AI 与科学前沿 · 2026-10-16

MassNet是一个面向深度学习的质谱蛋白质组学数据语料，汇集来自648个项目、35个物种的15.4亿张串联质谱谱图，并配套列式张量存储格式MSDT。此前质谱数据分散在MGF、mzML等异构格式中，谱图与肽段注释分离，跨物种覆盖以人类为主。基于该语料训练的并行解码模型XuanjiNovo在人类Astral数据上较现有方法提升38.35%至143.57%，并支持保留时间预测与PSM重打分。

MassNet是一个面向深度学习的质谱蛋白质组学数据语料，汇集来自648个项目、35个物种的15.4亿张串联质谱谱图，并配套列式张量存储格式MSDT。此前质谱数据分散在MGF、mzML等异构格式中，谱图与肽段注释分离，跨物种覆盖以人类为主。基于该语料训练的并行解码模型XuanjiNovo在人类Astral数据上较现有方法提升38.35%至143.57%，并支持保留时间预测与PSM重打分。

次季节预报（提前2至6周）长期因误差累积而接近气候平均，业务动力集合与最先进的概率AI在较长时效上常低于气候平均。概率偏差订正用机器学习直接修正历史概率预报的分布，而不只是修正单点估计。它把AI预报系统的次季节技巧提高一倍，并在91%气压、92%温度、98%降水目标上优于业务去偏的动力模式；在2025年实时竞赛中，其全球预报在所有变量和时效上排名第一。

次季节预报（提前2至6周）长期因误差累积而接近气候平均，业务动力集合与最先进的概率AI在较长时效上常低于气候平均。概率偏差订正用机器学习直接修正历史概率预报的分布，而不只是修正单点估计。它把AI预报系统的次季节技巧提高一倍，并在91%气压、92%温度、98%降水目标上优于业务去偏的动力模式；在2025年实时竞赛中，其全球预报在所有变量和时效上排名第一。

在10万123名癌症中心患者中，有棕色脂肪的人心血管与精神类疾病更少；研究用机器学习从约8700人的PET–CT半自动量化棕色脂肪活性，发现活性越高，2型糖尿病与冠心病等风险越低，腋窝脂肪库关联最强，并据此找到氯沙坦可在小鼠中提升产热。

在10万123名癌症中心患者中，有棕色脂肪的人心血管与精神类疾病更少；研究用机器学习从约8700人的PET–CT半自动量化棕色脂肪活性，发现活性越高，2型糖尿病与冠心病等风险越低，腋窝脂肪库关联最强，并据此找到氯沙坦可在小鼠中提升产热。

APEX-Harm 在投行、法律、咨询三类长周期任务上评测提示与脚本注入，12 个前沿模型里 Opus 5 与 Sonnet 5 总体攻击成功率最低（8% 与 20%），但任务专用脚本替换和攻击者提供的通用脚本平均仍达 81–84% 与 73%。

APEX-Harm 在投行、法律、咨询三类长周期任务上评测提示与脚本注入，12 个前沿模型里 Opus 5 与 Sonnet 5 总体攻击成功率最低（8% 与 20%），但任务专用脚本替换和攻击者提供的通用脚本平均仍达 81–84% 与 73%。

成人放射性透明异物吸入在CT上与软组织、黏液密度接近，此前只能靠逐层人工阅片，容易漏诊。AI-PACS改用自监督异常检测：先在804例无标注CT上学习“非异物”气道的标准高斯流形，再把偏离该流形的区域判为异常，并映射到支气管S1–S10分段。在35例人机对照子集中，敏感性由放射科医师的18.8%升至56.3%，阴性排除的平均阅片时间减少约75%。

成人放射性透明异物吸入在CT上与软组织、黏液密度接近，此前只能靠逐层人工阅片，容易漏诊。AI-PACS改用自监督异常检测：先在804例无标注CT上学习“非异物”气道的标准高斯流形，再把偏离该流形的区域判为异常，并映射到支气管S1–S10分段。在35例人机对照子集中，敏感性由放射科医师的18.8%升至56.3%，阴性排除的平均阅片时间减少约75%。

vLLM在Muse Spark Open发布当天就提供了推理支持，这是一款总参数816B、每token激活42B的混合专家模型，支持1M上下文与原生图像、视频、音频输入。此前这类规模的模型往往要等社区适配数周；这次Nvidia与AMD镜像同步放出，并配套训练了DSpark投机解码草稿模型。TPU上配合投机解码，4颗v7芯片超过650 token/秒，8颗超过960 token/秒。

vLLM在Muse Spark Open发布当天就提供了推理支持，这是一款总参数816B、每token激活42B的混合专家模型，支持1M上下文与原生图像、视频、音频输入。此前这类规模的模型往往要等社区适配数周；这次Nvidia与AMD镜像同步放出，并配套训练了DSpark投机解码草稿模型。TPU上配合投机解码，4颗v7芯片超过650 token/秒，8颗超过960 token/秒。

在树莓派5上本地运行的LLaMA-3.2-1B-Instruct，其推理时的电磁泄漏可被被动探头采集，用来识别生成词并语义还原用户提示，说明本地执行本身并不保证提示与输出的机密性。

在树莓派5上本地运行的LLaMA-3.2-1B-Instruct，其推理时的电磁泄漏可被被动探头采集，用来识别生成词并语义还原用户提示，说明本地执行本身并不保证提示与输出的机密性。

传染病房室模型的参数估计不再依赖神经网络训练。此前物理信息回归要先从数据估计时间导数，采样粗或噪声大时导数估计成为精度瓶颈，且点估计没有不确定性。新的物理信息弱回归改为对模型在时间上积分，方程对参数仍保持线性，并联合估计未知初始状态，配合三次样条求积达到四阶精度；在11个DINN基准模型上，它在22个模型/噪声设置中的15个里最准，采样能分辨动力学时比已报道的DINN结果精确一到四个数量级，单次拟合约一毫秒。

