Mistral Large 4 多模态模型上线 Hugging Face
Mistral 推出多模态 MoE 模型 Mistral Large 4（代号 Le Chonk），总参数量约 1T、激活参数 49B，具备 1M token 上下文窗口并同步上线 Hugging Face。
#推理
Hugging Face Blog同事件AI 评分8484 Mistral AI精选AI 评分8484 Mistral AI 开源 1 万亿参数多模态模型 Mistral Large 4 权重
Mistral AI 正式开源 1 万亿参数原生多模态旗舰模型 Mistral Large 4（Le Chonk）的模型权重。该版本强化了强化学习训练，在 FrontierCode 2.0 和 Terminal-Bench 4.0 等编码与终端基准测试中位居开源模型前列，并新增 Low、Medium、High 三种推理模式以平衡性能与推理成本。
推荐理由：原文提供了各推理模式与基准表现，开发者可据此评估其在高性价比编程智能体中的落地可行性。
NVIDIA BlogAI 评分4343 欧洲金融机构借 NVIDIA 加速计算与开源模型构建专有智能
Revolut 正基于 NVIDIA 加速计算用单一基础模型 PRAGMA 重建技术栈，在 Blackwell Ultra GPU 上以 cuDF 与 Dynamo-Triton 支撑生产环境，初始服务 8000 万客户并可扩展 3 倍。
Mistral AIAI 评分4343 Mistral 与 NVIDIA 合作推进工程领域 AI
Mistral 与 NVIDIA 正合作把 Mistral Large 4 与 NVIDIA CUDA-X、Warp 及 Omniverse 结合，用于加速工程仿真并打通仿真、模型开发与设计之间的闭环工作流。
Mistral AI精选AI 评分6565 Mistral 发布时间序列基础模型 Timestral，209M 版本在三项基准居首
Mistral AI 发布首个时间序列基础模型系列 Timestral，提供 5M、28M、123M 和 209M 四个尺寸。最大的 209M 模型在 GIFT-Eval、TIME 和 fev-bench 三项公开基准的预训练零样本模型中均排名第一，参数量为前 SOTA 的三分之二。
推荐理由：原文给出了四个尺寸的参数量、三项基准排名和 CPU 推理延迟，便于横向比较时间序列基础模型的准确率与成本。
Google DeepMind精选AI 评分7777 Google DeepMind 介绍 Gemini 4 Argon 的安全与责任开发
Google DeepMind 开始广泛推送 Gemini 4 Argon，并同期扩大 Fairwind Program 的可信网络安全防御者范围。文中称 Argon 在网络安全测试中解出全部 12 个端到端模拟攻击场景（上一代为 5 个），并在生物、网络两类高风险领域启用新一代前沿防护。
推荐理由：Google 披露 Gemini 4 Argon 在网络安全与生物领域的前沿能力及对应防护设计，可了解模型能力扩张时的安全取舍。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon 机器人模型
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。
推荐理由：官方给出 Argon 在 ERQA 物理推理基准的得分，并用机器人控制、Real2Sim 等多组提示词展示能力边界。
Google DeepMind精选AI 评分9595 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业、科研人员和消费者开放，定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。
推荐理由：官方给出多领域实测与定价细节，可据此判断新模型在编码、科研和企业工作流中的具体位置。
Microsoft ResearchAI 评分3434 Microsoft 研究副总裁 Jennifer Neville 谈 AI 的失败与评估能教会我们什么
Microsoft 研究合伙人研究经理 Jennifer Neville 在 Microsoft Research Podcast 中与首席应用科学家 Chad Atalla 对谈，讨论评估如何推动当前 AI 系统突破传统基准的性能边界，以及模型在超出传统 benchmark 测试时出现的"意外失败"。她同时分享了使用当前 AI 系统的实用建议，并强调当结果出乎预期时应仔细检查数据。
Mistral AI精选AI 评分8585 Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态模型
Mistral 发布 Mistral Large 4 公开预览，可通过 Mistral Studio 试用预览 API，权重将于本月底放出。
推荐理由：官方给出 1 万亿参数、520 亿激活的开源权重路线与多项基准对手对比，便于判断开放权重阵营的位置。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon 前沿模型
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方开放，后续将面向开发者、企业和消费者推出，起步定价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由：原文给出了模型在编码迁移、网络安全和企业知识工作上的具体内部用例与基准成绩，并说明了分阶段开放的节奏。
Mistral AIAI 评分5858 Mistral 介绍用 AI 智能体迁移复杂遗留代码的实践
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 水库模拟器代码迁移到 C++，并公开了具体的智能体工作流。团队先搭建数值一致性校验框架，再用 Vibe CLI 启动上百个智能体解析调用树并整理文档，最终改为由人类操作 coder、tester、reviewer 智能体协作、按模块迁移。
Berkeley AI ResearchAI 评分5555 从 CUDA 到 MLX：K-Search 如何将内核优化经验迁移到 Apple Silicon
伯克利 Sky Lab 团队把 K-Search 内核搜索框架扩展到 Apple MLX，用结构化 CUDA-to-MLX 翻译层让已有的 CUDA 内核充当知识库，在 Apple Silicon 上生成高质量内核。
Berkeley AI ResearchAI 评分4040 智能成本趋近于零后，面向智能体的数据系统该怎么做
UC Berkeley 团队提出近零推理成本下数据系统面临的三大方向：为智能体设计（For Agents）、由智能体运行管理（Of Agents）、由智能体合成（By Agents）。
Berkeley AI ResearchAI 评分4141 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 的综述分析指出，并行推理正从固定的多线程采样与结构化搜索，走向由模型自行决定何时分解子任务、开启多少并行线程的自适应并行推理。
Berkeley AI ResearchAI 评分4242 面向世界模型的 GRASP：长时程规划的梯度优化新方法
研究者提出基于梯度的规划器 GRASP，通过将轨迹提升到虚拟状态实现跨时间并行优化、向状态迭代加入随机性以探索，并重塑梯度让动作获得清晰信号。该方法针对长时程规划中计算图病态、非贪心局部极小和高维视觉模型梯度脆弱的问题，使世界模型的长时程规划更稳健。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun、Amir Bar 合作完成。
Berkeley AI ResearchAI 评分3535 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 介绍 SPEX 与 ProxySPEX 两种算法，用于在大规模场景下识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性，把高维交互搜索转化为稀疏恢复问题，在数千特征下仍保持高 faithfulness；ProxySPEX 借助层级结构，仅用约 10x 更少的消融即可达到 SPEX 的性能。