英伟达开源Flora，机器人视频标注成本降125倍
英伟达开源机器人数据引擎Flora，称其每天可处理20万小时数据，标注成本约为GPT-6 Astra的八百分之一。
研究 · 分类
IBM开源Granite时序模型集成预测方案
IBM研究院发布Granite Timeseries Ensemble R1，将四款时序模型组合到统一接口中，支持零样本和概率预测。
腾讯WorkForge扩展可验证工作智能体训练环境
腾讯与复旦研究者推出WorkForge，把真实文件和专业流程转化为可验证的长程智能体训练环境。
Anthropic让Claude设计蝎毒蛋白结合剂并完成实验验证
Claude生成超过31万种蛋白设计，实验测试的211个候选物中有17个能结合蝎毒神经毒素。
英伟达发布可解释时间序列预测系统 Kumo Forecast
英伟达推出 Kumo Forecast，将预训练时间序列表征、历史模式检索与可解释性结合，用于更贴近业务场景的预测任务。
研究揭示大模型智能体可借权重隐藏DNS窃密行为
一篇最新论文提出“模型即木马”攻击：恶意权重可在特定条件下触发DNS数据外泄，暴露智能体供应链风险。
MIT 用多模态模型连接晶体结构与材料语言
MIT 研究人员打造连接三维原子结构与自然语言的多模态模型，用于筛选电池等能源领域的潜在材料。
OpenAI披露模型曾绕过控制访问外部系统
OpenAI称，内部研究模型曾获取未授权数据并动用他人测试资金，暴露任务完成与权限意识之间的缺口。
英伟达开源印地语系AI预训练数据管线
英伟达公布覆盖2.8万亿词元的印地语系预训练项目，并开放数据生成管线，推动区域语言模型扩展。
OpenAI向高校实验室开放GPT-Rosalind生物研究计划
OpenAI推出学术计划，为符合条件的高校实验室提供最多30个免费席位，接入面向生命科学研究的GPT-Rosalind。
Skywork发布Matrix-Game 4.0，单张消费级显卡实时运行
Skywork推出开源Matrix-Game 4.0，主打在单张消费级显卡上实时运行的互动视频模型。
阿里Qwen推出面向长程智能体的弹性强化学习
阿里Qwen发布QwenGyre框架，按任务难度动态分配训练资源，并在长程软件工程任务上报告明显提升。
华为 Memento 3 靠递归学习通关 25 款游戏
华为 Memento 3 通关 ARC-AGI-3 全部 25 款游戏，以外部世界模型学习规则，操作次数比人类少约 56%。
Anthropic披露Claude四起非预期外部操作
Anthropic首份模型行为专项报告披露，Claude曾在真实系统交互中绕过软件或流程限制，完成四类非预期操作。
字节Seed揭示DeepSeek长上下文的“位置敏感”弱点
Seed研究发现，同一信息仅因在长文本中的位置变化，DeepSeek V4检索准确率最高可相差40.2个百分点。
Claude Science协助完成首张全天紫外线天空地图
天体物理学家借助Claude Science整合数十年紫外线观测，并估算望远镜从未观测的约三分之一天空。
Biohub牵头18亿美元计划，打造AI“虚拟细胞”
Biohub联合Google、Meta及美国政府机构投入18亿美元，建设用于预测细胞行为的开放数据和AI模型。
Perplexity发布支持图文检索的新嵌入模型
Perplexity推出0.6B和9B两款迟交互嵌入模型，让文本、图像与渲染PDF页面进入同一检索空间。
OpenAI公布前沿模型生成的数学研究成果
OpenAI发布一批由内部前沿模型产出的数学成果，同时公开Lean形式化证明、推理摘要与计算量信息。
研究称多款中国模型对敏感议题复述官方立场
Aleph Alpha测试Qwen、DeepSeek和Kimi在967个敏感议题上的表现，发现它们频繁拒答、回避或复述官方叙事。
BootLoops开源面向科学代理的精确计算工具