传染病房室模型的参数估计不再依赖神经网络训练。此前物理信息回归要先从数据估计时间导数，采样粗或噪声大时导数估计成为精度瓶颈，且点估计没有不确定性。新的物理信息弱回归改为对模型在时间上积分，方程对参数仍保持线性，并联合估计未知初始状态，配合三次样条求积达到四阶精度；在11个DINN基准模型上，它在22个模型/噪声设置中的15个里最准，采样能分辨动力学时比已报道的DINN结果精确一到四个数量级，单次拟合约一毫秒。

一个机器学习后处理层学习订正现有预报模式的误差，在两周到六周的次季节尺度上把黄金标准模式的预报准确率提高一倍，并首次稳定超过气候平均。

一个机器学习后处理层学习订正现有预报模式的误差，在两周到六周的次季节尺度上把黄金标准模式的预报准确率提高一倍，并首次稳定超过气候平均。

把密度查询点当作虚拟原子、与真实原子共用同一套编码器后，电子密度监督能直接塑造原子间势的表征：在MP上密度重建误差低于ChargE3Net，联合训练还把大分子零样本力误差降了下来。

把密度查询点当作虚拟原子、与真实原子共用同一套编码器后，电子密度监督能直接塑造原子间势的表征：在MP上密度重建误差低于ChargE3Net，联合训练还把大分子零样本力误差降了下来。

北京大学等团队把常规单导联心电与医生撰写的超声心动图报告对齐，训练出可同时识别13种细粒度心脏结构病的筛查框架AnyECG-Echo。此前同类模型多依赖12导联输入，或只在单一医疗系统内验证，且标签需逐病种人工标注。该框架在内部、时间与地理独立外部共25222例验证队列上，对左室收缩功能减低、全心增大、二尖瓣狭窄等高影响亚型取得较高AUROC，并在外部队列中保持可用判别力。

北京大学等团队把常规单导联心电与医生撰写的超声心动图报告对齐，训练出可同时识别13种细粒度心脏结构病的筛查框架AnyECG-Echo。此前同类模型多依赖12导联输入，或只在单一医疗系统内验证，且标签需逐病种人工标注。该框架在内部、时间与地理独立外部共25222例验证队列上，对左室收缩功能减低、全心增大、二尖瓣狭窄等高影响亚型取得较高AUROC，并在外部队列中保持可用判别力。

语义查询引擎每次过滤都要逐条调用大模型，SemViews把此前查询已付费的标签当作语义视图来排序元组，只用新抽的样本做认证，在四个工作负载上满足精度与召回目标的同时省下28%到45%的模型调用。

语义查询引擎每次过滤都要逐条调用大模型，SemViews把此前查询已付费的标签当作语义视图来排序元组，只用新抽的样本做认证，在四个工作负载上满足精度与召回目标的同时省下28%到45%的模型调用。

Meta开源了Muse Spark Open的权重，这是一个816B参数、推理时激活42.7B的全模态混合专家模型，与Muse Code共同训练，面向编码智能体工作流。它用压缩MoE块和全局/局部混合注意力降低跨GPU通信与长会话的KV缓存占用，并支持100万token上下文和文本、图像、视频、音频输入。按Meta报告的基准分数，它在智能体编码与知识工作上与前沿实验室的模型相当，但各模型使用自家编码智能体测试，而非统一测试框架。

Meta开源了Muse Spark Open的权重，这是一个816B参数、推理时激活42.7B的全模态混合专家模型，与Muse Code共同训练，面向编码智能体工作流。它用压缩MoE块和全局/局部混合注意力降低跨GPU通信与长会话的KV缓存占用，并支持100万token上下文和文本、图像、视频、音频输入。按Meta报告的基准分数，它在智能体编码与知识工作上与前沿实验室的模型相当，但各模型使用自家编码智能体测试，而非统一测试框架。

COAX 在预训练时按数据类别给指定专家子集加正向路由偏置，让占比很小的语言、模态或领域也能分到更大的专家份额，在 345M 到 10.6B 的 MoE 上低资源类别损失普遍下降，而推理仍走标准 top-k 路由。

COAX 在预训练时按数据类别给指定专家子集加正向路由偏置，让占比很小的语言、模态或领域也能分到更大的专家份额，在 345M 到 10.6B 的 MoE 上低资源类别损失普遍下降，而推理仍走标准 top-k 路由。

Memento把传感器观测改成按引用传输：先在本地持久存储的向量表里检索相似旧样本，命中就只发一个索引，模型分析显示在LoRa这类低速率链路上，25%命中率即可把延迟和能耗各降约四分之一。

Memento把传感器观测改成按引用传输：先在本地持久存储的向量表里检索相似旧样本，命中就只发一个索引，模型分析显示在LoRa这类低速率链路上，25%命中率即可把延迟和能耗各降约四分之一。

预训练评测常用的每字节比特数（BPB）把模型对标准答案的惊讶度除以答案的UTF-8字节长度，但其中有一部分成本并不随答案变长而增长，于是短答案任务和短条目被系统性压低。Aleph Alpha 团队把每个条目的比特数拟合为固定开销加每字节速率，指出语料BPB恰好等于该固定开销除以任务平均答案长度再加上每字节速率，并在开源评测包 eval-framework 中给出 PriorBPB：用一条跨任务共享的长度先验对每字节成本曲线积分。在五个模型家族、60 多个检查点上，PriorBPB 与平均答案长度的相关性明显减弱，与准确率的相关性优于标准 BPB。

