NVIDIA 官方博客称，基于 Nemotron 3 用 SFT、RL 与反馈式推理特化的系统在 IOI 2026 与 IMO 2026 均达金牌水平：Nemotron-3-Ultra-CC 得 535.4/600，超过 361.12 的金牌线与人类最高分 498.27；IMO 系统得 30/42，超过官方金牌线 29。
推荐理由：原文给出从基座到数据再到推理循环的四步特化配方，读者可据此评估复现金牌级系统的成本与路径。
OpenAI 发布其内部前沿模型在数学开放问题上的新结果，并在 GitHub 上共享 Lean 证明形式化文件与研究细节。
Microsoft Research 播客中，主持人 Chad Atalla 与 Microsoft 合作研究经理、Purdue 教授 Jennifer Neville 对谈，讨论评测如何推动当今 AI 系统性能边界，以及模型在传统基准之外测试时出现的意外失败。
OpenAI 发布 GPT-6 系列模型指南，面向初创公司讲解如何选择 GPT-6 模型、调节推理强度、优化提示词与技能、协调工具调用，并为生产环境准备工作流。
OpenAI 的 GPT-6 Astra Ultrafast 已在 NVIDIA Blackwell GPU 上运行，并面向 OpenAI API 以及符合条件的 ChatGPT Work 和 Codex 用户开放。
推荐理由：OpenAI 在 NVIDIA Blackwell 上推出 Astra Ultrafast 模式，读者可了解其相对标准模式的提速幅度与开放入口。
Google DeepMind精选AI 评分Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御者开放，随后将逐步面向开发者、企业和消费者推出，起步价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：Gemini 4 Argon 的 1M 输出 token 与多项基准成绩，展示了长程复杂任务上的能力边界变化。
Liquid AI 为视觉语言模型 LFM2.5-VL-3B 发布实验性 DSpark 草稿模型，解码速度在设备端最高提升 3.13x、H100 上最高 2.66x，端到端最高提升 2.62x 和 2.27x。该草稿模型约 280M 参数，仅增加 8.9% 参数量，首日支持 llama.cpp、MLX-VLM 和 SGLang，输出质量不变。
OpenAI 为 GPT-6 改进提示词缓存，带来更高的缓存命中率、新的诊断能力、显式断点以及可降低延迟和成本的控制项。原文未给出具体命中率数字或价格变化。
NVIDIA 在 MLPerf Inference v6.1 中首次提交 Vera Rubin NVL72 预览结果，在 Qwen3-VL 上吞吐最高达 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上最高达 2.5 倍。
推荐理由：MLPerf Inference v6.1 首次提交数据给出了 Vera Rubin NVL72 相对 GB300 NVL72 的吞吐提升与 99% 扩展效率，可作为推理基础设施选型的参考。
Google ResearchAI 评分Google Research 提出 Retrieve-for-Train 框架，通过离线强化学习发现奖励对齐的查询扇出并编译为监督信号，再蒸馏进一个 53.9M 参数的扩散检索器，实现推理时单次非自回归的查询扇出。
OpenAI 发布 GPT-6 Astra，称其为面向企业场景能力最强的模型，具备高级推理、computer use 以及更强的写作与设计判断力。
推荐理由：官方给出 GPT-6 Astra 的定位与三项能力方向，可据此了解 OpenAI 面向企业场景的模型迭代重点。
OpenAI 分享了一份由 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。
Hugging Face 博主用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型画水彩的思路，模型通过 p5.brush 写出约 150 行 JavaScript 作画，全部数据集、RL 环境、训练脚本与模型均已开源。
IBM Granite 团队发布 Granite 4.2，这是其首个稠密 decoder-only 推理模型家族，包含 3B、8B、30B 三个规模，全部以 Apache 2.0 许可开源。
