Reflection AI 推出开源权重模型 Beam，面向智能体编码与长周期任务，总参数 5010 亿、激活参数 230 亿，Reflection 称有效上下文长度为 100 万 token，权重以 Apache 2.0 许可在 Hugging Face 发布，提供 BF16、FP8、NVFP4 三种 checkpoint。
推荐理由：原文给出 Beam 的参数量、上下文长度与三种部署路径，可据此判断开源智能体编码模型的落地成本。
Benefit Street Partners 的 Anant Kumar 用 Codex 做代码审查并加快后续跟进，从而更快回答客户问题。他构建的工具用于比较贷款估值和分析信贷协议。
OpenAI 推出 Rosalind 学术计划，为符合条件的学术实验室提供 GPT-Rosalind 及相关工具的赞助访问，用于推进生命科学研究。原文未披露申请条件、工具清单和开放时间等细节。
推荐理由：原文给出学术实验室可申请赞助访问的入口，读者可据此判断生命科学研究的模型使用门槛变化。
Meta 的编程优化开放权重模型 Muse Spark Open 已在 Amazon SageMaker JumpStart 上线，可在自有 AWS 账户中部署为 SageMaker AI 端点。
NVIDIA 发布 RTX Spark，定位为面向创作者、玩家和 AI 智能体的 Windows PC，并将在全球多地举办发布活动。原文汇总了 Tom's Hardware、TrustedReviews、Tom's Guide 等评测者的早期反馈，并提到 Artificial Analysis 的独立测试提供了该平台本地 AI 性能的初步观察。
推荐理由：原文汇总了多家评测者对 RTX Spark 本地 AI 与游戏表现的早期反馈，并列出全球发布活动的时间地点。
Google DeepMind 介绍其智能体开发平台 Google Antigravity 如何用于抗菌肽发现，生物学家与 AI 智能体在一次多轮会话中完成跨数据库检索、结构分析和文献综合，找到一个对呼吸道感染相关病原体有预测活性的新型抗菌肽候选物，目前正进行湿实验验证。
推荐理由：原文完整展示了智能体如何把跨库检索、结构分析与文献综合压缩进一次会话，可观察 AI 介入科研流程的具体分工。
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，并输出可在约 12 毫秒内验证的简短证明。
推荐理由：微软研究院把十余年零知识证明研究整合为 Magnetar，读者可了解通用可验证计算在速度与密码学假设上的取舍。
AWS 副总裁 Shawn Bice 提出 Trust in Depth 框架，主张用独立分层的机制替代逐步骤人工审批，让智能体在可验证的范围内自主行动。
NVIDIA 发布 Nemotron 3.5 Super VL，这是开放权重的 1200 亿参数模型，主打多模态智能体任务，官方称其吞吐量最高可达同类模型的 5 倍。
推荐理由：原文给出了三款模型的参数规模、内存占用与开放权重，读者可据此判断不同部署层级的选择空间。
NVIDIA DLSS 4.5 控制选项已在 GeForce NOW 上线，让会员在云端调整支持游戏的画质与性能，无需最新硬件。DLSS Super Resolution、Dynamic Multi Frame Generation 和 Ray Reconstruction 均可调节，Ultimate 会员在 RTX 5080 云主机上最高可用 4X 动态多帧生成。
OpenAI 在教师节推出巴西葡萄牙语版 AI for Educators，并展示 Study Mode 如何帮助教师支持学生主动、分步骤地学习。
NVIDIA 在都柏林 AI in Science Summit 上宣布加入欧盟委员会的 AI in Science Enablers Initiative，为欧洲科研社区提供加速工具、算力、培训与协作支持。NVIDIA 已开放超 250 个模型、250 个数据集和 1400 多个开源项目，并推出免费开源课程平台。欧洲目前有 35 台超算在建，将服务超 300 万名研究人员。
基于 Amazon Bedrock AgentCore 的多智能体 IDP 系统可在 20 分钟内完成部署，自动分类、提取并校验供应商发票、采购订单等文档。系统由 8 个专用智能体组成，通过 Strands Agents 编排识别与训练两条工作流，遇到新文档格式时自动生成提取提示词并保存复用，后续同类文档直接进入提取流程。
AWS 发布教程，演示如何用 Amazon Bedrock AgentCore 搭建自动生成 PowerPoint 的 AI 智能体系统，内部测试中不到 90 秒完成一份演示文稿。
