谷歌 Gemini 4 Hydrogen 上线 AI Gateway：智能体编码与工具调用更强，延迟仍留在同一档
谷歌的 Gemini 4 Hydrogen 已通过 AI Gateway 提供，接替 Gemini 3.8 Flash。它面向智能体编码、知识工作和工具调用，在保持同一延迟档的同时，能处理更长的工程任务，并以更少的智能体步骤产出调研更充分的文档、表格和演示文稿。它更严格地遵循系统指令、格式要求和任务边界，在长对话中工具编排更可靠，视觉推理与技术问题求解的改进支撑多模态工作流。
Anthropic 发布 Claude Opus 5.5：多数工作追平 Fable 5.1，运行成本比 Opus 5 低 40%
Anthropic 推出 Claude 5.5 家族的首个模型 Claude Opus 5.5，官方称其在多数工作上达到 Claude Fable 5.1 的水平，而运行成本比 Opus 5 低 40%。定价为每百万输入/输出 token 4/20 美元，比 Opus 5 低 20%，缓存价格 0.20 美元、低 60%；官方估计典型工作负载总成本通常下降 40%、速度提升 30%。该模型支持零数据保留，安全护栏与 Fable 5.1 相近，官方强调其智能体编程、安全与沟通能力。
Gemini 4 Carbon 向所有付费开发者开放：三项智能体基准排第一，单任务成本不到次优外部模型一半
谷歌发布 Gemini 4 Carbon，面向开发者、企业、科研人员和消费者开放，主打长程智能体工作流与网络安全能力。在 CursorBench 4.0、Perplexity 的 WANDR 和 Zapier 的 AutomationBench 三项独立基准上，Carbon 排名第一，且单任务成本比次优外部模型低两倍以上。API 定价与 Gemini 4 Argon 相同，为每百万输入 token 2 美元、每百万输出 token 10 美元。
Mistral Large 4 在 AI Gateway 换上新权重：模型 ID 不变，输入、缓存输入与输出价格下调
Mistral 在 AI Gateway 上为 Mistral Large 4 换上更新权重，并下调输入、缓存输入与输出 token 的价格。按 Mistral 的发布说明，新权重提升了智能体编程与防御性网络安全能力，在编程任务上 token 效率更高，同时改善表格创建与编辑、网络调研以及对提示注入的抵抗。已在 AI Gateway 上调用 mistral/mistral-large-4 的用户无需更换模型 ID，即可用上新权重与新价格。
专家剪枝不再逐个打分：HOPE把专家配对关系算进去，50%剪枝下智能体编程反超未剪枝模型
混合专家模型推理时每个专家都要占内存，而单个词元只用到少数几个，因此按重要性逐个删除专家是常见压缩手段。HOPE把剪枝误差写成专家两两交互项之和，用校准数据构造交互矩阵并求解二次规划来选剪枝集合。在Qwen3.5-122B、Qwen3.5-35B和GLM-4.5-Air上，50%剪枝时HOPE平均排名1.58，优于次优方法REAP的2.42；Qwen3.5-35B-A3B在SWE-Bench Pro上得42.3，与未剪枝的41.8相当，而REAP降至36.2。
专家剪枝不再逐个打分：HOPE把专家配对关系算进去，50%剪枝下智能体编程反超未剪枝模型
混合专家模型推理时每个专家都要占内存，而单个词元只用到少数几个，因此按独立重要性分数删专家是常见做法。HOPE把剪枝误差写成专家对之间的交互项，用二次规划一次性选出整组要删的专家，在三个模型、两套校准数据和多个基准上取得最佳平均排名。在Qwen3.5-35B-A3B上剪掉50%专家后，SWE-Bench Pro得分为42.3，与未剪枝模型的41.8相当，而一阶方法REAP降到36.2。
Mistral Large 4 开放权重预览：1万亿参数、490亿激活，网络安全测试拿下82%
Mistral 发布 Mistral Large 4 的公开预览，这是一个 1 万亿参数、490 亿激活参数的原生多模态模型，权重计划在本月底放出。此前开放权重模型在网络安全、金融、法律等企业任务上通常落后于闭源前沿模型，而 Mistral 称 ML4 在这些领域是开放模型中的最好水平，并在视觉定位的 Dense 200 上以 42% 对 41% 超过 GPT-6-Astra。在 Artificial Analysis Cyber Index 的一项“复现并修补真实漏洞”测试中，ML4 得 82%，为所有模型中最高。
Mellum2.1把训练重心移到强化学习：12B开源模型能自己翻仓库、改文件、验改动
Mellum2.1是Mellum2的下一版，架构未变，仍是12B混合专家模型、2.5B激活参数、Apache 2.0许可，改动集中在预训练之后的训练。此前Mellum2速度够快，但无法在仓库层面完成工作；这一版经过在真实环境中、跨数千个环境、数百万次沙箱运行的强化学习，能够探索代码库、编辑文件并检查自己的改动。在统一评测设置下，它与Mellum2以及同类开源模型Qwen3.5-9B、Gemma 4 E4B比较，提升最大的是智能体编程，同时在编程、竞赛编程、数学、工具调用和通用知识上都有增益。
英伟达Vera单颗CPU兼顾智能体速度与密度：每瓦智能体数比最快x86多1.6倍
英伟达推出面向AI智能体的Vera CPU，试图用一颗芯片同时满足智能体执行步骤要快、并发数量要多这两项要求。此前AI工厂需要在最快的x86处理器与最省电的x86处理器之间取舍，以平衡速度与容量。英伟达在100兆瓦数据中心对比中称，Vera相对最快的x86 CPU每瓦可多承载1.6倍智能体，相对最省电的x86 CPU智能体速度达2倍；Perplexity、DeepInfra等早期采用者在生产式测试中报告了加速，但Perplexity的部署尚在计划中。
Mistral开放万亿参数模型权重：编程智能体少用47%词元，终端任务提升13个百分点
Mistral AI 公开了旗舰模型 Mistral Large 4（Le Chonk）的权重，这是一个在公开预览后经三周额外强化学习改进的万亿参数原生多模态模型。在 Artificial Analysis 编程智能体指数上，它以 48% 与领先开放权重模型 GLM-5.3 基本持平，而每个任务平均少用 47% 的词元；在 Terminal-Bench 4.0 上，它比自身公开预览版提升 13 个百分点至 41%，输出词元减少 30%。模型还提供低、中、高三档推理模式，供开发者权衡性能与推理成本。