Multiverse Computing 发布论文《Quantization-Aware Healing: A Practical Recipe for Recovering Compressed, 4-Bit LLMs》，提出 QAH 方法：在结构压缩并量化后，直接从压缩前的原始模型蒸馏，而非从恢复出的 bfloat16 检查点蒸馏。
推荐理由：论文给出压缩加量化后从原始模型蒸馏的恢复配方，并附9项基准对比与QAT稳定性差异。
Liquid AI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 草稿模型检查点，通过投机解码在 GPU 上最高提升 3.18 倍吞吐、端侧最高 2.87 倍，且不改变输出质量。
推荐理由：Liquid AI 给出三款 LFM2.5 草稿模型的实测吞吐与函数调用延迟数据，可据此判断端侧推理的可用性。
OpenAI 预览新的 API 服务层级 Ultrafast，运行 GPT-5.6 Sol 时最高可提速 14 倍。该服务由 Cerebras 提供支持，输出速度最高可达每秒 750 个 token。
微软研究院推出 MindTopo 基准，用于评测多模态大模型在连通性、封闭、顺序、分离与打结五类拓扑关系上的推理与规划能力。测试显示，模型在静态图像识别上表现明显优于交互式规划任务，且两者均远低于人类水平；失败多发生在规划阶段而非感知阶段，模型在场景变化中会丢失结构关系或提出违反物理约束的动作。图像与视频生成仅在单帧关系可见时偶有帮助，序列任务中仍不可靠。
Google ResearchAI 评分Google Research 提出知识画像框架，用 WikiProfile 基准（2,150 条维基百科事实、每条配 10 道题）区分编码与召回，发现 Gemini-3-Pro 和 GPT-5 有 95–98% 的事实已编码，却仍无法直接召回 26–34%，即使开启思考也失败 11–12%。
OpenAI 通过启用两个 API 设置，让 GPT-5.6 在 ARC-AGI-3 基准测试中的得分提升至原来的三倍。这两个设置分别用于保留推理过程和启用压缩（compaction），在提升得分的同时也改善了效率。
Berkeley Sky Lab 与 IBM Research 将演化式 kernel 搜索框架 K-Search 扩展到 MLX 后端，通过结构化 CUDA-to-MLX 翻译层把已有 CUDA kernel 知识迁移到 Apple Silicon。
OpenAI 发布文章说明 GPT-5.6 如何在前沿智能与效率之间取得平衡，称其在模型、推理和智能体工作流上提升了 AI 效率，让每美元能获得更多有用智能。原文未给出具体性能数字或版本细节。
推荐理由：原文说明 GPT-5.6 在模型、推理与智能体工作流上提升效率，读者可据此了解其单位成本下的能力取向。
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的交互摘要隔离为自然语言"信念状态"并加以监督评分，替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上，采用重建式信念评分的 ABBEL-rec-BG 将自摘要模型与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 数也低于全上下文设置。
在 AppWorld Test Challenge 的 417 个任务上，同一 CodeAct 智能体下 Claude Sonnet 4.6 总成本 79 美元（0.19 美元/任务），GPT-4.1 却要 155 美元（0.37 美元/任务），尽管后者 token 单价更低——缓存命中率才是关键。
Thinking Machines Lab 在 Hugging Face 发布多模态开源模型 Inkling，采用 decoder-only MoE 架构，975B 总参数、41B 激活参数，支持图像、音频、文本输入和 1M 上下文，训练数据为 45 万亿 token。
推荐理由：Inkling 以约 1T 参数、1M 上下文原生接收图像音频文本，并给出各推理引擎的部署配置与基准对比。
Mistral AI 发布首个具身导航模型 Robostral Navigate，这是一个 8B 模型，仅用单个普通 RGB 相机、无需 LiDAR 或深度传感器，在 R2R-CE validation unseen 上达到 76.6% 成功率，比最佳单相机方案高 9.7 个百分点，比使用深度或多相机的最佳系统高 4.5 个百分点。
推荐理由：官方给出单目 RGB 相机在 R2R-CE 上的成绩与训练方法，可对比多传感器方案的成本与效果。
