了解其安全与可复现设计。
Google DeepMind 展示了生物学家如何用智能体开发平台 Google Antigravity 完成抗菌肽候选分子的发现与结构评估，把原本分散在多个数据库的检索压缩到一次会话中。
微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的 RISC-V 程序执行过程，在笔记本上每秒证明 720 万至 870 万条处理器指令。在 15 个基准程序上，它平均比现有最快的 zkVM 快 10 至 39 倍，证明验证耗时约 12 毫秒。其安全性只依赖 SHA-256、SHA-3 等标准哈希函数，不需要椭圆曲线、格密码、可信设置或未证明的纠错码猜想。
推荐理由：微软研究院的 zkVM 把证明速度提升到此前同类系统的 10 至 39 倍，且只依赖标准哈希函数，读者可据此判断可验证计算的工程可行性。