模型厂商、公司和研究机构自己发布的消息：官网、官方博客和官方账号。
NVIDIA 发布了开放权重模型 Nemotron 3.5 Transcribe，支持转录 40 种语言的语音、将 31 种语言的语音译成英语或将英语译成这些语言，并可在 13 种语言中标注说话人；同时发布的还有 Granary v2 的多语言数据清单和可复用的数据整理流程。该模型面向录制音频，可处理最长一小时的录音，并标注最多八位说话人。一项配套的医疗领域适配案例研究报告称，与最佳提示词基线相比，在留出说话人上的词错误率（WER）相对降低了 45.8%。
这项医疗领域适配案例研究提供了一套可迁移的领域转录工作流程：通过在留出说话人上进行评估，并检查通用语音准确性，将提示词改进与微调带来的提升区分开来。
Google Research 介绍了一种睡眠框架，通过交替进行主动交互和离线记忆巩固，帮助 LLM 保留新知识并提升推理能力。在固定架构内，该框架启用预先分配的 MoE 记忆块，将短期信息提炼到参数中，并使用经过筛选的模型自生成示例进行训练。报告的结果包括：在序列翻译评估中性能损失接近于零；在 BABILong 上扩展至 10M tokens 时，性能几乎完美。
该框架提供了一种通过离线巩固保留新知识的具体方法，并利用额外的记忆容量和有选择的复习来减少对先前所学能力的干扰。
Liquid AI 发布 LFM3，包含 6 款参数规模约为 2B 的开放权重模型，基于共享骨干网络覆盖文本、视觉、音频、全模态处理和校准决策。公司表示，每款模型都支持单 GPU 微调；其中，文本模型提供 256K 上下文窗口，采用 4-bit 精度时约占 1 GB。所有模型今日均已在 Hugging Face 上线，并附有推理示例和微调笔记本。
共享骨干网络和单 GPU 微调示例，为针对文本、视觉、音频及组合输入的专业任务调整紧凑型模型提供了切实可行的方法。
Exowatt 使用 Amazon SageMaker AI 无服务器模型定制，对 Qwen3-1.7B 进行微调，用于边缘告警分诊；对 Qwen3-14B 进行微调，用于云端能源市场分析。这两个模型在各自测试中的宏平均 F1 分数分别达到 0.911 和 0.975，超过了报告中的前沿模型基准。其可复用流程结合了精选数据、经核验的改写、微调和评估，支持在边缘设备上离线 CPU 部署；云端推理成本为每 1,000 个回答 0.60 美元，而 Claude Opus 4.7 为 29.26 美元。
该案例展示了一种可迁移的微调工作流：经过核验的改写多样性可以提高任务准确率，而共享训练流程则同时支持离线边缘推理和托管云端部署。
Property Finder 发现，其 96.8% 的评估标签来自现用模型，导致与其他模型的比较存在偏差。团队制作了专家标注并优化提示词，最终选定了 Amazon Bedrock 上的 Llama 4 Maverick 17B Instruct，预计成本降低 86%。在 356 张图像上，Micro F1 达到 0.80，高于现用模型的 0.56；但评估纳入了开发集图像，且各模型的调优投入不同，因此这些分数可能偏乐观。
该案例提供了一种可迁移的评估方法：先用独立的专家标注取代沿用的模型标签，再通过错误分析指导针对特定领域的提示词优化。
AWS 宣布在所有 AWS 区域为 Amazon SageMaker AI 训练和处理作业提供 SOCI 索引功能，使容器镜像能够按需延迟加载。根据 AWS 的基准测试，容器就绪耗时为 3–11 秒；尽管首个 epoch 多耗时 3–16 秒，训练作业仍提前 1–6 分钟完成。用户可以选择预先建立索引的 Deep Learning Containers，也可以为自定义镜像建立索引；延迟加载要求使用 Amazon ECR 私有存储库。
这些基准测试将镜像下载节省的时间与首个 epoch 的额外耗时区分开来，为评估启动代码会访问容器镜像不同部分的工作负载提供了具体依据。
