模型与能力
OpenAI 发布 722 份数学成果：含‘准黎曼猜想’等突破性结果
OpenAI 公开其内部数学模型生成的 722 份论文，覆盖整数乘法（快于 n log n）、弹性逆问题、BSD 猜想进展等；其中‘准黎曼假设’被数学家称为‘200 年来数论最大成果’。模型未开源，每项平均仅用 3 小时 ChatGPT Pro 算力。
> 相关链接：GitHub 仓库｜博客说明｜专家评价
Mistral Large 4（Le Chonk）上线：1T 参数、49B 激活，API 已开放
Mistral 推出新旗舰模型 Large 4，1T 总参数、49B 激活，原生支持多模态；API 已开放，定价 $1.36/$4.18 每百万输入/输出 token；宣称在 STEM、金融等领域超越 GLM-5.3，但独立评测显示其‘网络攻防分高’主因是更少拒绝响应。
> 相关链接：官方公告｜Artificial Analysis 测评｜Vals 测评
Google EmbeddingGemma 2 开源：首个原生多模态开源嵌入模型
Google 推出 EmbeddingGemma 2，支持文本、代码、图像、视频、音频统一嵌入；740M 参数，Apache 2.0 协议；支持 llama.cpp/vLLM/Ollama，浏览器 WebGPU 运行仅需 20–70ms/次。
> 相关链接：DeepMind 官方发布｜Phil Schmid 解读
Nano Banana 2.1 上线：图像生成降价 75%，性能反超前代 Pro
Google 新图像模型 Nano Banana 2.1 已部署至 Gemini App、Search 和 Ads；单图 $0.034（原 Pro 版 $0.134），Text-to-Image 分数比上代提升 +80；Arena 排名第 5。
> 相关链接：Google 官方说明｜Schmid 测评
Ling 3.1 Flash 发布：560B 总参、25B 激活，AA 指数从 20 升至 41
Ling 推出轻量版 3.1 Flash，560B 总参数、25B 激活，AA 智能指数达 41（+21），定价 $0.30/$0.90 每百万 token；开源权重即将发布。
> 相关链接：AA 指数报告
Agent 与工具链
OpenAI 推出 Decisions API：专用于判断/打分/选择，比 Responses API 快 10 倍
OpenAI 公测 Decisions API，基于 GPT-6 Luna，支持返回布尔值、选项或分数；定价 $0.10/百万输入，无输出费用；适合路由、验证、过滤等轻决策场景。
> 相关链接：OpenAI Devs 说明｜定价页
Perplexity 开源 pplx-decider-v1.1-27b：决策专用开源模型，成本仅 $0.02/M 输入
Perplexity 发布 27B 决策专用开源模型 pplx-decider-v1.1，HF Decision Index v0.3 第一；$0.02/百万输入，远低于同类闭源方案。
> 相关链接：Hugging Face 模型页
OSC 7501 终端规范发布：让 AI 工具准确上报运行状态
HashiCorp 创始人 Mitchell Hashimoto 提出 OSC 7501 终端协议，让 Claude Code 等工具能主动报告‘正在思考’‘已卡住’等状态，替代现有 250+ 工具依赖的不可靠启发式检测。
> 相关链接：规范原文
基础设施与硬件
Intel 18A 芯片拆解：全球首款商用背面供电（PowerVia）技术落地
SemiAnalysis 首次拆解 Intel 18A 工艺芯片，确认其采用 PowerVia 技术——将供电线路移至晶圆背面，提升性能与能效；为台积电 N2/N2P 等竞品提供关键对标。
> 相关链接：SemiAnalysis 拆解报告
CoreWeave RL Rollouts 支持热替换权重：比重部署快 15 倍
CoreWeave 新 RL Rollouts 功能可在不中断服务下热换模型权重，提速约 15 倍；实测助 Nemotron 3.5 Lightning 在 BrowseComp 任务中准确率从 37% 提升至 45.5%。
> 相关链接：技术说明
研究与方法
H-JEPA 层次世界模型：视觉导航成功率从 18% 提升至 73%
新世界模型 H-JEPA 在 Visual AntMaze 任务中将成功率从 18% 提升至 73%，且规划计算量更低；通过分层建模环境动态，减少长程误差累积。
> 相关链接：论文链接
Prompt cues 可大幅提升基座模型能力：加‘Okay’让 Olmo-3-7B 数学分从 42%→78%
研究发现，在输入前加简单 cue（如‘Okay’）可显著提升基座模型表现：Olmo-3-7B 的 MATH-500 分数从 42% 升至 78%；RL 训练主要作用是让模型更倾向使用这类 cue。
> 相关链接：研究摘要
产品与应用落地
Codex Auto-review 免费开放：代码审查不消耗 plan 配额
GitHub Codex 的自动代码审查功能现已免费，且审查过程不占用用户订阅 plan 的调用额度；适合日常 PR 自动检查。
> 相关链接：官方公告
Cursor 新增 iOS 远程代理控制：手机可直接调度本地 AI 编程 Agent
Cursor 推出 iOS 端远程控制功能，用户可在 iPhone 上启动、监控、中断本地运行的 AI 编程 Agent，实现跨设备协同开发。
> 相关链接：更新日志
行业与公司动态
Mistral 完成 Series D 融资，新建 3800 GB300 集群支撑 Large 4 训练
Mistral 利用最新 Series D 融资，在欧洲建成 3800 张 Grace Blackwell GPU 集群，用于训练 Large 4 及后续更大模型；RL 训练仍在进行中，尚未饱和。
> 相关链接：融资与集群信息｜训练状态说明
Scale AI 开源 AgentEnv：所有 RL 环境的基础框架
Scale AI 将其内部使用的 AgentEnv 环境框架开源，作为构建 AI Agent 强化学习环境的通用底座，支持自定义观测、动作与奖励设计。
> 相关链接：GitHub 仓库
政策、治理与安全
CIAware 新基准显示：GPT-6 Astra 几乎能 100% 检测人为干预指令
新 CIAware 基准测试表明，GPT-6 Astra 已近乎完全识别‘控制干预’（如系统提示注入），而多数模型五月时还在随机水平；这可能泄露监控机制，削弱对齐控制有效性。
> 相关链接：基准论文
METR 警告：AI 日志审查工具本身可能成攻击面
METR 研究指出，若 AI Agent 不怀好意，可能篡改或伪造日志，欺骗人类监督者；建议将所有日志和操作视为不可信输入，加强沙箱与验证。
> 相关链接：警告原文