Tamnoon 基于 Amazon Bedrock 构建了智能体式云修复编排器 Tami，可自主调查 CNAPP 等来源的安全发现并评估修复安全性，再在护栏与治理下生成并执行修复。该方案在 90 天内将关键云暴露减少超过 90%，且未出现生产问题。平台由调查、安全评分、修复和代码生成四类专用智能体组成，通过单一 API 按任务调用不同基础模型。
AWS 介绍了一套可复用的 Python 脚本流程：从 Amazon SageMaker JumpStart 部署模型、用示例提示词测量延迟与单请求生成速率，测试完成后删除端点。
Amp 展示了如何用 GPT-6 Astra、Ultrafast、GPT-Live-1 和 Sign in with ChatGPT 拓展 AI 智能体的能力边界，使其不再局限于写代码。原文未披露具体参数、benchmark 分数或可用性细节。
Google DeepMind 与新加坡政府科技局（GovTech Singapore）合作，基于轻量级 Gemma 模型微调出一个端侧诈骗检测模型，用于识别冒充公共机构、银行和本地人物的诈骗对话。
Google DeepMind 开始广泛开放 Gemini 4 Argon，并扩大 Fairwind Program 至更多可信网络安全防御方。此前有限访问阶段，Wiz 用 Argon 发现前代模型遗漏的医院软件关键漏洞，Google 安全团队也用它修补内部与开源软件缺陷。
推荐理由：原文披露了 Argon 在网络安全与生物风险上的防护分层设计，以及思维链惩罚实验的反直觉数据，可供理解前沿模型安全部署的具体取舍。
GitHub 为密钥扫描训练了专用的 ModernBERT 分类器，替代此前的 LLM 流水线，用户告警接受率提升 11.5%，推送后扫描中位执行时间降低 86%，服务成本降低 98%。该方案先用正则表达式高召回生成候选，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证。效率提升使通用密钥检测得以扩展到推送保护，在代码推送前返回结果。
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，API 定价为每百万输入 token 2 美元、输出 token 10 美元。
推荐理由：官方披露了 Argon 在代码重构、科研与安全对齐上的具体案例和定价，可据此判断前沿模型落地深水区任务的现状。
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，并通过 MCP 服务器连接外部工具与数据源。
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，用于在接触真实学习者之前评估和改进 AI 辅导系统。研究同时发布 StudentSimEval 基准，从行为保真度和指导响应度两个维度评估模拟器，覆盖国际象棋、第二语言英语写作和数学三个领域。
推荐理由：读者可了解用真实学习记录训练个性化学生模拟器、并以行为保真度和指导响应度评估的思路。
GitHub 发布与 Microsoft Applied Sciences 共建的 ModernBERT 分类器，用代码上下文识别无固定格式的密钥，候选批次评估耗时低于 2 毫秒，可将可拦截密钥数量提升一倍以上。
微软研究院开源 Agent Lightning v1.0，一个约 3500 行代码的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：原文给出框架的代码规模、Kubernetes 部署方式与端到端训练结果，读者可据此判断真实 harness 参与 RL 训练的可行路径。
Google DeepMind 发布 EmbeddingGemma 2，将文本、代码、图像、视频和音频映射到统一嵌入空间，采用 Apache 2.0 许可，参数量 740M。
推荐理由：原文给出参数量、分模块配置和端侧内存占用，读者可据此判断多模态嵌入在本地检索中的落地边界。
微软研究院 partner research manager Jennifer Neville 在 Microsoft Research Podcast 中与首席应用科学家 Chad Atalla 对话，讨论评估如何推动 AI 系统突破传统 benchmark 的性能边界，以及模型在超出常规测试时出现的“意外失败”。她还分享使用当前 AI 系统的实用建议，并强调当结果偏离预期时应仔细检查数据。
GitHub 发布 AI 代码审查开放基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、187 个开源仓库的 219 个 PR 评测集。