Ai2 发布了《旧想法，新问题》（Old Ideas, Novel Problems）研究，其中包含一个基准、数据、代码和一套可复用的流程，用于评估研究新颖性判断器。更改提示词后，GPT-5.4 在人类生成与 AI 生成的想法配对上的准确率从 93.5% 降至 40.9%；这些标签假定 AI 生成的想法新颖性较低。检索和额外推理并未始终带来改进，而两个专用评估器的表现不如一个简单提示的 Claude Opus 4.6 基线。
这项研究表明，只用人类论文评估新颖性判断器，可能会忽略其在 AI 生成想法上的提示敏感性；研究也为选择符合预期用途的评估数据提供了具体依据。
Google DeepMind 已面向可信测试者发布 Genie 4 研究预览版，新增原生音频、互动对话以及实时自然语言引导功能，用于世界模拟。Gemini 3.8 Flash 通过观察场景、规划行动并检查进展来引导多步骤事件。该功能即将面向 Google AI Ultra 订阅用户在 Project Genie 中开放，并向 Gemini API 和 Google AI Studio 的早期访问合作伙伴开放；物体恒存性、物理交互和长期一致性仍是研究挑战。
Gemini 规划能力与 Genie 模拟的结合，展示了结构化推理如何引导不断演变的虚拟环境；文档中说明的一致性局限也明确了该研究预览版的范围。
OpenAI 分享了模型在 Kakeya 猜想、指数时间假设和量子色动力学方面的研究结果，并介绍研究人员如何验证这些结果并以此为基础开展工作。
强调研究人员的验证，为理解模型在科学问题上的研究结果提供了一个有益的视角：学术界可以检验这些成果，并在此基础上继续推进研究。
OpenAI 推出 GPT-6.1 Terra，并称它将快速且强大的计算机使用能力带给所有人。
Claudio Mazzoni 介绍了在 Amazon Bedrock 上使用 OpenAI 模型时，如何将适用于不断增长的对话的隐式缓存，与用于共享工具和指令的显式断点结合起来。本指南涵盖如何在工具变更、子智能体和会话之间保持缓存复用，以及如何监控缓存读取和写入。在一个包含六轮的 GPT-6 Astra 工作负载中，隐式缓存将输入成本降低了约 62%，而显式滚动断点节省了约 61%。
在追加新上下文的同时保持共享提示前缀稳定，可形成一种可复用于智能体各轮对话、工具变更、辅助调用和会话的缓存模式。
AWS 展示了如何使用 Python AWS CDK 应用，在两个托管式 Amazon Bedrock 知识库中构建智能体检索。该方案通过 AgentCore Gateway 将一个推理智能体连接到独立的金融和天气检索工具，提供带引用的答案、涵盖七个遥测层的两个 CloudWatch 控制面板，以及按需和持续评估。教程涵盖部署、测试、可观测性、评估抽样成本和清理。
将知识库拆分为不同的检索工具，可以让路由决策变得可观测，并使质量指标针对各自的语料库，从而为诊断不同领域之间的检索提供一种实用模式。
OpenAI 介绍了如何加强前沿模型训练与评估的遏制措施，包括离线环境和高算力红队测试。
OpenAI 通过讨论离线环境和高算力红队测试，为前沿模型训练与评估中的遏制措施提供了背景说明。
Google Research 介绍了其结核病筛查研究如何通过 Nexus AI 以及 MedGemma、MedSigLIP 等开放模型逐步走向临床部署。超过 90 名临床医生已使用 Nexus AI 的工具评估了逾 25,000 张胸部 X 光片，将周级处理时间缩短至 45 秒以内。印度尼西亚卫生部正在使用本国胸部 X 光片对 MedGemma 和 MedSigLIP 进行微调，以支持其每年筛查 5,000 万名公民的目标，同时确保患者数据留在境内。
这项部署介绍展示了前瞻性临床验证、监管认证、离线运行和本地合作伙伴关系如何共同推动医疗 AI 在资源受限的医疗环境中落地。
