Google DeepMind 发布 AlphaGenome Atlas，一个包含人类基因组 90 亿个单核苷酸变异效应预测的平台，规模达 1PB，是 AlphaFold Database 的 30 倍以上，已通过网站门户、AlphaGenome API 和 Google Antigravity 中的 skill 开放学术研究免费使用。
推荐理由：读者可了解 9 亿单核苷酸变异预测数据集的规模，以及 AVI 评分如何把编码与非编码区变异统一排序。
OpenAI 探讨更强且更可负担的 AI 如何扩展个人与企业可完成的工作范围，并让增长变得更经济。文章围绕能力提升与成本下降这两条线索展开，但未给出具体模型版本、参数规模或价格数字。
OpenAI 发布 ChatGPT Images 2.5，可将想法、草图与参考照片转化为更个性化、更精致的图像，并更贴近用户原本的构想。
推荐理由：官方给出 ChatGPT Images 2.5 的输入类型与输出定位，可据此判断图像生成能力的迭代方向。
OpenAI 正在扩大对新闻业的支持，面向学生、教育工作者、记者和新闻机构提供工具、培训与合作项目。该计划覆盖从课堂到新闻编辑室的多个环节。
OpenAI 分享了一份 AI 生成的 Navier–Stokes 千禧年大奖难题解答，包含一份书面说明和一份 Lean 形式化证明。
OpenAI 开放申请一项总额 500 万美元的资助计划，支持关于生成式 AI 如何影响青少年发展、福祉与安全的独立研究。
1Password 的工程师使用 Codex 快速构建新功能和内部工具，在维持严格安全策略的同时达到生产可用状态，工程效率提升 21%。
OpenAI 联合 AIRPPU 和 WAN-IFRA 推出一个 AI 项目，帮助乌克兰新闻机构提升创新能力、韧性并支持独立新闻业。
OpenAI 的 Jakub Pachocki 撰文反思能力日益强大的 AI 及其对齐难题，呼吁加强安全防护并推动国际协调。他将这类系统称为"异类心智"，强调在能力提升的同时必须确保其与人类意图保持一致。
OpenAI 披露内部数据，展示编程智能体正在重塑其 AI 研究流程，涉及智能体使用情况、实验速度、任务复杂度与研究加速等方面。
GitHub 推出研究预览版 Project HydraFusion，在 GitHub Copilot CLI 中通过 /experimental 启用，可在多个提供商的模型间做运行时编排，自动选择 Single、Cascade、Critique 三种执行模式来平衡质量、成本与延迟。
推荐理由：GitHub 官方给出 HydraFusion 的三种编排模式与三个编码基准的成本质量对比，可据此判断多模型编排在真实编码任务中的取舍。
GitHub Copilot 应用支持同时运行多个 Agent 会话，每个会话运行在独立的 Git worktree 上，互不干扰，可并行推进不同任务。每个会话保留各自的上下文，用户可在会话视图里查看标题和任务进度，并随时切换而不必重新说明背景。文中以 tailspin-toys 仓库为例，演示同时让 Copilot 添加 funded sort、做无障碍审查和跑测试三个任务。
Google DeepMind 与 Google Research 发布 WeatherNext 3，称其为目前最先进、最准确的全球天气模型，据 Brightband 的独立实时评测。
推荐理由：官方给出分辨率、更新频率与降水精度提升幅度，可据此判断 AI 天气预报在 Google 产品中的落地程度。
OpenAI 推出 Daybreak for Frontline Defenders，承诺投入 10 亿美元，为关键服务扩大前沿网络 AI 的使用权限，并提供培训与支持。
Legora 借助 GPT-6 Astra 在数分钟内审阅 41 份文档，找出了全部 4 处预设错误，并在该财务审阅工作流中把性能提升近 40%。
Playco 借助 GPT-6 Astra，从同一灰盒基础构建了三款主题游戏原型，人工修复量比使用上一代模型减少 50%。
Google 推出 Fairwind Program，面向 Google Cloud 客户、政府机构和网络安全合作伙伴限量开放其最先进的网络防御能力，首批提供 Gemini 3.8 Flash Cyber 模型访问权限。
