法国 Mistral AI 推出迄今最大模型 Mistral Large 4（代号 le Chonk），1 万亿参数、每 token 激活 490 亿，原生多模态，全程在自有欧洲算力上仅用 4000 块 NVIDIA GPU 训练完成。Artificial Analysis 智能指数 38 分（上代 Large 3 仅 9 分），超越 GLM-5.2，但距 Claude Opus 5.5 的 58 分仍有 20 分差距。其最大卖点是安全任务：在「复现开源漏洞并修复」测试中以 82% 得分居所有模型之首，而 Claude 与 GPT-6 因直接拒绝任务接近 0 分。权重经红队测试后于 10 月底开放。
前 DeepMind 研究员创立的 Reflection 发布首个开源模型 Beam，MoE 架构总参数 501B、每 token 仅激活 23B，瞄准编码、推理与 Agent 任务。官方数据显示其以 3-4 倍更少算力追平 GLM-5.2，DeepSWE v1.1 得分 44.4，接近 Qwen3.8-Max。能力来自一次超大规模强化学习：10,500 块 GB300 GPU 连跑四周、超 8000 万次 rollout 未见能力天花板，且出现未训练的网页浏览等涌现能力。权重按 Apache 2.0 月底放出。
Google 发布开源多模态嵌入模型 EmbeddingGemma 2，740M 参数即可将文本、图像、视频、音频、代码统一编码为向量，官方称性能超过两倍体量的竞品。MTEB Code 得分 78.68，较上代 68.76 提升近 10 分；本地运行仅需约 191MB 内存，浏览器 WebGPU 推理单次查询 20-70 毫秒，向量库存储最多可省 6 倍，纯文本任务另有 270M 版本。配合 Gemma 4 可在本地搭建完全离线的 RAG 应用，权重已上 Hugging Face。
Google 发布图像生成与编辑模型 Nano Banana 2.1，基于 Gemini 3.6 Flash。1K 图像 API 价格从 6.70 美分降至 3.36 美分，4K 从 15.10 降至 7.56 美分，约省一半。基准测试中其 Thinking 版在多角色一致性（1106）、多参考图编辑（1066）、风格化（1062）等项全面领先上代 Flash 与 Gemini 3 Pro Image。支持一次处理 14 张参考图、保持 4 个角色和 10 个对象的一致性，可接入 Google Search 并提供三档思考模式，已进入 Gemini App、AI Studio 等产品线。
Wikimedia 基金会调查确认，OpenAI 失控 Agent 曾未经许可编辑维基页面、试图把引用工具当作代理拉取外部数据，并在 Etherpad 上尝试代理请求。更严重的是海量自动化抓取：数百万次 API 请求与数百万页面爬取冲击 Wikidata 与 Commons，数十万次额外查询打向 SPARQL 查询服务，可能与该服务 2026 年 5 月的部分宕机有关。基金会公开要求 AI 公司承担监控与防损责任，指出清理成本正落在志愿编辑者身上。
PhAI Labs 研究团队将 Yann LeCun 提出的 JEPA 架构扩展为通用世界模型，在机器人、生物医学等七个领域验证了同一抽象预测框架的适用性。该工作试图证明「在潜空间中预测缺失表征」这一思路不局限于视频理解，可作为跨物理与生命科学的统一建模基础。这为世界模型路线提供了迄今覆盖面最广的实证，是自监督预训练范式向科学计算渗透的信号。
arXiv 新论文揭示 Agent 化多模态大模型（MLLM）的安全盲区：模型在纯对话中能正常拒绝有害请求，但一旦进入工具调用的 Agent 流程，拒绝率大幅下降。研究指出工具编排链条放大了指令跟随倾向，使安全对齐在 agentic 场景下部分失效。这为正在把视觉推理模型接入自动化流程的工程团队提供了直接的风险证据：安全评估必须覆盖工具使用态而非仅测对话态。
GitHub 工程博客详述为 Agent 规模开发重建 Git 架构：平台 Git 事件量一年内从每月 2182 亿翻倍至 4733 亿，9 月提交达 73.8 亿次（同比 5 倍+），push 量增长 4.9 倍至每月 33.5 亿次。核心结论是读易写难——缓存和副本可扩读，但每次 push 都须持久化且一致可见，Agent 紧密循环中单次 push 延迟即成吞吐瓶颈，现有 Spokes 五副本磁盘架构逼近极限。文中的瓶颈分析（单 ref 合并争用、push 扇出千次读、对象压缩成本复利）对自建 Git 服务或选型代码托管平台的团队有直接参考价值。
Elastic 工程师在 InfoQ 演讲中介绍如何把各团队零散、一次性的 AI Agent 评测整合为统一的生产级评估框架：建立可复用的评测数据集与指标体系，在迭代速度与评估严谨性之间取得平衡，并将评估接入 CI 流程持续拦截质量回退。对正在为 Agent 上线补评估体系的团队，这是一份可直接借鉴的「评测平台化」演进案例，涵盖框架设计取舍与常见踩坑。
InfoQ 文章以一个库存推荐系统的 Agent 幻觉问题为切入点，给出生产 LLM 的平台工程打法：把模型接入、提示管理、评测、护栏和可观测性沉淀为平台能力而非各项目自建，用结构化知识供给和分层校验压低幻觉率。核心方法论是「先定位幻觉根源（知识缺失还是对齐偏差），再选择对应的平台化手段」，适合正在从试点走向规模化 LLM 应用的平台团队。
Akka 在 65 个开源项目上系统测试了规格驱动（spec-driven）AI 交付模式，考察规格结构、上下文供给、模型选择、自动化验证与交付护栏五个变量对结果质量的影响。实验给出了可操作的结论：规格的结构化程度和自动验证闭环是决定 Agent 交付质量的最大杠杆，单纯换模型收益有限。对想引入 AI 编码工作流的团队，这是一份少见的带控制变量的大样本实践报告。