AI 与科学前沿 · 2026-10-17

BLIS是一个纯CPU的确定性离散事件模拟器，把准入、路由、调度、预填充/解码执行、KV缓存管理和抢占整条大模型推理服务流水线一起模拟，在36组实验上端到端延迟中位误差6.7%，比真实执行快约200倍。

BLIS是一个纯CPU的确定性离散事件模拟器，把准入、路由、调度、预填充/解码执行、KV缓存管理和抢占整条大模型推理服务流水线一起模拟，在36组实验上端到端延迟中位误差6.7%，比真实执行快约200倍。

Anthropic让Claude在无人干预的闭环里设计量子电路：给定自然语言规格和自动评分器，模型针对化学、优化、物理模拟与数论等八个计算原语给出新设计，在若干任务上同时减少量子比特与门数，超过此前已发表的最好电路，个别情形改善达一个数量级以上。椭圆曲线点加任务上，Claude在极少人工提示下连续工作53小时，把最贵的模逆元做成首个不存储分支历史的可逆实现；DQI最贵的Reed–Solomon解码步骤门数相对Google此前构造降低12倍。

Anthropic让Claude在无人干预的闭环里设计量子电路：给定自然语言规格和自动评分器，模型针对化学、优化、物理模拟与数论等八个计算原语给出新设计，在若干任务上同时减少量子比特与门数，超过此前已发表的最好电路，个别情形改善达一个数量级以上。椭圆曲线点加任务上，Claude在极少人工提示下连续工作53小时，把最贵的模逆元做成首个不存储分支历史的可逆实现；DQI最贵的Reed–Solomon解码步骤门数相对Google此前构造降低12倍。

NIST标准椭圆曲线参数的“种子”来源长期不明，这些种子由NSA提供且未作解释，社区多年怀疑其中可能藏有后门。Anthropic内部研究模型Claude在不到半小时内查明，P-192、P-224、P-256、P-384、P-521等曲线的种子并非任何哈希算法的输出，而是1990年代C库随机数生成器lrand48以Unix时间戳初始化后的输出，P-256的种子对应第1842次迭代。该结果不构成对ECDSA的攻击或弱点，反而使曲线被刻意植入后门的可能性明显下降；B-163种子以及P-224、P-256、P-384、P-521的基点生成方式仍未解释。

NIST标准椭圆曲线参数的“种子”来源长期不明，这些种子由NSA提供且未作解释，社区多年怀疑其中可能藏有后门。Anthropic内部研究模型Claude在不到半小时内查明，P-192、P-224、P-256、P-384、P-521等曲线的种子并非任何哈希算法的输出，而是1990年代C库随机数生成器lrand48以Unix时间戳初始化后的输出，P-256的种子对应第1842次迭代。该结果不构成对ECDSA的攻击或弱点，反而使曲线被刻意植入后门的可能性明显下降；B-163种子以及P-224、P-256、P-384、P-521的基点生成方式仍未解释。

自回归逐词生成的能力边界被完整刻画：带少量私有状态的采样器无法采样伪随机生成器输出，而允许任意位置插入的插入式采样器可以做到。

自回归逐词生成的能力边界被完整刻画：带少量私有状态的采样器无法采样伪随机生成器输出，而允许任意位置插入的插入式采样器可以做到。

大模型强化学习里的PPO裁剪被推广成散度几何与估计器两个维度的设计空间，其中KL散度配原子估计在八个竞赛级数学与代码基准上把平均分相对标准GRPO提高约50%和14%。

大模型强化学习里的PPO裁剪被推广成散度几何与估计器两个维度的设计空间，其中KL散度配原子估计在八个竞赛级数学与代码基准上把平均分相对标准GRPO提高约50%和14%。

英伟达发布开放可定制的多模态模型 Nemotron 3.5 Super VL，面向需要推理、工具调用与文本图像文档视频理解的长流程智能体任务。它采用120B参数的混合专家架构，每个token激活12B参数，官方称在单张GPU上处理智能体任务时吞吐最高可达同尺寸其他开放模型的5倍。企业可用 NeMo 以自有数据、工具与流程做后训练，官方同时放出智能体工具调用、金融推理与40个视觉语言数据集。

