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。
Hugging Face 与合作伙伴组织宣布启动 Project ProtoStar，旨在让公共资助的科学数据集、模型和代码更易获取，并以适用于 AI 的格式重复使用。该计划将开放基础设施、出版指南和机构承诺结合起来，并通过开放挑战探索科学成果的重复使用。首场挑战由卡内基梅隆大学于 2026 年 11 月 2 日至 13 日举办，参赛者需使用美国 210 座城市的历史天气数据预测气候指标，并将预测表现与观测到的状况及简单的统计基线进行比较。
将气候预测与观测到的天气及简单的统计基线进行比较，为该计划提供了一种具体方式，用于评估让科学资源可重复使用是否有助于提升预测能力。
Mistral Large 4（也称 Le Chonk）是一款多语言 MoE 模型，可接收文本和图像并生成文本，总参数量约为 1T，上下文窗口为 1M 个 token。Hugging Face 介绍了它的 FP8 和 NVFP4 变体、网络安全基准测试，以及发布当天即可使用的推理和微调支持。其权重采用 Mistral Ecosystem Open-Weight License，该许可证限制将模型作为服务提供。
部署示例将检查点格式与硬件要求和实测吞吐量联系起来，为团队选择模型服务方式提供了具体参考。
Mistral AI 发布了改进版 Mistral Large 4（Le Chonk）的开放权重。该多模态模型拥有 1 万亿参数，本月早些时候曾以预览版形式亮相。Mistral 报告称，该模型在 Artificial Analysis Coding Agent Index 上得分为 48%，每项任务的 token 数比 GLM-5.3 少 47%，并提供三种推理模式。Mistral Ecosystem Open-Weight 许可证允许使用、修改、微调和商业化，但运营模型即服务（Model-as-a-Service）业务的企业在商业使用前必须另行取得商业许可证。
报告的编程结果将基准测试得分与 token 用量结合起来，为比较该模型与其他开放权重模型的表现和推理效率提供了具体依据。
作者宣布推出两个适用于 Apple 平台的 Swift 包：AnySpeechRecognizer 和 AnyDecisionModel。AnySpeechRecognizer 仿照 Apple 的语音 API，同时新增本地 Parakeet 和 Qwen3-ASR 引擎，以及最多支持四位说话人的说话人分离功能；AnyDecisionModel 则通过本地或托管后端，为是非题、多项选择题和评分量表题返回带类型的答案及概率。两者都支持从 Hugging Face Hub 下载开放模型。文中报告的语音评测仅涵盖 macOS，尚未在 iPhone 上测试。
关于概率校准和选项顺序偏差的说明，提供了一种实用方法，可在将置信度用作应用阈值之前评估基于模型的决策。
AWS 提供了一套架构和参考蓝图，用于在 Amazon Bedrock AgentCore 上构建企业级智能体式 AI 平台，将集中治理与彼此隔离、由各团队负责的 Workstream 单元分开。独立的推理网关和工具网关负责管控访问；部署流水线则要求在将版本提升至生产环境之前，完成运行时评估、对抗性边界测试、人工审批，并提供回滚证据。该参考实现面向 eu-west-1（爱尔兰）；其他区域或替换后的组件都需要各自进行验证。
将每项获准操作与一项对抗性拒绝测试配对，可为检查智能体治理控制是否在部署边界上有效提供一种具体方法。
Google DeepMind 宣布推出 Gemini 4 Carbon，并报告称其在 Artificial Analysis Intelligence Index v5.0 上得分为 59；在网络安全基准测试中，SEC-bench Pro 得分为 88.2%，ExploitGym 为 54.8%，CWE-bench 为 71.0%，评测时未启用防护措施。本周起，一部分网络防御人员将获得使用权限，之后将通过 Fairwind Program 扩大开放范围，再面向更广泛用户推出。入门价格与 Argon 相同：每百万输入 token 收费 2 美元，每百万输出 token 收费 10 美元；缓存输入 token 可享受 95% 的折扣。
与 Argon 的比较为 Carbon 报告的工程性能提升提供了背景，而分阶段推出则区分了网络防御人员的初期使用权限与计划中的更广泛开放。
NVIDIA 为 RTX Spark 笔记本推出了 Nemotron 3.5 Transcribe，并新增模型支持、智能体资源控制和游戏更新。这款开放权重语音模型可进行转录、说话人归属、翻译和音频问答，支持 40 种语言，现已在 Hugging Face 上提供，量化版本即将推出。NVIDIA App 现在允许用户在前台应用和后台智能体之间分配 GPU 资源；Liquid AI 的 LFM3 模型则支持通过 llama.cpp 和 vLLM 在本地运行。
将语音处理更新与 GPU 资源控制结合起来，有助于了解本地模型和后台智能体如何与日常应用共享笔记本硬件。
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。