AWS 提供了一份端到端指南，介绍如何在 Amazon SageMaker AI 上进行多轮强化学习，并使用托管在 Amazon Bedrock AgentCore 上的 Wordle 智能体。训练将 gpt-oss-20b 在留出集上的求解率从 61% 提高到 84%（采用服务配置），训练令牌成本约为 339 美元，运行时用量成本约为 79 美元。该指南涵盖部署、奖励设计、监控、评估以及训练中遇到的失败。
训练验证结果与服务结果之间的差距表明，多轮强化学习评估应与部署设置保持一致，因为解码选项会显著改变测得的成功率。
哈萨克斯坦正通过 Firebird 和 Kazakhtelecom 扩大 AI 基础设施，相关公告恰逢 NVIDIA 首席执行官黄仁勋访问阿斯塔纳。Firebird 获得了美国出口许可证，可出口 45,000 块 NVIDIA Grace Blackwell GPU；其第一阶段计划于 2027 年第三季度正式投入商业运营。Kazakhtelecom 已部署 400 块 NVIDIA H200 和 480 块 NVIDIA B300 GPU。与此同时，NVIDIA 宣布投资由哈萨克斯坦创立的 Higgsfield AI。
这些公告将哈萨克斯坦算力扩张与本地初创企业扶持和应用开发联系起来，展现了基础设施投资如何与发展国内 AI 需求的举措相结合。
Microsoft 和 Hugging Face 在 GitHub 上发布了 ThinkingBox-Training，将对数据库最终状态的可执行检查转化为智能体后训练的奖励。在 ThinkingBox-Bench 之外的 187 项任务上进行 50 步 GRPO 训练后，Qwen3.8-27B 的基准测试平均成功率从 51.70% 升至 60.78%，20 次尝试中全部通过的任务从 38 项增至 107 项，而至少成功一次的任务从 453 项降至 446 项。该发布包含任务选择、rollout、奖励和 Verl 集成代码；报告中的训练运行所用私有训练池未包含在内。
选择基础策略有时能够成功的任务，提供了一种可迁移的方法来生成对比鲜明的 RL 奖励，同时减少那些无法带来任务奖励优势的 rollout。
AWS 已正式推出 Amazon Polly 生成式引擎的升级版本，以低延迟提供更自然、更富表现力且更准确的语音。此次升级在 9 种区域设置中新增 14 种声音，包括印地语和芬兰语，使目录涵盖 11 种语言、25 种区域设置中的 57 种生成式声音。现有生成式声音将原地升级，声音名称、API 调用和定价保持不变；服务范围扩展至 AWS GovCloud（美国西部），使覆盖范围增至 11 个 AWS 区域。
API 调用、声音名称和定价保持不变，因此这项升级与现有语音工作流相关；无需更改代码，即可获得更广泛的语言覆盖。
AWS 展示了如何将 AI 代理生成的完整句子流式传输到 Amazon SageMaker AI 上的 Kokoro-82M，从而在完整回复生成之前开始语音合成。在隔离测试中，首次音频字节的平均耗时从 329.3 ms 降至 156.7 ms；通过已部署的 AgentCore 运行时，首次音频速度提升了 3.5 倍。本指南涵盖持久双向会话、二进制 WebSocket 帧，以及涉及 SSE 和 base64 的音频传输权衡。
本指南提供了一种可迁移的模式，用于将文本生成与按句进行的语音合成重叠执行，并说明持久会话和音频分帧如何影响延迟与集成复杂度。
AWS 推出了 Amazon SageMaker AI 训练会话 API，开发者可以编写自定义 Python 训练循环，同时由服务管理 GPU 基础设施、分布式执行、故障恢复和检查点。费用按处理的 token 数计费，不包括本地计算奖励所花的时间。随附的 Cookbook 提供了 SFT 和 RL 配方，其中包括一个竞赛编程示例：经过 50 个训练步骤后，GPT-OSS 20B 在 200 道测试题上的留出集准确率从 40% 提升至 50.5%。
这些示例展示了如何将本地奖励逻辑与托管 GPU 操作分开，为自定义训练循环提供可复用的结构；按 token 计费，且不包括本地计算所花的时间。