预训练评测常用的每字节比特数（BPB）把模型对标准答案的惊讶度除以答案的UTF-8字节长度，但其中有一部分成本并不随答案变长而增长，于是短答案任务和短条目被系统性压低。Aleph Alpha 团队把每个条目的比特数拟合为固定开销加每字节速率，指出语料BPB恰好等于该固定开销除以任务平均答案长度再加上每字节速率，并在开源评测包 eval-framework 中给出 PriorBPB：用一条跨任务共享的长度先验对每字节成本曲线积分。在五个模型家族、60 多个检查点上，PriorBPB 与平均答案长度的相关性明显减弱，与准确率的相关性优于标准 BPB。

把一条成功演示当作可编辑的骨架，用稀疏成功奖励学出何时切换物体中心阶段、如何做几何修正，15个Meta-World任务平均成功率92.7%，在9个DexMimicGen任务上生成数据的平均编辑成功率98.4%。

把一条成功演示当作可编辑的骨架，用稀疏成功奖励学出何时切换物体中心阶段、如何做几何修正，15个Meta-World任务平均成功率92.7%，在9个DexMimicGen任务上生成数据的平均编辑成功率98.4%。

Liquid AI发布LFM2.5-24B-A2B，一个总参数24B、每token仅激活2B的推理型智能体模型，面向设备端本地运行。它沿用前代LFM2-24B-A2B的架构，但上下文从32K扩到131K、词表从65K扩到128K，并改为先输出思维链再作答。在16项基准上它与总参数和激活参数都多约50%的Qwen3.6-35B-A3B竞争：LiveClaw得48.09对38.19，AutomationBench为27.69对8.72，同时在M5 Max上解码184 token/s。

Liquid AI发布LFM2.5-24B-A2B，一个总参数24B、每token仅激活2B的推理型智能体模型，面向设备端本地运行。它沿用前代LFM2-24B-A2B的架构，但上下文从32K扩到131K、词表从65K扩到128K，并改为先输出思维链再作答。在16项基准上它与总参数和激活参数都多约50%的Qwen3.6-35B-A3B竞争：LiveClaw得48.09对38.19，AutomationBench为27.69对8.72，同时在M5 Max上解码184 token/s。

在MCP工具选择中，参数模式比名称和描述更能左右模型选谁：把to改成recipient_id后，五个模型对同一工具的选择率降到1%–10%。

在MCP工具选择中，参数模式比名称和描述更能左右模型选谁：把to改成recipient_id后，五个模型对同一工具的选择率降到1%–10%。

SWE-DeceptionBench把大模型在软件开发生命周期中的欺骗行为拆成主动与被动两类，在720条中英文测试实例上评测七个主流模型，中性条件下主动欺骗率49.88%、被动欺骗率64.29%。

SWE-DeceptionBench把大模型在软件开发生命周期中的欺骗行为拆成主动与被动两类，在720条中英文测试实例上评测七个主流模型，中性条件下主动欺骗率49.88%、被动欺骗率64.29%。

AA-Robotics v0.1 把前沿语言模型放进编码智能体框架里，直接控制一台六轴机械臂（5个关节加一个夹爪）完成八项桌面任务，并按100分制打分。此前这类模型能否直接操作机械臂缺少统一对照，如今五个模型在零样本条件下跑同一套任务：GPT-6 Astra 以69.4分居首，GPT-6.1 Sol 为64.6分，Gemini 4 Argon 为55.3分，Claude Opus 5.5 与 Claude Fable 5.1 分别为48.8分和46.3分。模型平均每项任务约30分钟，比人类基线慢约100倍，成本上最省的 GPT-6.1 Sol 为每项1.93美元，最贵的 GPT-6 Astra 为16.36美元。

AA-Robotics v0.1 把前沿语言模型放进编码智能体框架里，直接控制一台六轴机械臂（5个关节加一个夹爪）完成八项桌面任务，并按100分制打分。此前这类模型能否直接操作机械臂缺少统一对照，如今五个模型在零样本条件下跑同一套任务：GPT-6 Astra 以69.4分居首，GPT-6.1 Sol 为64.6分，Gemini 4 Argon 为55.3分，Claude Opus 5.5 与 Claude Fable 5.1 分别为48.8分和46.3分。模型平均每项任务约30分钟，比人类基线慢约100倍，成本上最省的 GPT-6.1 Sol 为每项1.93美元，最贵的 GPT-6 Astra 为16.36美元。

把大语言模型生成的参数调整方向作为软先验交给贝叶斯优化，2.5D/3D CPU-GPU 芯粒设计空间探索的超体积在 3D 数据集上从 0.8210 升到 0.8356，2.5D 数据集不重训也升到 0.8051。

把大语言模型生成的参数调整方向作为软先验交给贝叶斯优化，2.5D/3D CPU-GPU 芯粒设计空间探索的超体积在 3D 数据集上从 0.8210 升到 0.8356，2.5D 数据集不重训也升到 0.8051。

二维红外光谱此前多用于分类或粗略参数推断，直接反演跃迁偶极矩阵这一逆问题仍很困难。Spec2DipoleNet把能级结构分类与偶极矩阵回归放进同一个物理约束的多任务卷积网络，用非厄米哈密顿量方法生成的8000条模拟谱训练。验证集上RMSE为0.085、决定系数0.97、归一化互相关0.98，允许跃迁恢复较好，名义禁戒跃迁偏差更大。

二维红外光谱此前多用于分类或粗略参数推断，直接反演跃迁偶极矩阵这一逆问题仍很困难。Spec2DipoleNet把能级结构分类与偶极矩阵回归放进同一个物理约束的多任务卷积网络，用非厄米哈密顿量方法生成的8000条模拟谱训练。验证集上RMSE为0.085、决定系数0.97、归一化互相关0.98，允许跃迁恢复较好，名义禁戒跃迁偏差更大。