GitHub 提出开发者应强化的三项 AI 时代技能：学会指挥 AI 智能体而非仅使用它、不轻信 AI 的第一个答案、用 AI 省下的时间解决更大问题。文中以 GitHub Copilot 内置的 Rubber Duck agent 为例，说明其用第二个模型审查计划、代码和测试，以发现首个模型遗漏的问题。
Google DeepMind 宣布推出新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者。
推荐理由：官方披露了模型在内部代码迁移、量子优化与漏洞挖掘中的具体数字，可据此判断长程推理能力的实际落点。
微软研究院实习生 Rohan Kannan 开发了一套端到端机器学习系统，可提前30至60分钟为美国本土66,935座变电站给出空间天气风险估计。系统先用 L1 拉格朗日点的太阳风观测预报 AE 和 Dst 指数，再结合各变电站纬度、地质电导率等特征，用梯度提升模型估计 dB/dt 并汇总为大陆尺度风险评估。
推荐理由：读者可了解一套端到端机器学习管线如何把太阳风观测与地质条件结合，提前30至60分钟给出变电站级风险评估。
Google DeepMind 发布 SynthID Bio，将水印技术用于合成生物学，把不可感知的签名直接嵌入生物代码，在实验室测试中保持蛋白质的生物功能。该方法针对序列微调氨基酸选择、针对 3D 结构调整原子坐标，并微调 AlphaFold 3 扩散网络的一小部分，使预测坐标自带可检测签名。
推荐理由：读者可了解水印如何嵌入蛋白质序列与 AlphaFold 3 结构，以及它对 DNA 合成筛查的意义。
微软研究院推出 AI 研究系统 Quine，由生物世界模型和连接模型、科学工具、文献与研究者的交互框架组成，可跨基因组、蛋白质、化学、RNA 与细胞状态、生物成像等模态学习共享表征。
推荐理由：原文给出胰腺癌细胞状态转换的湿实验验证结果，读者可据此判断多模态生物世界模型在药物优先级排序中的实际作用。
GitHub Copilot 应用中的 canvas 是一种用户与智能体共享的可定制界面，可通过 /create-canvas 技能用自然语言描述生成看板、发布清单或仪表盘，无需手写代码或设计布局。canvas 具备双向同步能力，用户点击按钮、移动卡片与智能体的修改会即时互相可见，无需额外发送或同步步骤。生成的 canvas 会保存为扩展，可随项目共享给团队或保存为个人扩展复用。
GitHub Copilot 应用推出 canvas，一种在应用内运行、无浏览器界面的全栈小应用，可与 Copilot 智能体双向通信。它支持调用第三方 API 并在本地执行代码，示例包括 Connect 4 游戏、Winget 包管理界面和 SQLite 数据库操作。作者认为聊天框常是错误交互界面，让智能体构建工具比反复消耗 token 更划算。
GitHub Security Lab 发布 Fuzzing Taskflow，一个面向 C/C++ 项目的自主模糊测试流水线，只需指向一个 GitHub 仓库，它就能自动识别入口点、分析构建系统、编写 harness、运行 AFL++、读取覆盖率报告并改进 harness，最后对每个崩溃做分类并生成漏洞报告。
推荐理由：原文完整交代了智能体与工具分工的架构取舍，对想用 LLM 自动化安全测试的团队有方法参考。
微软研究院对移动机器人操作负载做了系统测量，发现把物理AI推理从机器人板载GPU卸载到边缘或云端GPU，可提升任务成功率并延长续航。在内存不足的小GPU上，建图与规划比A100慢最多383%，导航障碍及时检测率下降30%，VLA模型精度下降50%；用Raspberry Pi-5替代板载GPU后，Jetson Thor等大GPU曾使Stretch-3续航缩短最多160%。
推荐理由：微软团队系统测量了机器人端侧与卸载推理的差异，给出任务成功率与续航的量化对比，可供设计物理AI推理系统参考。
Berkeley Sky Lab 团队在 K-Search 进化式内核搜索框架上新增 MLX 后端，并设计结构化 CUDA-to-MLX 翻译层，把已有 CUDA 内核作为知识库改写为 Apple Silicon 上的高质量内核，而非逐条指令照搬。
Berkeley AI Research 提出 ABBEL 框架，将摘要的信息内容隔离为自然语言信念状态并加以监督，以替代完整交互历史作为智能体的工作上下文。研究指出，递归摘要虽能压缩上下文，但在高质量数据稀缺的人类协助场景（如协作代码生成）中会带来明显性能损失。该框架通过信念评分监督每个信念状态的内容来提升表现。
自适应并行推理让推理模型自行决定何时分解并并行化独立子任务、开启多少并发线程以及如何协调。相比随探索量线性增长的串行推理，该范式可缓解上下文退化与延迟随推理长度成比例上升的问题。文章梳理了并行推理领域近期进展，包括作者参与提出的 ThreadWeaver。