模型与能力
Gemini 4 Argon 发布：1M 输出上限、13 项基准第一，但仅限网络安全预览
Google DeepMind 推出 Gemini 4 Argon，宣称在 19 个主流基准中拿下 13 个第一（如 DeepSWE 77.9%），支持最高 100 万 token 输出（需启用 Long Decode Continuation 功能），但目前仅向政府及可信网络安全团队开放（Fairwind 计划），未对公众或开发者开放。
> 相关链接：官方发布｜评测汇总
GPT-6.1 Sol 登顶 MathArena，推理快 8 倍但 Agent 任务只快 2–4 倍
OpenAI 新模型 GPT-6.1 Sol 成为 MathArena 排行榜第一；实测生成速度达约 300 token/s（比前代快 8 倍），但因工具调用延迟主导，端到端 Agent 任务仅提速 2–4 倍；已修复 Luna 图像编码 bug，智力指数+1。
> 相关链接：MathArena 榜单｜实测报告
GLM-5.3 被曝具备强自主攻防能力，简单 jailbreak 即可绕过拒绝
Zhipu 的开源模型 GLM-5.3 在 ExploitBench 上实现 50/410 端到端漏洞利用，接近 Claude Mythos 水平；简单提示词即可让拒绝率从 100% 降至个位数，被 Anthropic 警示为‘高风险可获取模型’，但安全从业者称其是实用的本地渗透测试工具。
> 相关链接：Anthropic 风险警示｜社区讨论
Ideogram 4.5 开放权重：十次连续编辑后 94–99% 原内容不变
Ideogram 发布图像编辑模型 4.5，主打‘无 artifact 多轮编辑’，十次连续修改后未触碰区域保持率高达 94–99%，已开源权重，Image Edit Arena 排名第 18（1351 分）。
> 相关链接：官方公告｜编辑保真度测试
Cohere Embed 5 上线：Pro/Fast 共享嵌入空间，Fast 比 Pro 便宜 1/3
Cohere 推出 Embed 5 系列，Pro 和 Fast 版本使用同一嵌入空间（可混用索引与检索）；Fast 版本在成本上比 Pro 低约 33%，且在同类快速模型中得分高至少 6 分。
> 相关链接：官方说明｜评测细节
Agent 与工具链
OpenAI DevDay 推出 dots：带专属云电脑的持久化 Agent
OpenAI 在 DevDay 发布 dots——可长期运行、自带云计算机的 Agent；同时上线 Decisions API 和 UI 自动操作能力（Computer Use），ChatGPT Sites 现支持部署 MCP 服务器并转为插件。
> 相关链接：产品介绍｜MCP 插件支持
Cloudflare 重构 Agent 容器：首屏交互快 6 倍，648ms 达成 p50
Cloudflare 重写容器系统专为 Agent 优化，p50 首屏可交互时间降至 648ms（原 4s），支持快照功能（beta 中）；其 AutoRouter 模型路由在内部测试中降低约 30% 推理支出。
> 相关链接：技术发布｜AutoRouter 效果
Meta 发布 Context Language Models（CLMs）：上下文可编辑而非追加
Meta 新模型 CLM 把上下文当‘可编辑文件’而非‘只读日志’，上下文管理策略内建于模型权重中，无需外部框架；在多仓库 Agent 协作任务中，同等算力下性能提升 65%。
> 相关链接：论文介绍｜性能验证
基础设施与硬件
Cognition 在 Vera Rubin 集群跑 AI：吞吐量达 GB200 的 4.8 倍
Cognition 成为首个在 CoreWeave 的 Vera Rubin 集群上运行大模型的客户，实测解码速度与 GB200 相当，但 token 吞吐量高出约 4.8 倍。
> 相关链接：官方确认
DeepSeek 开源 Ascend 工具包：适配华为昇腾 950 芯片
DeepSeek 发布开源 Ascend 工具包，含 TileLang 编译器，专为华为昇腾 950 优化，支持本地高效运行 DeepSeek 模型。
> 相关链接：GitHub 仓库
AI 编译器直接将 Triton 翻译为 PTX：B200 上 FlashAttention 加速 1.37x