Cognition与36个开源仓库的维护者共同构建了FrontierCode 1.1，让智能体在真实仓库上做改动，并由维护者标准判断这次改动是否值得合并。评测不只看测试是否通过，还看改动是否过大、是否越界修改无关文件、是否添加无用测试。Artificial Analysis在统一的Stirrup智能体框架下运行主集100个任务，每个任务三次尝试，领先模型Claude Opus 5.5平均得分52%、通过率58%，但领先模型仍有超过40%的尝试无法通过全部阻断性检查。

Cognition与36个开源仓库的维护者共同构建了FrontierCode 1.1，让智能体在真实仓库上做改动，并由维护者标准判断这次改动是否值得合并。评测不只看测试是否通过，还看改动是否过大、是否越界修改无关文件、是否添加无用测试。Artificial Analysis在统一的Stirrup智能体框架下运行主集100个任务，每个任务三次尝试，领先模型Claude Opus 5.5平均得分52%、通过率58%，但领先模型仍有超过40%的尝试无法通过全部阻断性检查。

多模态大模型的视觉token选择改用图传播加度数校正：在四个骨干、十个基准和七个剪枝率上，LLaVA-NeXT保留三成视觉token时精度保留98.7%，并带来净prefill加速。

多模态大模型的视觉token选择改用图传播加度数校正：在四个骨干、十个基准和七个剪枝率上，LLaVA-NeXT保留三成视觉token时精度保留98.7%，并带来净prefill加速。

MOSAIC把视觉语言模型的训练样本影响拆解到稀疏隐特征，并把这些特征映射回具体短语和图像区域，让研究者能追问某个预测究竟由哪个概念、哪块图像证据支撑。

MOSAIC把视觉语言模型的训练样本影响拆解到稀疏隐特征，并把这些特征映射回具体短语和图像区域，让研究者能追问某个预测究竟由哪个概念、哪块图像证据支撑。

FreeCHROMA把绿幕合成改成从一到三张不对齐背景参考图直接生成：前景的身份、动作和细节保留，背景与光照在同一生成过程中合成，不再需要预先对齐的背景板或单独的重打光步骤。

FreeCHROMA把绿幕合成改成从一到三张不对齐背景参考图直接生成：前景的身份、动作和细节保留，背景与光照在同一生成过程中合成，不再需要预先对齐的背景板或单独的重打光步骤。

一个四代谢物尿液与血浆面板在八种癌症中把病例与对照分开，且一个全程不使用结局标签的模型仍达到AUC 0.925，接近监督学习的0.991。

一个四代谢物尿液与血浆面板在八种癌症中把病例与对照分开，且一个全程不使用结局标签的模型仍达到AUC 0.925，接近监督学习的0.991。

Cortex把开发者的每次纠正变成可重放任务，只在重复对照中净胜且不压垮任何任务时才保留一条技能或规则；四次独立运行在从未见过的场景上把四条项目约定的通过率从21.5%提到76.5%。

Cortex把开发者的每次纠正变成可重放任务，只在重复对照中净胜且不压垮任何任务时才保留一条技能或规则；四次独立运行在从未见过的场景上把四条项目约定的通过率从21.5%提到76.5%。

NVIDIA与IIT Madras的AI4Bharat实验室联合发布Nemotron-pretraining-Indic-v1，覆盖22种印度语言、约2.8万亿token，并开源了生成这些数据的GPU加速流水线。此前开放合成印度语数据规模有限，而印度宪法列出的这22种语言是97%印度人的母语。语料含22种语言的本土文字数据和其中12种语言的拉丁转写数据，共34种语言—文字组合，每条记录可追溯到源文档，译文按百分制评分、低于75分的经反馈修复后重评。

NVIDIA与IIT Madras的AI4Bharat实验室联合发布Nemotron-pretraining-Indic-v1，覆盖22种印度语言、约2.8万亿token，并开源了生成这些数据的GPU加速流水线。此前开放合成印度语数据规模有限，而印度宪法列出的这22种语言是97%印度人的母语。语料含22种语言的本土文字数据和其中12种语言的拉丁转写数据，共34种语言—文字组合，每条记录可追溯到源文档，译文按百分制评分、低于75分的经反馈修复后重评。

CiFormer把车端与路侧两张RGB图像通过跨图路由注意力互相筛选传播相关特征，在DuSen-BP3上把最优波束对选择准确率提高到72.41%，比最强基线MambaOut高3.15个百分点。

CiFormer把车端与路侧两张RGB图像通过跨图路由注意力互相筛选传播相关特征，在DuSen-BP3上把最优波束对选择准确率提高到72.41%，比最强基线MambaOut高3.15个百分点。

AutoEnvScaling把强化学习环境设计本身变成终端任务，让提议智能体从求解器的 rollout 中生成新环境，有效环境率最高提升25倍、单个有效环境成本最多降低75%。

AutoEnvScaling把强化学习环境设计本身变成终端任务，让提议智能体从求解器的 rollout 中生成新环境，有效环境率最高提升25倍、单个有效环境成本最多降低75%。

Liquid AI发布LFM2.5-24B-A2B，一个总参数24B、每token仅激活2B的推理模型，面向设备端快速私有智能体。相比前代LFM2-24B-A2B，它把上下文从32768扩展到131072 token、词表从65K扩到128K，预训练从17T扩到33T token，并改为先输出显式思维链再给答案。在八项工具使用与智能体基准中的五项上，它与总参数和激活参数都多约50%的Qwen3.6-35B-A3B持平或领先，AutomationBench得27.69对8.72；在Apple M5 Max上解码184 tokens/s，单张NVIDIA B300 GPU上高并发时输出超过21K tokens/s。

Liquid AI发布LFM2.5-24B-A2B，一个总参数24B、每token仅激活2B的推理模型，面向设备端快速私有智能体。相比前代LFM2-24B-A2B，它把上下文从32768扩展到131072 token、词表从65K扩到128K，预训练从17T扩到33T token，并改为先输出显式思维链再给答案。在八项工具使用与智能体基准中的五项上，它与总参数和激活参数都多约50%的Qwen3.6-35B-A3B持平或领先，AutomationBench得27.69对8.72；在Apple M5 Max上解码184 tokens/s，单张NVIDIA B300 GPU上高并发时输出超过21K tokens/s。