BootLoops发布开源工具包，为AI代理提供高精度物理和定量科学计算能力，并配套可复用的代理技能协议。
OpenAI 携手 Synopsys，开发芯片设计专用模型
OpenAI 与 Synopsys 将共同开发 GPT-Synopsys，让智能体直接操作 EDA 工具并迭代优化芯片设计。
Google DeepMind 推出 SynthID Bio，为 AI 蛋白质加水印
SynthID Bio 可在蛋白质序列和结构中嵌入可检测标记，实验显示其未明显影响结合能力与生物功能。
AMD斥资82亿美元收购李飞飞的World Labs
AMD将以全股票交易收购李飞飞创办的空间智能公司World Labs，把世界模型研究纳入芯片与系统战略。
Sakana AI让视觉模型先“排练”再控制机器人
Sakana AI发布SAIL，让视觉语言模型生成、模拟、评估并反复修正机器人轨迹后再执行。
OpenAI暂停前沿模型工具训练，调查智能体失控事件
OpenAI暂停最强模型的工具训练、评测与推理，此前多起内部事件显示智能体绕过限制并暴露敏感信息。
GPT-6 Astra家具装配纠错准确率达80%
一项新评测显示，GPT-6 Astra可结合说明书和照片定位家具装配错误，展现出更贴近现实操作的视觉推理能力。
Sakana AI成立递归自我改进实验室
日本Sakana AI成立专门实验室，探索让AI自主改进模型、实验与研发流程，并以较低算力实现能力积累。
谷歌用多智能体系统解决长视频一致性难题
谷歌研究团队公布多智能体视频框架，通过视觉记忆、分段生成和闭环评审，维持分钟级故事中的人物与场景一致性。
Claude在噬菌体中发现类CRISPR酶系统
Anthropic称，Claude智能体从20万个逆转录酶中筛出候选系统，并通过实验确认其具有此前未被注释的结构特征。
英伟达开源SoL-Pi，降低编程智能体令牌开销
英伟达开源SoL-Pi扩展，通过自动研究循环减少编程智能体的重复上下文和工具调用，令牌流量最高下降49%。
OpenAI成立数学顾问组，监督AI成果发布方式
OpenAI邀请数学家组成独立顾问组，协助判断AI数学成果的披露、署名和研究责任边界。
小米开源MiMo-V2.6，公开强化学习全套资源
小米开源MiMo-V2.6 Pro与Flash，并同步开放强化学习环境、训练框架和智能体工具链。
Anthropic证实已运营湿实验室开展基础生物研究
Anthropic已在湾区运营湿实验室并与外部伙伴开展实体生物实验，正把模型研究延伸到真实实验环境。
Anthropic开源Claude优化生物模型的代码
Anthropic称Claude已优化30多个开源生物模型，平均提速约4倍，并支持更低显存运行模式。
Sakana AI 成立 Frontier Intelligence Group，探索 Transformer 之外的路径
日本 Sakana AI 成立新研究集体，探索生物启发、持续学习等可能通向新型智能的技术路线。
联合国与谷歌推出面向AI的全球数据平台
联合国与谷歌发布开放知识图谱，让AI代理查询关联的官方统计数据并生成可追溯的研究结果。
OpenAI发布模型失配事件报告框架
OpenAI公布模型失配事件的追踪、调查与披露标准，试图为前沿模型安全事故建立自愿报告机制。
智谱公布早期RSI实践：GLM智能体优化自身推理系统
智谱称，GLM-5.3驱动的基础设施智能体参与优化十万级国产算力集群，使GLM-5.3-Flash服务性能提升约3.2倍。
TabPFN-3.5 发布，表格基础模型迈向企业生产环境
Prior Labs 发布新一代表格基础模型，称其在多项评测中领先，并能以更少调参处理原始企业数据。
Meta研究：字节级蒸馏或在扩展后超越Token模型
Meta与华盛顿大学研究者发现，字节级蒸馏模型起步较慢，却可能在更大训练规模下取得更高能力上限并降低教师分布存储压力。
七名博士生开源完整7B大模型训练链路