英伟达发布开放可定制的多模态模型 Nemotron 3.5 Super VL，面向需要推理、工具调用与文本图像文档视频理解的长流程智能体任务。它采用120B参数的混合专家架构，每个token激活12B参数，官方称在单张GPU上处理智能体任务时吞吐最高可达同尺寸其他开放模型的5倍。企业可用 NeMo 以自有数据、工具与流程做后训练，官方同时放出智能体工具调用、金融推理与40个视觉语言数据集。

一项覆盖文本、视觉、音频三种模态的混合专家预训练研究，用268次实验拟合出数据配比规律，并给出可操作的分配结论：音频更该把算力花在参数上，视觉和音频数据重复超过两遍收益很小，视觉对音频的干扰最强。

一项覆盖文本、视觉、音频三种模态的混合专家预训练研究，用268次实验拟合出数据配比规律，并给出可操作的分配结论：音频更该把算力花在参数上，视觉和音频数据重复超过两遍收益很小，视觉对音频的干扰最强。

在 18 对 Base–Instruct 模型上，有害性信息在注意力更新中更易解码，而拒绝证据主要由 MLP 写入，且后训练只增强写入、不提升识别。

在 18 对 Base–Instruct 模型上，有害性信息在注意力更新中更易解码，而拒绝证据主要由 MLP 写入，且后训练只增强写入、不提升识别。

Zebra3D把预训练3D重建模型的全局注意力按层敏感度换成线性与瓦片稀疏混合，在约94%平均注意力稀疏度下仍保持接近稠密模型的位姿精度，1024视角端到端提速最高5.6倍。

Zebra3D把预训练3D重建模型的全局注意力按层敏感度换成线性与瓦片稀疏混合，在约94%平均注意力稀疏度下仍保持接近稠密模型的位姿精度，1024视角端到端提速最高5.6倍。

Gamma把机器人长时记忆从像素改成可核查的文本行，在固定执行策略下把RoboMME十六项记忆任务的平均成功率从44.5%提到66.0%，并在三项任务上追平特权子目标上限。

Gamma把机器人长时记忆从像素改成可核查的文本行，在固定执行策略下把RoboMME十六项记忆任务的平均成功率从44.5%提到66.0%，并在三项任务上追平特权子目标上限。

异步RLVR训练在维持高并发时把上下文处理压缩进更少的解码步，使KV缓存而非权重成为主要开销。KV4-RL用免校准INT4存储全部上下文，只对注意力汇点和最近上下文做有界INT8保护，在Qwen3-4B-Base与Qwen3-8B-Base的全参数GRPO训练中，六项基准平均准确率与BF16 rollout相差不超过0.5个百分点，同时显著加快rollout与整轮迭代。

异步RLVR训练在维持高并发时把上下文处理压缩进更少的解码步，使KV缓存而非权重成为主要开销。KV4-RL用免校准INT4存储全部上下文，只对注意力汇点和最近上下文做有界INT8保护，在Qwen3-4B-Base与Qwen3-8B-Base的全参数GRPO训练中，六项基准平均准确率与BF16 rollout相差不超过0.5个百分点，同时显著加快rollout与整轮迭代。

多智能体协作里，用推断准确率决定是否让协调者行动会两头出错：在Hanabi这类错误会叠加的任务上放行有害部署，在代价错误稀少的任务分配上否掉有益部署。

多智能体协作里，用推断准确率决定是否让协调者行动会两头出错：在Hanabi这类错误会叠加的任务上放行有害部署，在代价错误稀少的任务分配上否掉有益部署。

DiTaR把视频奖励建在任务相关潜动态上，MetaWorld-v3最终成功率94.3%，高于最强视频奖励基线ReWiND的65.2%，并在真实机器人离线强化学习中把成功率从43.3%提到83.3%。

DiTaR把视频奖励建在任务相关潜动态上，MetaWorld-v3最终成功率94.3%，高于最强视频奖励基线ReWiND的65.2%，并在真实机器人离线强化学习中把成功率从43.3%提到83.3%。