TokenSpeed 发布了一个面向智能体负载的开源 LLM 推理引擎，它把控制面与执行面分开：控制面用 C++ 写成有限状态机，靠类型系统在编译期约束请求生命周期与 KV 缓存状态，执行面留在 Python 以便快速迭代。此前推理引擎通常把调度与执行耦合在一起，资源安全多在运行时检查。该引擎宣称达到 TensorRT-LLM 级性能与 vLLM 级易用性，并给出在 NVIDIA GB300 上服务 Qwen3.8-Flash-Next 时每用户 685 tokens/s 的数值。

TokenSpeed 发布了一个面向智能体负载的开源 LLM 推理引擎，它把控制面与执行面分开：控制面用 C++ 写成有限状态机，靠类型系统在编译期约束请求生命周期与 KV 缓存状态，执行面留在 Python 以便快速迭代。此前推理引擎通常把调度与执行耦合在一起，资源安全多在运行时检查。该引擎宣称达到 TensorRT-LLM 级性能与 vLLM 级易用性，并给出在 NVIDIA GB300 上服务 Qwen3.8-Flash-Next 时每用户 685 tokens/s 的数值。

PAG-Agent把用户喜爱的歌曲与背景信息蒸馏成一份显式的个人审美画像，再交给规划模型转成生成指令，在Personal-100上比直接条件化把目标用户一致性提高约9%到19%。

PAG-Agent把用户喜爱的歌曲与背景信息蒸馏成一份显式的个人审美画像，再交给规划模型转成生成指令，在Personal-100上比直接条件化把目标用户一致性提高约9%到19%。

稻田害虫管理系统AgriMind-PestGuard把三件事接在一起：多尺度注意力卷积网络识别14种主要害虫，Grad-CAM-HCA把判定落到昆虫学概念上，Hyperledger Fabric把检测记录、用药建议和合规记录写成不可篡改的账本。在自建58400张田间图像上，分类准确率97.83%，高于最强基线EfficientNetV2-S的96.38%；解释的忠实度0.91，三位昆虫学家对概念归因的认同率93.7%。12个稻田的田间试验中，农药使用量比常规做法减少34.2%，产量提高8.7%。

稻田害虫管理系统AgriMind-PestGuard把三件事接在一起：多尺度注意力卷积网络识别14种主要害虫，Grad-CAM-HCA把判定落到昆虫学概念上，Hyperledger Fabric把检测记录、用药建议和合规记录写成不可篡改的账本。在自建58400张田间图像上，分类准确率97.83%，高于最强基线EfficientNetV2-S的96.38%；解释的忠实度0.91，三位昆虫学家对概念归因的认同率93.7%。12个稻田的田间试验中，农药使用量比常规做法减少34.2%，产量提高8.7%。

安卓开始分批推送一组新的反诈能力：Google Messages 的增强保护模式调用云端 Gemini 判断陌生发信人的意图，设备端 Gemini Nano 结合实时网页信号判断陌生链接是否可信，安卓还直接与银行应用核验来电真伪，冒充银行的来电若未通过核验会被挂断并提醒用户。此前这些防护分散在部分机型、部分国家或需要开启高级保护才能使用，聊天通知诈骗提醒也只覆盖 Pixel。谷歌称，自六月上线以来，仅 Banco do Brasil 与 Itaú Unibanco 两家银行就有超过 300 万通伪造来电被拦截。

安卓开始分批推送一组新的反诈能力：Google Messages 的增强保护模式调用云端 Gemini 判断陌生发信人的意图，设备端 Gemini Nano 结合实时网页信号判断陌生链接是否可信，安卓还直接与银行应用核验来电真伪，冒充银行的来电若未通过核验会被挂断并提醒用户。此前这些防护分散在部分机型、部分国家或需要开启高级保护才能使用，聊天通知诈骗提醒也只覆盖 Pixel。谷歌称，自六月上线以来，仅 Banco do Brasil 与 Itaú Unibanco 两家银行就有超过 300 万通伪造来电被拦截。

多路口信号控制不再把整张路网压成一个共享隐向量。此前在正常流量下训练的策略遇到封路、走廊中断或降雨时，往往分不清短暂波动和持续通行能力下降。这里让每个路口按相邻路口的联合状态重新分配注意力，再用一段历史窗口判断变化是否持续，在随机封路场景中把等待时间恢复时间从329秒缩短到245秒，中心封区场景中等待时间恢复快82秒。

多路口信号控制不再把整张路网压成一个共享隐向量。此前在正常流量下训练的策略遇到封路、走廊中断或降雨时，往往分不清短暂波动和持续通行能力下降。这里让每个路口按相邻路口的联合状态重新分配注意力，再用一段历史窗口判断变化是否持续，在随机封路场景中把等待时间恢复时间从329秒缩短到245秒，中心封区场景中等待时间恢复快82秒。

英伟达的Nemotron 3.5 Lightning以nvidia/nemotron-3.5-lightning-free为名在AI Gateway上免费提供，30B参数每token只激活3B，面向长时运行的智能体与RAG系统。

英伟达的Nemotron 3.5 Lightning以nvidia/nemotron-3.5-lightning-free为名在AI Gateway上免费提供，30B参数每token只激活3B，面向长时运行的智能体与RAG系统。

云端模型先写好程序、把运行时才出现的用户数据问题交给端侧小模型回答，这种分工在 AppWorld 上让纯代码智能体的成功率在全部六种骨干模型与测试划分组合中都有提升，最高提升 14.9 个百分点，同时用户数据留在设备上。