Google Research精选AI 评分Google Research 提出一种将多 Token 预测（MTP）头接到已冻结的 Gemini Nano v3 模型上的架构，已在 Pixel 9 和 10 系列上线，用于 AI 通知摘要和 Proofread 等功能。
推荐理由：原文披露了冻结主干加 MTP 头的端侧推理方案，读者可了解手机端提速与省内存的具体做法。
Google ResearchAI 评分Google Research 在 COLM 2026 发表的论文揭示，推理轨迹能解锁 LLM 原本无法触及的参数化知识，即使面对 SimpleQA Verified 和 EntityQuestions 上的简单单跳事实问题。
OpenAI 用 GPT-5.5 Instant 改进 ChatGPT 的健康与养生回答，强化推理、上下文理解与表达清晰度，并引入医生参与设计的评估。该版本针对健康类问题优化，具体上线范围与参数未披露。
研究人员使用 OpenAI 的推理模型辅助诊断罕见疾病，在先前未解决的病例中识别出 18 例新诊断。
Google DeepMind精选AI 评分Google DeepMind 发布实验性开源模型 DiffusionGemma，采用文本扩散方式并行生成整块文本，在专用 GPU 上推理速度最高提升 4 倍。
推荐理由：官方给出 26B MoE 文本扩散模型的速度数据与硬件门槛，可据此判断本地交互式推理的可行边界。
Google DeepMind精选AI 评分Google DeepMind 发布 Gemma 4 12B，定位为可在笔记本本地运行的多模态模型，介于边缘端 E4B 与 26B MoE 之间，是首个支持原生音频输入的中等规模 Gemma 模型。
推荐理由：Gemma 4 12B 用无编码器架构把视觉和音频直接接入 LLM，并给出 16GB 显存本地运行的边界。
NVIDIA 发布 Nemotron 3.5 Content Safety，基于 Gemma 3 4B IT 微调，把多模态输入、多语言覆盖、自定义企业策略执行和可审计推理统一到一次推理调用中。
推荐理由：NVIDIA 把多模态、多语言、自定义策略与可审计推理合并进一次推理调用，并公开训练数据集。
OpenAI 为 GPT-Rosalind 推出新能力，面向生命科学研究，增强生物推理、药物化学专长、基因组分析与实验工作流能力。
推荐理由：OpenAI 公布 GPT-Rosalind 在生物推理、药物化学与基因组分析上的能力扩展，读者可据此了解该模型在生命科学场景的定位。
OpenAI 表示其模型解决了有 80 年历史的单位距离问题，推翻离散几何中的一个重要猜想，被视为 AI 驱动数学的一个里程碑。
推荐理由：OpenAI 模型推翻离散几何中一个长期猜想，读者可了解 AI 在数学证明上的进展。
Hugging Face 详解如何在连续批处理中引入异步化，把 CPU 批次准备与 GPU 批次计算解耦并行执行。同步批处理下 CPU 与 GPU 轮流工作，用 8B 模型、batch size 32 生成 8K tokens 耗时 300.6 秒，其中 24.0% 时间 GPU 处于空闲等待 CPU。
伯克利 AI 研究团队梳理了并行推理领域进展，重点分析自适应并行推理——让模型自行决定何时分解并并行化独立子任务、生成多少并发线程以及如何协调。现有方法如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink、Hogwild! Inference 的并行结构多由外部设定，而非模型自主选择。
PipelineRL 在 vLLM V0 到 V1 迁移中通过四项修复让 V1 与 V0 参考轨迹对齐：启用 processed_logprobs、显式关闭 prefix caching 与 async scheduling、匹配 inflight 权重更新路径，以及最终投影使用 fp32 lm_head。
DeepSeek 发布 V4，两个 MoE 检查点上线 Hub：DeepSeek-V4-Pro 为 1.6T 总参数、49B 激活，DeepSeek-V4-Flash 为 284B 总参数、13B 激活，均支持 1M token 上下文窗口。
推荐理由：DeepSeek-V4 把长上下文推理成本压到 V3.2 的一成量级，读者可据此判断智能体长任务工作流的可行性。
Google ResearchAI 评分Google Research 在 ICLR 论文中提出智能体记忆框架 ReasoningBank，从成功与失败经验中蒸馏高层推理模式，实现测试时自我进化。