推荐理由：原文给出受限访问计划的能力组合与准入条件，读者可据此判断前沿网络防御能力的开放节奏。
Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber，前者面向长程编码与自主智能体，后者面向漏洞发现与自动修复。
推荐理由：官方给出两个变体的能力定位、价格与开放渠道，可据此判断长程编码与网络安全场景的选型。
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出智能体视频理解功能，官方称视频分析 token 消耗最多降低 88%、成本最多降低 66%、准确率最多提升 7%。
推荐理由：官方给出 token 与成本降幅及准确率变化，并说明在长视频场景下与静态逐帧处理的差异。
微软研究院发布 GigaPath-Flash 和 GigaTIME-Flash，将病理基础模型的计算需求大幅降低。GigaPath-Flash 采用 22M 参数的 ViT-S tile 编码器与 21M 参数的 LongNet slide 编码器，在 PANDA 和 EBRAINS 基准上以约 50 倍更少算力达到原版 GigaPath 3% 以内的性能。
Google DeepMind 发布 Gemini Omni 1.1 Flash，为开发者带来更可控的生成视频能力，通过 Gemini API 在 Google AI Studio 提供。
推荐理由：官方给出场景延长、首尾帧插值与 4K 上采样等具体能力与定价入口，可据此判断生成视频工作流的可控性变化。
Google DeepMind 宣布推出全球首个针对专有前沿 AI 模型的双盲评测，将外部评测限制在密码学隔离环境中，避免模型提前接触测试题目。该试点与新加坡 AI 安全研究所、OpenMined、AVERI 和 MLCommons 合作，在隐私保护环境下用保密基准测试 Gemini Flash Lite 模型。
Google DeepMind 发布语音转文字模型 Gemini 3.5 Transcribe，可通过 Gemini API 在 Google AI Studio 和 Gemini Enterprise Agent Platform 使用，分为实时流式 gemini-3.5-transcribe-live 与预录音频 gemini-3.5-transcribe 两个接口。
推荐理由：官方给出流式与非流式两套 API 的 WER 数字和相对 Chirp 3 的延迟提升，可据此判断语音转写能否接入现有工作流。
Google DeepMind 回顾了 15 年游戏 AI 研究历程，从 DQN 玩转 49 款 Atari 游戏，到 AlphaGo、AlphaZero、MuZero、AlphaStar，再到由 Gemini 驱动的通用智能体 SIMA 2。
微软研究院发布深度学习交换关联泛函 Skala 1.1，训练数据量为此前公开版本的 2.5 倍，在 GMTKN55 基准 55 个类别中的 32 项排名第一，加权平均误差 2.8 kcal/mol。Skala 现已在 CP2K 中可用，并正集成进 Psi4、FHI-aims、ORCA 和 VASP，同时推出持续追踪各版本计算性能的 living benchmark。
Google DeepMind 发布 Gemini 3.7 Flash，定位为面向编码与智能体的最强主力模型，距 Gemini 3.6 Flash 发布仅三周。
推荐理由：官方给出与 3.6 Flash 的多项基准对比和半价定价，可据此判断编码与智能体场景的升级幅度。
Microsoft Research 推出 MindTopo 基准，用于评测多模态大语言模型的拓扑推理能力，覆盖连通性、分离、顺序、包围与绳结五类拓扑关系，并区分静态推理与交互规划两个认知层级。
Google DeepMind 发布多语种手语转文本模型 SL2T，首次将手语 AI 带入消费级产品：在 Pixel 11 的 Gboard 和 Live Transcribe 中支持美国手语（ASL）转英文听写，后续将扩展更多设备与语言。
推荐理由：SL2T 把多语种手语翻译从实验室带进 Gboard 与 Live Transcribe，读者可了解其数据规模与端侧隐私设计。