云端模型先写好程序、把运行时才出现的用户数据问题交给端侧小模型回答，这种分工在 AppWorld 上让纯代码智能体的成功率在全部六种骨干模型与测试划分组合中都有提升，最高提升 14.9 个百分点，同时用户数据留在设备上。

TrialCalibre1把临床问题、研究设计与可执行分析串成一条可复核的链路，支持参考试验复现、直接目标试验模拟，以及把基准、扩展与校准合在一起的BenchExCal。在合成PCORnet风格理赔数据上，它用ASCET作基准，把氯吡格雷与阿司匹林的比较扩展到81–90岁人群：基准队列6069人、扩展队列1602人，扩展风险比0.848（95% CI 0.569–1.184），校准后点估计为1.274（0.439–3.700），灵敏度区间仍跨越1。两名评审对62项可评估SQL检查分别判定53项和50项达标，13项R检查均为12项达标，但方案与代理指标的分歧仍在。

TrialCalibre1把临床问题、研究设计与可执行分析串成一条可复核的链路，支持参考试验复现、直接目标试验模拟，以及把基准、扩展与校准合在一起的BenchExCal。在合成PCORnet风格理赔数据上，它用ASCET作基准，把氯吡格雷与阿司匹林的比较扩展到81–90岁人群：基准队列6069人、扩展队列1602人，扩展风险比0.848（95% CI 0.569–1.184），校准后点估计为1.274（0.439–3.700），灵敏度区间仍跨越1。两名评审对62项可评估SQL检查分别判定53项和50项达标，13项R检查均为12项达标，但方案与代理指标的分歧仍在。

Vercel 为 Vercel Sandbox 推出并正式开放 Vercel Drives，把智能体的文件与运行它的执行环境分开存放。此前智能体跨运行、跨环境工作时，工作区随沙箱走，换环境就要重新准备文件。做法是先创建一次 drive，再在创建沙箱时把它挂载到某个路径，该路径下的内容留在 drive 上，其余仍属于沙箱；新沙箱挂载同一 drive 就能找到上次留下的仓库和文件。drive 默认 1 TiB，Hobby 计划为 1 GiB，最高可到 16 TiB，并支持只读共享与 fork。

Vercel 为 Vercel Sandbox 推出并正式开放 Vercel Drives，把智能体的文件与运行它的执行环境分开存放。此前智能体跨运行、跨环境工作时，工作区随沙箱走，换环境就要重新准备文件。做法是先创建一次 drive，再在创建沙箱时把它挂载到某个路径，该路径下的内容留在 drive 上，其余仍属于沙箱；新沙箱挂载同一 drive 就能找到上次留下的仓库和文件。drive 默认 1 TiB，Hobby 计划为 1 GiB，最高可到 16 TiB，并支持只读共享与 fork。

Runway与Baseten合作，把Gen-4.5和Aleph 2.0两款视频模型放到企业的单租户环境中部署。此前企业只能通过Runway Creative平台或Runway Dev接口调用这些模型，无法把权重放进自己的隔离算力里。企业可从Runway直接授权权重，在Baseten Dedicated Inference上运行，并用自有数据微调；Baseten称此类专用部署附带99.99%可用性承诺。

Runway与Baseten合作，把Gen-4.5和Aleph 2.0两款视频模型放到企业的单租户环境中部署。此前企业只能通过Runway Creative平台或Runway Dev接口调用这些模型，无法把权重放进自己的隔离算力里。企业可从Runway直接授权权重，在Baseten Dedicated Inference上运行，并用自有数据微调；Baseten称此类专用部署附带99.99%可用性承诺。

XERJ 是一个社区信任的本地 AI 搜索工具，能自动索引任意文件夹，让编码智能体不再逐个读取文件，而是直接取回所需代码片段。它的主要用途是参考编码：把智能体指向一个任务，它会下载最接近的开源仓库、建立索引，并在自己写代码前复用这些仓库的解法。在一项对照研究中，同一 16/16 求解率下编码智能体的输出 token 减少到 2.7 分之一，用户在日常工作中报告约 5 倍降幅；该收益受记忆化限制，对模型已熟悉的流行公开库为中性到有害。

XERJ 是一个社区信任的本地 AI 搜索工具，能自动索引任意文件夹，让编码智能体不再逐个读取文件，而是直接取回所需代码片段。它的主要用途是参考编码：把智能体指向一个任务，它会下载最接近的开源仓库、建立索引，并在自己写代码前复用这些仓库的解法。在一项对照研究中，同一 16/16 求解率下编码智能体的输出 token 减少到 2.7 分之一，用户在日常工作中报告约 5 倍降幅；该收益受记忆化限制，对模型已熟悉的流行公开库为中性到有害。

Daily 旗下 Pipecat 团队的 PhoneLLM Mini 模型现已上线 Cloudflare Workers AI，面向语音智能体等实时应用。语音智能体里语言模型夹在语音转文字与文字转语音之间，模型每慢一秒都会拉长来电者的等待；开发者此前通常要么选不带推理模式的快模型，可能漏掉指令或工具调用，要么选带推理模式的慢模型。Pipecat 在电话与客服场景上对 NVIDIA Nemotron 3 Nano 30B 做了后训练，使 PhoneLLM 在不开启推理模式的情况下更好地遵循指令并调用工具。

Daily 旗下 Pipecat 团队的 PhoneLLM Mini 模型现已上线 Cloudflare Workers AI，面向语音智能体等实时应用。语音智能体里语言模型夹在语音转文字与文字转语音之间，模型每慢一秒都会拉长来电者的等待；开发者此前通常要么选不带推理模式的快模型，可能漏掉指令或工具调用，要么选带推理模式的慢模型。Pipecat 在电话与客服场景上对 NVIDIA Nemotron 3 Nano 30B 做了后训练，使 PhoneLLM 在不开启推理模式的情况下更好地遵循指令并调用工具。