循环语言模型过去在一次循环时明显落后同规模非循环模型，现在同一份权重在一次循环下与同数据训练的非循环基线相当，四次循环在十任务平均上再涨7.25分。

循环语言模型过去在一次循环时明显落后同规模非循环模型，现在同一份权重在一次循环下与同数据训练的非循环基线相当，四次循环在十任务平均上再涨7.25分。

编码智能体评测改成两名智能体互出题、互解题：GPT-5.5配Codex CLI在1500回合中修掉98.3%的缺陷，Claude Opus 4.8配mini-swe-agent出题最难，红方胜率27.3%。

编码智能体评测改成两名智能体互出题、互解题：GPT-5.5配Codex CLI在1500回合中修掉98.3%的缺陷，Claude Opus 4.8配mini-swe-agent出题最难，红方胜率27.3%。

工具智能体的鲁棒性测试改用可执行任务契约，在智能体运行前判定改动后的用例是否仍是同一任务；对同一批 14,336 条已存轨迹重新打分后，Mistral 在 MiniLM 余弦阈值下被记为受攻击的任务从 64 个降到 26 个。

工具智能体的鲁棒性测试改用可执行任务契约，在智能体运行前判定改动后的用例是否仍是同一任务；对同一批 14,336 条已存轨迹重新打分后，Mistral 在 MiniLM 余弦阈值下被记为受攻击的任务从 64 个降到 26 个。

MemForm把智能体长期记忆的形成过程拆成内容、证据、范围、选择、路径五个可干预接口，在六个大模型和两种作答格式上，五个接口都出现了行为被改写的情况。

MemForm把智能体长期记忆的形成过程拆成内容、证据、范围、选择、路径五个可干预接口，在六个大模型和两种作答格式上，五个接口都出现了行为被改写的情况。

离线示范、当前策略采样和历史轨迹现在可以共用一个回归目标训练，在四个数学推理基准上，Qwen3-1.7B的统一配置把平均avg@32和pass@32比两阶段SFT加DAPO分别提高2.33和4.44个百分点。

离线示范、当前策略采样和历史轨迹现在可以共用一个回归目标训练，在四个数学推理基准上，Qwen3-1.7B的统一配置把平均avg@32和pass@32比两阶段SFT加DAPO分别提高2.33和4.44个百分点。

个人助手把用户没答应的提议当成用户指令执行，一个不改模型、不训练的记忆外挂层把这类越权执行从0.44降到0.08。

个人助手把用户没答应的提议当成用户指令执行，一个不改模型、不训练的记忆外挂层把这类越权执行从0.44降到0.08。

Evo2把智能体外壳的改写结果反过来训练负责改写的模型，在SWE-bench Verified上把解决率从最强基线的41.0%提到48.3%，Polyglot通过率从62.6%提到82.1%。

Evo2把智能体外壳的改写结果反过来训练负责改写的模型，在SWE-bench Verified上把解决率从最强基线的41.0%提到48.3%，Polyglot通过率从62.6%提到82.1%。

推理模型在思维链里早早写出代码草稿，SecReason在草稿交付前扫描流式token并插入警告，让模型在同一条推理轨迹内改稿，把既安全又通过功能测试的运行比例从不足15%提高到72.8%–98.1%。

推理模型在思维链里早早写出代码草稿，SecReason在草稿交付前扫描流式token并插入警告，让模型在同一条推理轨迹内改稿，把既安全又通过功能测试的运行比例从不足15%提高到72.8%–98.1%。