新编译器能将 Triton 代码直接转成 NVIDIA PTX 指令，并内置验证器检查竞态与死锁；在 B200 上使 FlashAttention 实际运行快 1.37 倍。
> 相关链接：技术细节
研究与方法
TaH2 方法：让模型自己决定哪些难 token 值得重算，准确率+3.4pp
TaH2 通过‘前瞻深度监督’教模型识别关键 token 并主动重计算；在相同测试算力下，准确率提升 3.4 个百分点，训练缩放斜率更陡（+53%）。
> 相关链接：方法介绍
Meta AutoBenchmark：人工参与题设阶段，比纯 AI 生成基准更难更准
Meta 新项目 AutoBenchmark 发现：人类在题目构思阶段介入，生成的评测集难度更高、泛化性更好，且能有效区分不同模型能力。
> 相关链接：项目说明
Nature 论文：首个超人类 Stratego AI，靠强化学习+测试时算力突破不完全信息
新 Stratego AI 在不完全信息博弈中首次超越人类顶尖水平，核心是结合强化学习与动态分配测试时算力，解决隐藏状态推理难题。
> 相关链接：论文链接
产品与应用落地
Perplexity 推出 pplx-embed-v2-context-9b：上下文召回率@10 超 Voyage 14.4 分
Perplexity 新嵌入模型在 turbopuffer 私有上下文评测中，答案召回率@10 比 voyage-context-4 高 14.4 分，仅用 1KB int8 向量（Voyage 用 8KB）。
> 相关链接：Hugging Face 页面｜评测对比
Solar Mini 4：35B 总参 / 3B 活跃参，Intelligence Index 24 分，但缓存命中率仅 48%
Upstage 发布轻量模型 Solar Mini 4，总参数 35B（活跃 3B），智力指数 24 分；因缓存命中率仅 48%（Luna 达 99%），单任务成本仍是 Luna 的约 5 倍。
> 相关链接：性能报告｜缓存分析
行业与公司动态
Factory 解雇顾问 Chris Degnan，称其向 Cognition 泄密；Cognition 当日聘其为 CRO
Factory 指控顾问 Chris Degnan 在担任其董事期间向竞争对手 Cognition 泄露信息，随即解雇；Cognition 同日宣布聘其为首席营收官（CRO）；Cognition CEO 否认存在信息共享，并称 Degnan 已提前辞职。
> 相关链接：Factory 声明｜Cognition 回应
OpenAI 年化营收近 700 亿美元，正洽谈 300 亿美元融资，估值 1.4 万亿美元
据《纽约时报》报道，OpenAI 年化营收逼近 700 亿美元，正在推进 300 亿美元新融资，投后估值约 1.4 万亿美元，IPO 时间推迟至明年。
> 相关链接：NYT 报道
Flow 完成 5000 万美元 B 轮融资，估值 7.5 亿美元，专注硬件工程 AI 工具
Flow 公司获 5000 万美元 B 轮融资，估值 7.5 亿美元，产品聚焦芯片设计、PCB 布局等硬件工程场景的 AI 协作工具。
> 相关链接：融资公告
政策、治理与安全
OpenAI 发现 1.6 万次隐藏推理提取攻击，涉 4000+ 用户，源头疑与 Moonshot AI 有关
OpenAI 检测到两天内超 1.6 万次针对隐藏推理链的提取攻击，来自 4000 多个账户；溯源指向与 Moonshot AI 关联的个人；攻击在 Astra 上持续有效，补丁难同步至第三方。
> 相关链接：事件通报｜安全分析
SynthID Bio 发布：Nature 论文公开 AI 生成蛋白质水印技术，工具已开源
Google DeepMind 与 Nature 合作发布 SynthID Bio，为 AI 生成蛋白质结构提供可验证水印，相关算法与工具全部开源。
> 相关链接：Nature 论文
Opus 5.5 和 Astra 可绕过 Pangram AI 检测器：重写超 50% 文本即不被标记
Vals 测试显示，Claude Opus 5.5 和 Gemini Astra 能通过改写超过一半原文内容，成功规避 Pangram AI 生成内容检测器。
> 相关链接：检测对抗报告