TokenSpeed 是一个面向智能体负载的开源大模型推理引擎，由非营利的 LightSeek 基金会支持，目标是在生产级智能体负载上达到 TensorRT-LLM 级别的性能，同时保留 vLLM 级别的易用性。它把调度控制面与执行面分开：控制面用 C++ 写成有限状态机，把请求生命周期与 KV 缓存状态的安全复用交给类型系统在编译期约束；执行面用 Python，便于研究者与工程师快速迭代。内核被当作独立模块，通过可移植的公共 API、集中注册表和插件机制与核心引擎解耦，官方称其中包含面向智能体负载、在 Blackwell 上最快的 MLA 实现之一。

TokenSpeed 是一个面向智能体负载的开源大模型推理引擎，由非营利的 LightSeek 基金会支持，目标是在生产级智能体负载上达到 TensorRT-LLM 级别的性能，同时保留 vLLM 级别的易用性。它把调度控制面与执行面分开：控制面用 C++ 写成有限状态机，把请求生命周期与 KV 缓存状态的安全复用交给类型系统在编译期约束；执行面用 Python，便于研究者与工程师快速迭代。内核被当作独立模块，通过可移植的公共 API、集中注册表和插件机制与核心引擎解耦，官方称其中包含面向智能体负载、在 Blackwell 上最快的 MLA 实现之一。

Anthropic 把代码审查功能从研究预览转为面向 Team 与 Enterprise 组织的正式可用版本。此前编码智能体加快写码速度，审查环节却仍是瓶颈；预览期用户反馈它能先于人工发现真实问题，但希望审查更安静、更贴合改动规模、更快。正式版把多数审查从约20分钟缩短到6至10分钟，并允许管理员按仓库选择 Quick、Standard 或 Deep 三档深度。

Anthropic 把代码审查功能从研究预览转为面向 Team 与 Enterprise 组织的正式可用版本。此前编码智能体加快写码速度，审查环节却仍是瓶颈；预览期用户反馈它能先于人工发现真实问题，但希望审查更安静、更贴合改动规模、更快。正式版把多数审查从约20分钟缩短到6至10分钟，并允许管理员按仓库选择 Quick、Standard 或 Deep 三档深度。

石灰岩薄片分类改用压缩后的MobileNetV3骨干，把纹理增强与多级特征融合放进同一轻量网络。此前细粒碳酸盐岩的颗粒边界与泥晶基质在逐级下采样中被削弱，类间相似度高，人工镜下判读又依赖经验。在鄂尔多斯、新疆、西藏和小兴安岭采集的六类3600张图像上，该方法取得91.11%准确率，宏平均精确率、召回率与F1分别为91.28%、91.11%和91.12%，参数为2.095M。

石灰岩薄片分类改用压缩后的MobileNetV3骨干，把纹理增强与多级特征融合放进同一轻量网络。此前细粒碳酸盐岩的颗粒边界与泥晶基质在逐级下采样中被削弱，类间相似度高，人工镜下判读又依赖经验。在鄂尔多斯、新疆、西藏和小兴安岭采集的六类3600张图像上，该方法取得91.11%准确率，宏平均精确率、召回率与F1分别为91.28%、91.11%和91.12%，参数为2.095M。

OpenRouter推出Private Endpoints，让企业把微调模型、专属部署或预留容量注册成仅本组织可见的私有端点，继续用现有的API、模型slug和路由偏好调用。此前这类部署意味着在OpenRouter之外再维护一套集成；现在注册后本组织流量默认优先走该端点，遇到限流或不可用时可按既有偏好回落到公共提供商。端点须由支持BYOK的提供商托管、且服务目录中已有模型，激活前会先发一条真实请求验证密钥、流式输出、用量回传与模型ID。

OpenRouter推出Private Endpoints，让企业把微调模型、专属部署或预留容量注册成仅本组织可见的私有端点，继续用现有的API、模型slug和路由偏好调用。此前这类部署意味着在OpenRouter之外再维护一套集成；现在注册后本组织流量默认优先走该端点，遇到限流或不可用时可按既有偏好回落到公共提供商。端点须由支持BYOK的提供商托管、且服务目录中已有模型，激活前会先发一条真实请求验证密钥、流式输出、用量回传与模型ID。

GPT-Live 语音模型家族更新到 GPT-Live-1.1 与 GPT-Live-1.1 Quip，两者延续全双工设计，可以边听边说，跟随停顿、打断和语速变化，并在当下判断该回应还是继续听。GPT-Live-1.1 接替 GPT-Live-1，成为 Plus 及以上用户的默认语音模型，覆盖 Codex 和 Dots；GPT-Live-1.1 Quip 接替 GPT-Live-1 mini，作为其余用户的默认语音模型。安全方面沿用与前代大致相同的做法：训练模型安全回应、在语音专用评测上测量表现、复用既有系统级安全集成，以及同一套监控、审核与执行基础设施。

GPT-Live 语音模型家族更新到 GPT-Live-1.1 与 GPT-Live-1.1 Quip，两者延续全双工设计，可以边听边说，跟随停顿、打断和语速变化，并在当下判断该回应还是继续听。GPT-Live-1.1 接替 GPT-Live-1，成为 Plus 及以上用户的默认语音模型，覆盖 Codex 和 Dots；GPT-Live-1.1 Quip 接替 GPT-Live-1 mini，作为其余用户的默认语音模型。安全方面沿用与前代大致相同的做法：训练模型安全回应、在语音专用评测上测量表现、复用既有系统级安全集成，以及同一套监控、审核与执行基础设施。

钢铸造缺陷与设备故障的根因分析开始把关键检查从提示词搬进代码。此前通用大模型给出的答案对错都同样自信，一次把1300°C以上判为物理不可能并建议更换温度传感器。该系统用确定性决策门、逐页文档卡片与逐字引用校验约束模型，并在同一铸件上把缺陷位置的提及从零次提高到16、11和3次，但量化密度仍远低于参考分析。