把每个样本的增强强度记录下来并让内容方差随强度变化，自监督学习就能把原本混在一起的内容坐标分开；dSprites 上因子对齐从 0.837 升到 0.932。

把每个样本的增强强度记录下来并让内容方差随强度变化，自监督学习就能把原本混在一起的内容坐标分开；dSprites 上因子对齐从 0.837 升到 0.932。

在公开的AgentX智能体负载上，八卡AMD Instinct MI355X系统用vLLM服务Kimi K3，在每用户每秒50 token的P90交互性下，单卡总吞吐约7,567 token/s，比NVIDIA HGX B300的6,083高出24.4%；按SemiAnalysis建模的每小时1.50美元与2.26美元GPU成本，每美元TCO产出1,816万对969万token，多87.4%。这一结果来自AMD与vLLM社区在注意力、循环状态、MoE和缓存上的持续工程优化，而非单点改动。

在公开的AgentX智能体负载上，八卡AMD Instinct MI355X系统用vLLM服务Kimi K3，在每用户每秒50 token的P90交互性下，单卡总吞吐约7,567 token/s，比NVIDIA HGX B300的6,083高出24.4%；按SemiAnalysis建模的每小时1.50美元与2.26美元GPU成本，每美元TCO产出1,816万对969万token，多87.4%。这一结果来自AMD与vLLM社区在注意力、循环状态、MoE和缓存上的持续工程优化，而非单点改动。

英伟达发布Nemotron 3.5系列三款开放模型：1200亿参数的Super VL面向多模态智能体任务，在指令遵循、工具调用、多步业务流程和视觉理解上取得领先准确率，与英伟达自家最大推理模型相当，而参数量约为其五分之一；同时推出面向边缘的Bolt 74B-A9B 24GB与Bolt E4B 4GB。Super VL与Bolt 74B-A9B现已可用，Bolt E4B将于10月23日推出，三者覆盖从企业服务器到本地硬件的部署层级。

英伟达发布Nemotron 3.5系列三款开放模型：1200亿参数的Super VL面向多模态智能体任务，在指令遵循、工具调用、多步业务流程和视觉理解上取得领先准确率，与英伟达自家最大推理模型相当，而参数量约为其五分之一；同时推出面向边缘的Bolt 74B-A9B 24GB与Bolt E4B 4GB。Super VL与Bolt 74B-A9B现已可用，Bolt E4B将于10月23日推出，三者覆盖从企业服务器到本地硬件的部署层级。

Reflection的Beam是一个501B参数、每词元激活23B的混合专家模型，vLLM在发布首日即提供完整支持，推理、工具调用与结构化输出开箱可用。其初始版本几乎是未优化的纯PyTorch实现，编码智能体自主剖析模型、编写内核并逐项基准测试，在TP8上把批大小为1的解码从每步8.95毫秒降到3.30毫秒，8×2K预填充从328毫秒降到176毫秒。配合DFlash2草稿头，单请求在TP8上达到708词元每秒，接受长度为3.7。

Reflection的Beam是一个501B参数、每词元激活23B的混合专家模型，vLLM在发布首日即提供完整支持，推理、工具调用与结构化输出开箱可用。其初始版本几乎是未优化的纯PyTorch实现，编码智能体自主剖析模型、编写内核并逐项基准测试，在TP8上把批大小为1的解码从每步8.95毫秒降到3.30毫秒，8×2K预填充从328毫秒降到176毫秒。配合DFlash2草稿头，单请求在TP8上达到708词元每秒，接受长度为3.7。

肿瘤内部不同恶性细胞状态共存，单细胞测序能分辨但成本高、难以上规模，而批量RNA测序便宜却需要把混合信号拆开。CDState用带比例归一约束和余弦相似度惩罚的非负矩阵分解，在不需要参考数据的情况下从批量RNA中推断恶性细胞状态；在五种癌症的模拟批量数据上，它估计状态表达和比例的总体表现优于现有无监督方法。把它用于TCGA的33种癌症、9,669个样本，得到193个恶性细胞状态，其中上皮–间质转化、MYC靶基因和氧化磷酸化是最常见的反复出现的程序。

肿瘤内部不同恶性细胞状态共存，单细胞测序能分辨但成本高、难以上规模，而批量RNA测序便宜却需要把混合信号拆开。CDState用带比例归一约束和余弦相似度惩罚的非负矩阵分解，在不需要参考数据的情况下从批量RNA中推断恶性细胞状态；在五种癌症的模拟批量数据上，它估计状态表达和比例的总体表现优于现有无监督方法。把它用于TCGA的33种癌症、9,669个样本，得到193个恶性细胞状态，其中上皮–间质转化、MYC靶基因和氧化磷酸化是最常见的反复出现的程序。

