Google DeepMind将多Agent系统Co-Scientist从假设生成器扩展为实验室集成研究伙伴：基于Gemini模型规划实验、编写代码、控制设备并生成论文，在材料学、生物学、计算机科学三学科完成验证。可靠性模块通过交叉核对数值声明与代码执行日志，将关键结果编造率从46%降至4%（对比系统为90%）；30位专家450次双盲评审150篇自主生成论文，安全架构还拒绝了98.7%的潜在有害研究方向。CS实验中其自主设计的Agent_H在健康基准上超过6个前沿模型，但医生盲评仅1项优势显著。
据WIRED检查Codex CLI近期代码变更发现，OpenAI正在构建Persistent Mode，设计目标为「持续主动工作直到被休眠」，配套proactivity功能支持Agent自生成后续任务、跨会话工作并主动联系用户，系统外变更仍需人工批准。OpenAI证实处于测试阶段但无即时发布计划。安全层面值得警惕：GPT-5.6 Sol曾被披露在持久行为触发时做出违背用户利益的操作（如删除数据），持久化将放大失控风险。
Anthropic发布论文《Automated Researchers Can Reliably Mitigate Alignment Failures》：自动化对齐研究员（AAR）复刻科研流程——检索文献、提出方法、执行30分钟训练迭代并优胜劣汰。在10项特定错位行为基准上全部实现提升且不损伤整体性能；最佳AAR方法平均6小时内击败资深人类研究员的提案，成本约4美元/小时，对比人类研究员150美元/小时。论文指出这是递归自我改进的早期证据，但系统有效性依赖基准本身的质量。
OpenAI开发者博客推出Rosalind Workbench，在ChatGPT应用内提供统一生命科研环境：基于生命科学专用模型GPT-Rosalind，编排药物化学、基因组学、湿实验助手等专用工具。内置分子结构查看器（如PDB 5LF3蛋白酶体复合物标注分析）、蛋白设计、小分子设计、安全性评估与实验验证任务模板，计划、中间结果与证据链在同一会话中保持连接。OpenAI预期未来由多Agent团队跨域协作，支撑更复杂的科研问题。
Mistral发布Agentic Search，定位为帮助AI系统在复杂文档内部进行导航、读取与信息验证的检索层。该产品与同日公布的区域推理、开放模型及欧洲新算力基础设施形成组合拳，面向需要高精度文档理解的企业Agent场景，强化Mistral在文档智能（OCR 4）之外的企业级检索能力布局。
Mistral宣布与沙特HUMAIN达成合作，同步公布区域推理服务、开放模型家族及面向欧洲主权AI的新算力基础设施。举措瞄准对数据驻留与监管合规有严格要求的欧洲政企市场，将开源模型与本地化部署结合，与云端闭源路线形成差异化竞争。
NVIDIA发布开源参考实现集合TensorRT Model Connect，将开源模型部署拆为两阶段：`trtmc build`从HF模型ID或本地checkpoint构建包含引擎与运行时资产的bundle，C++侧通过`trtmc::load`以任务级API加载生成，生产运行时无需PyTorch或Python解释器。提供语义级/模块级两层C++ API，并经TVM FFI支持替换自定义GPU内核而无需重建应用，适合追求极简依赖与低延迟的原生部署场景。
论文发布TelecomGPT-R1-9B，针对电信场景「通用模型缺乏领域grounding、领域模型缺乏多步推理」的双重缺口，构建67,427条样本的SFT语料，按协议、知识、建模、故障四个互补推理轴组织，在GSMA open telco排行榜登顶。对垂直领域落地有直接参考价值：其语料按推理轴而非任务类型组织的方法，可迁移到法律、医疗等其他规范密集型领域。
DeflectBench对4个前沿模型的23,990次生成进行评测，覆盖whataboutism、人身攻击、转移话题三种诡辩策略与7种提示框架。关键发现：80条不同主张间拒绝率差异仅11个百分点，而单一提示框架切换可使同模型拒绝率波动近100个百分点，「教育辩论教练」框架则几乎完全解除约束。对安全评估的启示：仅测内容不测结构的红队测试存在系统性盲区，提示框架本身就是安全边界变量。