Mira Murati 创办的 Thinking Machines 发布第二代模型 Inkling 2 Small:594B 参数 MoE、17B 激活,支持图文输入与可调思考深度,1M 上下文。其 Artificial Analysis 智能指数达 31 分,较上代 Inkling Small 的 13 分提升 18 分,与 Gemini 3.8 Flash 持平;AutomationBench-AA 从 5% 跃升至 46%,幻觉率从 61% 降至 27%。单任务成本约 1.18 美元,远低于 Gemini 3.8 Flash(7.77 美元)。模型经数十万长程编码任务强化学习训练,定位为可微调的基座模型。
AI 芯片设计公司 Ricursive Intelligence 发布 Ripple-65B Preview:65B 稠密 Transformer 架构(非 MoE),12T tokens 预训练,针对 NVIDIA 硬件优化。TerminalBench 2.1 得分 80.52,为美国开源模型最佳;SWE-Bench Pro v2 Hard 达 79.1%。整体成绩不及 Inkling 2 Small,但稠密架构更易自部署。总研发与训练成本仅 3200 万美元,权重以 Apache 2.0 许可发布在 Hugging Face。
非营利机构 METR 花费 11 周审计 Anthropic 内部研究数据,发现其模型测试分自 2025 年 10 月起以约 1.9 倍速度攀升(AECI 复合指标从每年 15 分升至 29 分),一年完成过去两年的进展。审计估计约 80% 的加速来自 AI 用于 Anthropic 自身研究:员工称实验准备从 1-2 天变为近乎零成本,自评生产力提升约 12 倍。METR 未发现未来 12 个月会减速的瓶颈。
Perplexity 发布 Teammates 常驻智能体:与执行一次性任务的 Perplexity Computer 不同,每个 Teammate 运行在独立虚拟机上、配有桌面和浏览器,可持续推进长期项目,用户通过应用内线程和 Slack 交互与追踪进度。至此 SpaceX(Grok Bots)、Meta(Muse)、OpenAI(Dots)、Anthropic(Duet)、Perplexity 均已入局常驻智能体;Teammates 需 Max 套餐 200 美元/月,高于 Dots(100 美元)与 Duet(20 美元)。
Google DeepMind 将视频生成模型 Gemini Omni 1.2 Flash 转为正式可用(GA):单段生成时长扩展至 15 秒,支持更长的连贯叙事,价格下调 30%。这是近一周内 Google 在多模态生成侧的又一次更新,与上周 Gemini 4 Carbon 的基准登顶形成配合,显示其视频生成产品线正沿「更长时长+更低成本」路线快速迭代。
Anthropic 发布研究报告《AI for scientific discovery: How researchers use Claude》,梳理科研用户的真实使用模式(HN 热度 82 分/34 评论)。报告基于真实科研工作流数据,覆盖文献综合、假设生成、代码分析到实验设计等环节,是观察前沿模型在科学场景实际落地情况的一手材料,与 DeepMind 上月的 Antigravity 药物发现工作流互为补充。
Allen Institute for AI 在 Hugging Face 发布 ToyBlocks:一个用于机器人学习与评测的受控世界环境。它以标准化积木操作任务提供可复现的训练与评测协议,解决真实机器人数据昂贵、仿真到现实迁移难以量化的问题,为机器人策略对比提供了统一基准,是继 LeRobot 之后机器人学习基础设施的又一开源补充。
KDnuggets 教程演示用 OpenAI Agents SDK、Mem0 与 MCP 协议为智能体构建跨会话长期记忆:包括偏好记忆、上下文保留与重要信息抽取的完整代码路径,覆盖记忆写入、检索与遗忘策略。对构建需要记住用户历史的产品级 Agent 是一份可直接落地的参考实现。
Hugging Face 发布 Universal Assisted Generation:不再要求主模型与助手模型共享词表和架构,任意小模型都可作为 draft 模型做投机解码加速,放宽了此前 assisted generation 的严格配对限制。工程上意味着可以自由组合「大模型+任意小 draft」降低推理延迟,尤其适合自托管推理场景的降本提效。
NVIDIA 开发者博客详述用 DSX OS 运维 K8s GPU 集群的实践:一块性能不达标的 GPU 就会拖慢整个分布式训练任务,而基础健康检查和利用率指标往往发现不了。文章给出从节点配置、认证到异常 GPU 定位与运维的完整流程,是大规模训练集群可观测性与故障排查的工程参考。