酶工程生成模型此前多在氨基酸层面优化，很少同时考虑编码序列与宿主表达。EZPro-Fit把蛋白质三维结构、编码序列和分类学信息放进同一个生成框架，先在嗜热微生物数据上预训练，再用高表达大肠杆菌基因微调，从而直接由结构生成宿主适配的编码序列。在工业内切葡聚糖酶Cel5E上，该框架给出的N291D与D259E两个变体在实验中同时提高了熔解温度和催化活性。

酶工程生成模型此前多在氨基酸层面优化，很少同时考虑编码序列与宿主表达。EZPro-Fit把蛋白质三维结构、编码序列和分类学信息放进同一个生成框架，先在嗜热微生物数据上预训练，再用高表达大肠杆菌基因微调，从而直接由结构生成宿主适配的编码序列。在工业内切葡聚糖酶Cel5E上，该框架给出的N291D与D259E两个变体在实验中同时提高了熔解温度和催化活性。

无人机ISAC合成孔径雷达把成像写成精确线性逆问题，用预训练扩散模型作先验、回波作似然引导，在任意已知轨迹和未知位置误差下都能重建超分辨图像。

无人机ISAC合成孔径雷达把成像写成精确线性逆问题，用预训练扩散模型作先验、回波作似然引导，在任意已知轨迹和未知位置误差下都能重建超分辨图像。

血浆游离DNA的甲基化测序原本只用来读甲基化，现在被证明还能部分保留片段长度与末端基序等片段组信号。研究在血浆cfDNA中直接划分共甲基化区块，把甲基化与片段组特征放进同一批基因组区间，并据此构建可解释的集成模型用于癌症检测与组织来源预测。跨平台比较显示主要片段组模式在甲基化测序中得以重现，但保留程度因特征而异。

血浆游离DNA的甲基化测序原本只用来读甲基化，现在被证明还能部分保留片段长度与末端基序等片段组信号。研究在血浆cfDNA中直接划分共甲基化区块，把甲基化与片段组特征放进同一批基因组区间，并据此构建可解释的集成模型用于癌症检测与组织来源预测。跨平台比较显示主要片段组模式在甲基化测序中得以重现，但保留程度因特征而异。

Kimi K3在vLLM中的解码路径改由编码智能体协助编写CuTe DSL内核，把注意力、MoE与跨GPU通信融合成一条统一路径。在16块NVIDIA GB300、DSpark合成接受长度6的设定下，解码吞吐达到842 tokens/s，为同规格投机解码下原生vLLM的1.73倍；无投机解码时，TP16在批16至64上保持1.62至1.71倍增益。配套的快速通道流程要求隔离改动、限定硬件与负载范围，并用内核测试与模型评测共同验证正确性。

Kimi K3在vLLM中的解码路径改由编码智能体协助编写CuTe DSL内核，把注意力、MoE与跨GPU通信融合成一条统一路径。在16块NVIDIA GB300、DSpark合成接受长度6的设定下，解码吞吐达到842 tokens/s，为同规格投机解码下原生vLLM的1.73倍；无投机解码时，TP16在批16至64上保持1.62至1.71倍增益。配套的快速通道流程要求隔离改动、限定硬件与负载范围，并用内核测试与模型评测共同验证正确性。

德累斯顿大学肿瘤中心在MASTERsg精准肿瘤项目中用梯度提升模型重读TSO500 panel测序的拷贝数原始分箱数据，专门找被标准流程漏掉的PTEN局灶缺失。TSO500按基因内分箱读数取平均，局灶事件达不到倍数变化阈值；模型在204例被判为PTEN野生型的样本中报出33例缺失，其中20例有组织可染色，15例显示PTEN蛋白缺失或明显降低。

