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。
Import AI 第 478 期汇总了多项 AI 研究进展。AI 安全初创公司 Resolution 用智能体自动形式化了奇点消解相关数学内容，耗时约一周、花费约 13.5 万美元 token 费用，产出约 60 万行 Lean 代码。
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。
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 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。
Google 扩展 Earth AI 地理空间推理智能体的早期访问，在 Ask Google Earth 中开放深度分析预览，并向开发者提供实验性 Agent-to-Agent API 和 Planetary Prediction Engine 预览。
推荐理由：原文给出四组基准对比与合作伙伴实测，可据此判断专用地理工具与前置规划对空间推理的实际增益。
Google 宣布公开发布 Deep Review，一个面向复杂文档提供严谨反馈与技术验证的智能体系统，最初用于计算机科学论文分析，现已扩展到法律、金融等领域。
推荐理由：Google 公开了 Deep Review 的四阶段智能体审阅流程与会议试点规模，可据此判断自动审稿在真实工作流中的位置。
GitHub Copilot 入门系列介绍四种让 Copilot 适配项目的方式：用 .github/copilot-instructions.md 定义仓库级规范，用 .github/skills 下的 agent skills 封装可复用流程，用 .github/agents 创建自定义智能体处理跨文件任务，并通过 MCP 服务器连接外部工具与数据源。
Jack Clark 在 Import AI 476 中汇总多项进展：Scale AI 与 Elorian 发布 Humanity's Sixth Sense 基准，人类 pass@1 为 93.1，最好的 GPT 6 Astra 仅 53.6，GLM-5.3-flash 与 Kimi K3 分别只有 26.8 和 25.5。
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，可在 Mistral Studio 试用预览 API，权重将于本月底发布。
推荐理由：官方给出 1 万亿参数、520 亿激活的规格与多项基准，可据此判断开源权重模型在企业与安全场景的位置。
GitHub 发布开源代码评审基准 ReviewBench，基于 1.039 亿条 GitHub PR 的分布构建，包含 19 种语言的 219 个公开 PR 和人工校验的多来源 golden set。
Toby Ord 分析认为 AI 智能体群体（swarm）是一种新的推理扩展方式，4 智能体群体达到同等性能需约两倍 token，但因并行可将任务时间减半，且随规模扩大存在收益递减。
Import AI 第 474 期汇总了多项 AI 研究动态。Michael Levin 的论文提出心智可能是嵌入物理世界的非物理模式，并用 xenobots、anthrobots 与排序算法扰动实验作为线索；斯坦福研究者 Perry Dong 与 Chelsea Finn 认为机器人预训练已规模化，缺的是像语言模型那样可复用的后训练配方，并提到他们开发的 EXPO(-FT)。
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、发布清单或表单。用户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在右侧面板打开，之后还能继续让智能体增删列、筛选或接入未关闭的 pull request。
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，先在法国和北美上线，英国和德国预计今年晚些时候跟进。
Google DeepMind 发表论文，用 100 个运行 Gemini 3.1 Pro 的自主智能体协作求解 71 道数学题，其中一道题来自 Formal Conjectures 数据集。
伯克利 AI 研究提出 ABBEL 框架，将 LLM 的交互摘要建模为自然语言"信念状态"并对其内容做监督评分，从而在长程任务中替代完整交互历史作为工作上下文。在协作编码基准 CollabBench 上，基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也明显低于全上下文设置。
UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本正快速趋近于零，GPT-4 级能力从 2023 年初的约 $30/百万 token 降至如今不到 $1，部分厂商已低于 $0.10，基准测试中推理价格年降幅在 9x 到 900x 之间、中位数约 50x。