微软研究院发布研究模型 CARE-X，一个统一胸部 X 光视觉语言模型，可同时输出自由文本推理与结构化预测，覆盖报告生成、病变有无与否定、定位、多标签分类及导管位置检测等任务。
Google DeepMind 发布 WeatherNext AI 模型，在气旋路径、强度和风场结构预测上达到 SOTA，平均多出一天预警时间，相当于气象领域约十年的进展。
推荐理由：原文给出气旋预报精度提升与开源权重，读者可据此判断 AI 天气模型的实际可用边界。
微软研究院发布开源框架 Orchard，核心是 Kubernetes 环境服务 Orchard Env，可复用于软件工程、网页导航和个人助理等任务，并支持直接在 Codex、OpenClaw、ZeroClaw 等真实部署 harness 中训练智能体。
推荐理由：微软研究院开源 Orchard 框架，用约 3B 激活参数在 SWE-bench Verified 上达到 69.7%，可对照其环境层与训练配方设计。
微软研究院提出 Echoverse，为 computer-use 智能体构建 12 个训练世界，包括 10 个深度领域世界和 2 个能力世界，每个世界都复现应用的真实行为并保持跨屏幕和用户的状态一致。
推荐理由：微软研究院公开了 Echoverse 的构建流程与训练数据，读者可据此了解高保真合成环境如何提升 computer-use 智能体能力。
微软研究院提出 EvoLib 框架，让大语言模型在推理阶段从自身经验中学习，无需真实标签或外部反馈，也无需更新模型参数，可应用于通过 API 部署的黑盒模型。EvoLib 把过往尝试提炼为可复用技能和反思性洞见，并通过整合与动态加权机制持续精炼、合并和重新加权知识单元，使其从单次经验走向更通用的知识。
Google DeepMind 发布 Gemini Robotics ER 2，这是其面向机器人的具身推理模型，可理解物理世界、规划多步任务，并把动作执行交给底层 VLA 模型，还能原生调用 Google Search 等工具。
推荐理由：官方给出视频理解、任务编排与多机器人协作的能力变化和开放入口，可据此判断机器人在真实环境中的任务完成方式。
Google DeepMind 发布音乐生成模型 Lyria 3.5，并已在 Google Flow Music 上线。官方称新版本在音乐性、歌词、人声和创作控制四方面有提升：旋律结构更丰富自然，歌词质量与提示词遵循度、结构感知更好，人声更具表现力和情感且发音改善，同时可更便捷地控制输出节奏与时长。
Berkeley AI Research 与 IBM Research 将 K-Search 进化式内核搜索框架扩展到 MLX，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA 内核作为知识库，为 Apple Silicon 生成高质量内核。
推荐理由：展示了把 CUDA 内核优化经验结构化迁移到 Apple Silicon 的方法，并给出注意力与 Mamba 两类内核的实测对比。
Google DeepMind 发布 Gemini Robotics 2，作为新一代机器人的智能层，解锁全身控制、精细操作与多机器人协作。
推荐理由：官方给出三款模型的职责分工与开放入口，读者可据此判断机器人全身控制与多机协作的落地路径。
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督，用受自编码器启发的重建式信念评分作为辅助 RL 任务。在协作编程基准 CollabBench 上，ABBEL-rec-BG 将相对全上下文模型的性能差距缩小约 50%，训练步数从 100 步降至 50 步，峰值上下文 token 数也显著低于全上下文设置。
Google 承诺为 Genesis Mission 提供 4000 万美元的 AI tokens 和额度，用于加速科学发现前沿。该承诺以 AI 资源投入的形式支持这一科学计划。
Google DeepMind 发布三款新 Gemini 模型：3.6 Flash、3.5 Flash-Lite 和面向网络安全的 3.5 Flash Cyber。
推荐理由：官方给出三款 Flash 系列的 token 效率、价格与基准对比，可据此判断智能体工作流的成本变化。