德累斯顿大学肿瘤中心在MASTERsg精准肿瘤项目中用梯度提升模型重读TSO500 panel测序的拷贝数原始分箱数据，专门找被标准流程漏掉的PTEN局灶缺失。TSO500按基因内分箱读数取平均，局灶事件达不到倍数变化阈值；模型在204例被判为PTEN野生型的样本中报出33例缺失，其中20例有组织可染色，15例显示PTEN蛋白缺失或明显降低。

Meta发布面向智能体编码工作流的开源混合专家模型Muse Spark Open，总参数816B、每token激活42B，上下文窗口达1M token，可容纳包含复杂依赖与遗留代码的整个项目。此前的通用编码模型面向生成单个函数或单元测试这类上下文小、答案即时的单次补全任务，而多文件重构、跨数千文件导航、失败测试恢复与子智能体协调需要持续多步执行。该模型在NVIDIA GB300 NVL72上训练，支持工具调用、输出评估与迭代修正，并以目标条件保持方向、以上下文压缩维持长会话进展。

Meta发布面向智能体编码工作流的开源混合专家模型Muse Spark Open，总参数816B、每token激活42B，上下文窗口达1M token，可容纳包含复杂依赖与遗留代码的整个项目。此前的通用编码模型面向生成单个函数或单元测试这类上下文小、答案即时的单次补全任务，而多文件重构、跨数千文件导航、失败测试恢复与子智能体协调需要持续多步执行。该模型在NVIDIA GB300 NVL72上训练，支持工具调用、输出评估与迭代修正，并以目标条件保持方向、以上下文压缩维持长会话进展。

英伟达发布 Nemotron 3.5 Super VL，一个面向长时间运行智能体的开放多模态模型，把文档、图像、视频理解与推理、指令跟随、工具调用合并在同一个模型里，减少分别部署文本模型和视觉模型的需要。它采用1200亿总参数、120亿激活参数的混合专家架构，配合混合 Mamba-Transformer、多令牌预测与 NVFP4 量化，并可在 NVIDIA NeMo 上用机构自有数据、工具、策略和工作流做后训练。官方给出的对照是：在单张 GPU 上，该模型在智能体任务上的吞吐最高可达同尺寸其他开放模型的5倍，任务完成速度可达4倍。

英伟达发布 Nemotron 3.5 Super VL，一个面向长时间运行智能体的开放多模态模型，把文档、图像、视频理解与推理、指令跟随、工具调用合并在同一个模型里，减少分别部署文本模型和视觉模型的需要。它采用1200亿总参数、120亿激活参数的混合专家架构，配合混合 Mamba-Transformer、多令牌预测与 NVFP4 量化，并可在 NVIDIA NeMo 上用机构自有数据、工具、策略和工作流做后训练。官方给出的对照是：在单张 GPU 上，该模型在智能体任务上的吞吐最高可达同尺寸其他开放模型的5倍，任务完成速度可达4倍。

Anthropic在Claude平台发布说明中宣布，Claude Opus 5.5的快速模式结束研究预览，开发者不再需要申请访问，请求也不再需要携带fast-mode-2026-02-01 beta头，仍发送该头的请求继续可用。Claude Opus 5.5在Start、Build、Scale三个用量层级上获得默认的快速模式速率限制，快速模式同时登陆Azure上托管的Claude in Microsoft Foundry。Claude Opus 5与Claude Opus 4.8的快速模式仍处于研究预览，向这两个模型发快速模式请求仍需携带beta头。

Anthropic在Claude平台发布说明中宣布，Claude Opus 5.5的快速模式结束研究预览，开发者不再需要申请访问，请求也不再需要携带fast-mode-2026-02-01 beta头，仍发送该头的请求继续可用。Claude Opus 5.5在Start、Build、Scale三个用量层级上获得默认的快速模式速率限制，快速模式同时登陆Azure上托管的Claude in Microsoft Foundry。Claude Opus 5与Claude Opus 4.8的快速模式仍处于研究预览，向这两个模型发快速模式请求仍需携带beta头。