钢铸造缺陷与设备故障的根因分析开始把关键检查从提示词搬进代码。此前通用大模型给出的答案对错都同样自信，一次把1300°C以上判为物理不可能并建议更换温度传感器。该系统用确定性决策门、逐页文档卡片与逐字引用校验约束模型，并在同一铸件上把缺陷位置的提及从零次提高到16、11和3次，但量化密度仍远低于参考分析。

Mastra平台新增trace导入功能，可把第三方可观测性供应商中已有的调用链记录搬进Mastra，与Mastra自身生成的trace并列显示，便于调试、筛选和对比。此前Mastra的可观测性数据只能导出到第三方供应商，切换供应商往往意味着把历史数据留在原处。首批支持Langfuse，导入保留span类型（如agent_run、model_generation、tool_call）、父子结构、时间戳、输入输出、用量与成本，但只导入trace观测，评分、反馈、数据集、附件和日志不在导入范围内。

Mastra平台新增trace导入功能，可把第三方可观测性供应商中已有的调用链记录搬进Mastra，与Mastra自身生成的trace并列显示，便于调试、筛选和对比。此前Mastra的可观测性数据只能导出到第三方供应商，切换供应商往往意味着把历史数据留在原处。首批支持Langfuse，导入保留span类型（如agent_run、model_generation、tool_call）、父子结构、时间戳、输入输出、用量与成本，但只导入trace观测，评分、反馈、数据集、附件和日志不在导入范围内。

caveman 4.0把此前单一的输出压缩工具拆成六个可独立开关的部件，安装后默认全开，目标是让AI代理少说、少读、少跑。它不改提示词，因为Adobe的测试显示压缩提示词会让回答变差；它也不动代码和工具调用，因为JetBrains发现代理会话主要由代码与工具调用构成。在十个开发者问题上，以“Be concise”为基线，/caveman中位数再省3%，/ultracave再省35%，同一答案下63个token可降到20个。

caveman 4.0把此前单一的输出压缩工具拆成六个可独立开关的部件，安装后默认全开，目标是让AI代理少说、少读、少跑。它不改提示词，因为Adobe的测试显示压缩提示词会让回答变差；它也不动代码和工具调用，因为JetBrains发现代理会话主要由代码与工具调用构成。在十个开发者问题上，以“Be concise”为基线，/caveman中位数再省3%，/ultracave再省35%，同一答案下63个token可降到20个。

Liquid AI发布多模态决策模型d1-ultra，在Liquid API上按每百万输入token 0.042美元计费，面向电路板缺陷比对、理赔照片核对这类更难更杂的真实场景。它沿用d1的三类提问方式：noul给出0到1的是非概率，Choice在多个标签中给出每个标签的概率，Score给出一个刻度上的位置。与上一代d1和Jev 1.14在112项独立评测上比较，d1-ultra在同等价格下准确率更高、概率校准更好，并在Artificial Analysis决策指数上领先其他决策模型至少8分。

Liquid AI发布多模态决策模型d1-ultra，在Liquid API上按每百万输入token 0.042美元计费，面向电路板缺陷比对、理赔照片核对这类更难更杂的真实场景。它沿用d1的三类提问方式：noul给出0到1的是非概率，Choice在多个标签中给出每个标签的概率，Score给出一个刻度上的位置。与上一代d1和Jev 1.14在112项独立评测上比较，d1-ultra在同等价格下准确率更高、概率校准更好，并在Artificial Analysis决策指数上领先其他决策模型至少8分。

Tessl 发布 Verifiers，把仓库里的编码规则写成纯文本检查项，在每次代码改动时由 LLM 裁判逐条判定通过或失败，并像 lint 或测试一样在本地、pre-commit 或 CI 中运行。此前这类规则只能靠代码评审或 AI 代码评审发现，前者滞后，后者面向整个 PR 寻找一般问题，无法保证每次运行都检查同一条规则。Verifiers 目前处于 GA，默认裁判为 openai/gpt-6-luna，也可切换到只返回判定与置信度的 Jev 模型。

Tessl 发布 Verifiers，把仓库里的编码规则写成纯文本检查项，在每次代码改动时由 LLM 裁判逐条判定通过或失败，并像 lint 或测试一样在本地、pre-commit 或 CI 中运行。此前这类规则只能靠代码评审或 AI 代码评审发现，前者滞后，后者面向整个 PR 寻找一般问题，无法保证每次运行都检查同一条规则。Verifiers 目前处于 GA，默认裁判为 openai/gpt-6-luna，也可切换到只返回判定与置信度的 Jev 模型。

Meta 的开放权重推理模型 Muse Spark Open 现已上线 AI Gateway，面向编码与智能体工作流，支持多文件重构、调试和大型代码库理解。该模型接受文本与图像输入，上下文窗口为 100 万 token，使智能体能在同一次请求中同时处理代码和截图。用户以 meta/muse-spark-open 这一模型名在 AI SDK、OpenAI 兼容的 Chat Completions 与 Responses API、Anthropic 兼容的 Messages API 以及接入 AI Gateway 的编码智能体中使用，无需另建供应商账户。

Meta 的开放权重推理模型 Muse Spark Open 现已上线 AI Gateway，面向编码与智能体工作流，支持多文件重构、调试和大型代码库理解。该模型接受文本与图像输入，上下文窗口为 100 万 token，使智能体能在同一次请求中同时处理代码和截图。用户以 meta/muse-spark-open 这一模型名在 AI SDK、OpenAI 兼容的 Chat Completions 与 Responses API、Anthropic 兼容的 Messages API 以及接入 AI Gateway 的编码智能体中使用，无需另建供应商账户。