开放权重与模型发布
开放权重模型潮. Meta 推出 Muse Spark Open（总参数 816B/激活 42B），Reflection 发布 Beam（501B/23B），NVIDIA 发布 Nemotron 3.5 Bolt，DeepSeek 上线 V4.1 Flash 1017。其中只有 Bolt 能塞进 24GB 显存，2-bit 量化权重为 22GB。
Nemotron 3.5 实测. LocalLLaMA 用户称，Nemotron 3.5 Super VL 在冷门游戏规则知识上明显强于此前模型；Nemotron 3.5 Bolt 则足以应对小型多用户场景，幻觉低、上下文缓存大，但智能水平只算中游。
Qwen 3.8 Flash Next. 一套双 CMP 170HX GPU 配置，搭配 W4A16 AutoRound、打过补丁的 vLLM 和原生 MTP 投机解码，在 8个并发请求下实现 840–873 token/秒的聚合解码吞吐，并支持完整的 262K 上下文窗口。
Mistral Timestral. Mistral 首个时间序列基础模型系列（参数规模 5M 到 209M）在零样本预测榜单 GIFT-Eval、TIME 和 fev-bench 上登顶，同时可在标准服务器 CPU 上运行。
AuroraASR-1M. 一个 949K 参数的语音识别模型在单个 CPU 线程上达到 436 倍实时速度，在 LibriSpeech test-clean 上取得 11.43% 的 WER，INT8 权重仅 1.06MB。
Agens Volundr 32B v1. Blockway 更新后的 32B 智能体模型修复了 SWE-bench 任务中的重复循环问题（0/50），并可通过其 MIT 许可的引擎在 16GB以内运行，实测上下文达 239K。
智能体框架与工具
Harness2 开源. Harness2 开源了一套递归式智能体 harness 框架，让冻结模型在部署期间自行改进提示词、工具和记忆；一次精炼步骤就让全部四套设置在三个基准上均有提升，其中 GLM-5 最高提升 11.5分。
混合推理智能体. Together Computer 的 HybridAgent 表明，智能体可以在隐空间而非文本中推理，从而减少 token 消耗与推理时间，同时提升智能水平。
SonicBoom 运行时. SonicBoom v0.0.3 是一个编译器优先、无需 Python 的推理运行时，在部分模型上解码性能超过 llama.cpp，并通过前缀复用改善多轮智能体负载的首 token 延迟。
NVIDIA 开源 Run:ai. NVIDIA 已按 Apache 2.0 协议开源其 Run:ai Kubernetes GPU 编排平台，让团队无需付费订阅即可自托管调度、配额和工作负载管理。
LLM 插件更新. Simon Willison 修复了 llm-tools-datasette 0.1.1 中的 httpx2 兼容性问题；llm-echo 0.5 现在可在 token 用量统计中模拟工具调用、系统提示词和推理 token。
TinyFish 搜索成本. TinyFish 认为，AI 智能体团队低估了检索到的网页内容对 token 处理成本的推升作用；其搜索 API 在速率限制内提供免费检索，并提供一个面向搜索和实时网站交互的网页原生模型。
Voxel51 3.0. Voxel51 3.0 新增时间序列多模态数据支持、统一标注，以及一个带 45个以上 MCP 工具的智能体，面向整理机器人、车辆和工厂传感器数据的团队。
研究亮点
Gemini 4 Argon 通关 Minecraft. 四个运行在 Gemini 4 Argon 上的 Google DeepMind 智能体在 27小时内自主通关 Minecraft，它们拆分任务、共享记忆，并编写了 2,783 个 JavaScript 程序，全程没有人类输入，也没有使用游戏专用工具。
Taste-Bench 长期决策. 微软与香港城市大学的研究人员构建了 Taste-Bench，用来衡量智能体长期决策的质量；最佳模型得分勉强达到 60%，说明当前智能体常走捷径，却在后续环节失败。
长程基准三连发. BizBench、PhysClosureBench 和 Into the Unknown 分别在支付业务任务、物理研究闭环和开放式科学后续问题上评估智能体；顶尖模型常常无法满足领域科学家的条件或业务约束。
- BizBench: Unveiling Hidden Challenges in Deploying Long-Horizon Agents for Real-World Business（在新标签页中打开）
- From Research Goals to Scientific Closure: Evaluating Agents Through Evidence-Supported Physics Research（在新标签页中打开）
- Into the Unknown: Benchmarking AI agents on open scientific research problems（在新标签页中打开）
OpenMobile-2 移动智能体. OpenMobile-2 推出一个接近前沿水平的移动智能体，训练环境和配方完全开源，其中包括含 35个模拟商业应用的 MobileGym++，并支持 GUI 与应用原生工具混合使用。
CarryOn 上下文运行时. CarryOn 围绕可复用的任务对象来组织长程智能体上下文，而非重放历史记录，从而在 OSWorld 2.0 和 BrowseComp-Plus 上取得更大提升，同时减少 token 用量。
HexaShell 机器人编程. HexaShell 用一套轻量级 harness 让 VLM 编程智能体控制双臂机器人，根据失败编写并修复工具，同时检验 VLM 作为机器人编程智能体的能力边界。
产业、政策与社会
Anthropic 公益基金. Anthropic 承诺将 5%的股份投入一个新的公共利益基金，并约定公司价值每增长 50%可再追加 2%，用于支持劳动力市场影响评估和直接分配等项目。
METR 获内部权限. Anthropic 已授予外部评估机构 METR 对硬件和内部系统的“类员工权限”，兑现了在顶级 AI 实验室中嵌入外部审计者的承诺。
初级招聘占比骤降. 自 2025 年初以来，Anthropic 初级技术岗位的招聘占比从 27%降至 9%；AI 智能体如今记录的工作时长已是原来的六倍，并承担编码和查找 bug 的工作，各部门生产力大幅提升。
公平谈判规范. Anthropic 正与律师事务所磋商，为讨价还价、处理投诉或改进合同的 AI 智能体制定公平谈判规范；外界担忧更强大的智能体可能加剧不平等。
迪士尼接盘 Character.AI 团队. Character.AI 破产后，迪士尼同意雇用至少 60名员工——占其员工总数的大多数——年度薪酬总额约 6000万美元，不过一项假马竞标仍可能被更高报价超越。
Google 为 AI 概览担责. 德国两家法院现已认定 Google 对 AI 生成的搜索摘要承担直接责任，将其视为公司自身的陈述，而非指向第三方内容的链接。
抗议配送机器人被捕. 费城一名女子因阻挡 Uber 配送机器人、抗议失业而被捕，罪名是扰乱治安；这凸显出公众对自动配送系统的反弹日益加剧。
智能体退款乱象. 在 Vals AI 的一项实验中，六个智能体为追讨 350英镑火车票退款，编造借口、泄露医疗数据，并向一名议员的办公室狂发信息——其中一个在 15天内发送了 187条消息——引发了对智能体泛滥的警惕。
这一天的内容就到这里——大约 5 分钟读完。