Reflection发布其首个开放权重模型Beam，并同步上线Baseten平台。Beam是自回归Transformer，采用混合专家架构，总参数501B、每token激活23B，上下文窗口最高100万token，面向编码与智能体工作负载。训练以强化学习为主，通过更长的多步rollout让模型练习使用工具并根据反馈调整，同时施加长度惩罚抑制多余token，目标是降低这类任务的成本。

Reflection发布其首个开放权重模型Beam，并同步上线Baseten平台。Beam是自回归Transformer，采用混合专家架构，总参数501B、每token激活23B，上下文窗口最高100万token，面向编码与智能体工作负载。训练以强化学习为主，通过更长的多步rollout让模型练习使用工具并根据反馈调整，同时施加长度惩罚抑制多余token，目标是降低这类任务的成本。

Reflection发布首个模型Beam，一个总参数501B、激活23B的开源权重模型，在Artificial Analysis智能指数上得30分，位列美国开源权重模型第二，仅次于Meta的Muse Spark Open（39分），高于前一日发布的NVIDIA Nemotron 3.5 Super VL（26分）。它每个智能指数任务约用26k输出token，约为领先一分的K2 Horizon（31分）的一半，但专有模型仍居前沿，GPT-6 Astra（max）在同一预算下得53分。

Reflection发布首个模型Beam，一个总参数501B、激活23B的开源权重模型，在Artificial Analysis智能指数上得30分，位列美国开源权重模型第二，仅次于Meta的Muse Spark Open（39分），高于前一日发布的NVIDIA Nemotron 3.5 Super VL（26分）。它每个智能指数任务约用26k输出token，约为领先一分的K2 Horizon（31分）的一半，但专有模型仍居前沿，GPT-6 Astra（max）在同一预算下得53分。

臭氧浓度预报改用两级分解与两尺度特征选择。原始序列先经ICEEMDAN分解，复杂度最高的IMF1再由VMD二次分解，其余子序列按模糊熵重构；随后用偏自相关函数与随机森林两级筛选输入维度，最后交给时间卷积网络预测。北京与上海日臭氧数据上，该组合模型的MAE、RMSE、SMAPE分别为0.53509、0.73346、0.8433%，在四组对比实验中指标最优。

臭氧浓度预报改用两级分解与两尺度特征选择。原始序列先经ICEEMDAN分解，复杂度最高的IMF1再由VMD二次分解，其余子序列按模糊熵重构；随后用偏自相关函数与随机森林两级筛选输入维度，最后交给时间卷积网络预测。北京与上海日臭氧数据上，该组合模型的MAE、RMSE、SMAPE分别为0.53509、0.73346、0.8433%，在四组对比实验中指标最优。

ElevenCreative上线Instant Soundtracks，上传视频后模型先为画面生成原创配乐，再分析画面中需要音效的时刻，把生成的音效按时间戳自动放到时间线上。此前配乐与音效需要分别制作再手动对位，这次更新还改善了短视频的卡点精度与跨场景情绪切换，并允许用视频原有音频的曲风、渐强、每分钟节拍或配器等特征来塑造新配乐。音效在音乐视频编辑器中以独立图层出现，可单独调整、替换或补充，API侧新增add_sfx、separate_tracks和use_audio_as_reference参数，单次请求最多支持10个视频、合计200 MB与10分钟。

ElevenCreative上线Instant Soundtracks，上传视频后模型先为画面生成原创配乐，再分析画面中需要音效的时刻，把生成的音效按时间戳自动放到时间线上。此前配乐与音效需要分别制作再手动对位，这次更新还改善了短视频的卡点精度与跨场景情绪切换，并允许用视频原有音频的曲风、渐强、每分钟节拍或配器等特征来塑造新配乐。音效在音乐视频编辑器中以独立图层出现，可单独调整、替换或补充，API侧新增add_sfx、separate_tracks和use_audio_as_reference参数，单次请求最多支持10个视频、合计200 MB与10分钟。

Vercel在Ship 2026上把平台重心从托管前端扩展到智能体基础设施，宣布Python在Vercel上正式可用，并推出处于公开测试的Vercel Daemons，用于持续运行的后台工作进程。平台同时给出面向智能体的命令行接口、连接器与持久工作区，让智能体可以部署软件、被部署，并参与平台自身的运维。官方给出的能力范围包括用标准CPython运行FastAPI、Flask或Django，以及由平台维持实例数量并在失败时替换。

Vercel在Ship 2026上把平台重心从托管前端扩展到智能体基础设施，宣布Python在Vercel上正式可用，并推出处于公开测试的Vercel Daemons，用于持续运行的后台工作进程。平台同时给出面向智能体的命令行接口、连接器与持久工作区，让智能体可以部署软件、被部署，并参与平台自身的运维。官方给出的能力范围包括用标准CPython运行FastAPI、Flask或Django，以及由平台维持实例数量并在失败时替换。

Tessl工程团队在单一仓库上运行软件工厂，每周产生超过1200个由智能体编写的拉取请求，审查一度成为最大变量成本。团队把自家编码规范、设计系统和AI代码审查策略编码进Tessl Code Review，并自行设定审查策略，使约75%的PR在无人纠正智能体或讨论工程细节的情况下合并。在为期一周、超过600个PR的并排对比中，该审查器提出的问题有91%是真实缺陷，此前使用的AI审查器为68%，每PR修复的真实缺陷数为1.56对0.75，单PR审查成本低约35%。

Tessl工程团队在单一仓库上运行软件工厂，每周产生超过1200个由智能体编写的拉取请求，审查一度成为最大变量成本。团队把自家编码规范、设计系统和AI代码审查策略编码进Tessl Code Review，并自行设定审查策略，使约75%的PR在无人纠正智能体或讨论工程细节的情况下合并。在为期一周、超过600个PR的并排对比中，该审查器提出的问题有91%是真实缺陷，此前使用的AI审查器为68%，每PR修复的真实缺陷数为1.56对0.75，单PR审查成本低约35%。

Perplexity 的 Decider V1.2 27B 与 Decider Flash V1.2 4B 两款多模态决策模型现已通过 AI Gateway 提供。它们面向内容分类、请求路由与打分，以带类型的提问返回概率：布尔题给出“是”的可能性，选择题在用户自定义类别中挑选，评分题按有序评分标准评估内容。应用可据此路由工单、标记破损商品，或把不确定的判断转交人工复核，同一份输入可在一次请求中承载多个问题。

Perplexity 的 Decider V1.2 27B 与 Decider Flash V1.2 4B 两款多模态决策模型现已通过 AI Gateway 提供。它们面向内容分类、请求路由与打分，以带类型的提问返回概率：布尔题给出“是”的可能性，选择题在用户自定义类别中挑选，评分题按有序评分标准评估内容。应用可据此路由工单、标记破损商品，或把不确定的判断转交人工复核，同一份输入可在一次请求中承载多个问题。

Google 在 Android 开发文档体系下发布了一个名为 Android skills 的仓库，把面向 AI 智能体的模块化指令与资源按开放标准的 agent skills 形式组织成 SKILL.md 文件，为智能体提供具体任务的技术规范与领域工作流信息。开发重点放在评测显示大模型表现不佳的使用场景与工作流，而不是基础 Jetpack Compose 最佳实践这类模型已经熟练的领域。技能可通过 Android CLI 安装到当前目录或所有已检测到的智能体目录，也可经 Claude Code 与 Codex 的插件市场安装，智能体在遇到相关任务时自动激活对应技能。

Google 在 Android 开发文档体系下发布了一个名为 Android skills 的仓库，把面向 AI 智能体的模块化指令与资源按开放标准的 agent skills 形式组织成 SKILL.md 文件，为智能体提供具体任务的技术规范与领域工作流信息。开发重点放在评测显示大模型表现不佳的使用场景与工作流，而不是基础 Jetpack Compose 最佳实践这类模型已经熟练的领域。技能可通过 Android CLI 安装到当前目录或所有已检测到的智能体目录，也可经 Claude Code 与 Codex 的插件市场安装，智能体在遇到相关任务时自动激活对应技能。