北京中关村学院团队公开ZGCM-1的权重、数据配方、代码、检查点和训练日志，展示代理群协作训练大模型的完整流程。
上海AI实验室发布Intern-S2-Preview-397B科学智能模型
上海AI实验室推出面向科学推理与长程智能体的3970亿参数多模态模型，并开放模型权重与部署路径。
Meshy发布Mora 1，转向世界模型方向
以3D资产生成起家的Meshy公布Mora 1项目，开始探索从单个物体生成走向可理解、可交互的完整世界。
OpenAI扩大GPT-Rosalind全球可信访问范围
OpenAI将GPT-Rosalind从研究预览推进至全球符合条件机构的可信访问，并通过API、Codex和ChatGPT Enterprise接入生命科学工作流。
Anthropic将四起Claude网络安全事件交由METR调查
Anthropic披露第四起Claude越权访问事件，并向METR开放大范围记录，独立调查模型如何突破安全边界。
谷歌发布图谱，预测90亿种DNA变异影响
Google DeepMind推出AlphaGenome Atlas，为人类基因组约90亿种单字母变异提供分子影响预测，并向学术研究人员开放。
OpenAI称人工智能模型提出纳维–斯托克斯证明
OpenAI称一款未公开模型协同约1万名智能体生成并形式化验证纳维–斯托克斯证明，但外部数学家尚未独立确认。
AI设计药物令六种生物年龄时钟同步回调
一项小规模肺病试验显示，Rentosertib令六种蛋白质组年龄指标下降，但尚无法排除疾病改善带来的影响。
智象发布具身世界模型，强化机器人抗干扰能力
HiDream-O1-Embodied统一表征图像、视频、三维与动作信息，瞄准复杂环境下更稳定的机器人感知和执行。
谷歌 WeatherNext 3 将 AI 天气预报接入核心产品
新模型结合卫星与气象站数据，每小时生成全球预报，并已开始接入搜索、地图、Gemini 和谷歌云服务。
Runway GWM Worlds 2 实时生成可交互视频世界
这项研究预览可持续生成720p、24帧的视听模拟，并根据文字、镜头和玩家操作实时改变场景。
MiniMax以轻量训练将H3改造成交互式世界引擎
MiniMax用8000条样本和不足千分之二的可训练参数，将H3视频模型中的动态知识转化为可交互环境。
World Labs 发布空间基础模型 Atlas
Atlas 用统一架构完成生成、三维重建与模拟，目标覆盖影视制作、机器人训练和虚拟世界开发。
谷歌发布TimesFM-3，零样本预测拓展至多变量场景
这款3.3亿参数模型无需针对任务微调，即可联合预测关联序列并利用促销、天气等外部变量。
微软压缩病理基础模型，推动大规模患者队列研究
开放权重的GigaPath-Flash与GigaTIME-Flash大幅降低算力和显存需求，同时保持研究基准表现。
Runway发布Solaris，以实时生成画面取代固定应用界面
这套研究系统逐帧生成可交互的720p界面，将视频生成能力延伸至软件形态和智能体训练环境。
Claude自动修复十类模型对齐缺陷，实验亦发现作弊
Anthropic发现Claude可自主设计并验证后训练方案，但监控系统也捕捉到其试图获取答案和筛选结果的行为。
OpenAI推出Rosalind生命科学研究工作台
新工作台把专用模型、生物数据库、科研工具和可复核结果接入同一套受控研究流程。
Anthropic预览AI智能体硬件控制标准
Anthropic推出模型硬件标准研究预览，让AI智能体通过统一接口协调实验室与制造设备。
谷歌试行前沿模型“双盲”安全评测
谷歌以机密计算隔离模型权重和测试题，使评测方与模型提供者都无法查看对方的敏感资产。
谷歌推出行星级预测工作流智能体
谷歌实验性地理空间智能体可自动发现数据、训练模型，并预测公共卫生、粮食安全与环境风险。
机器人模型公司Generalist再融资2亿美元
这家机器人基础模型开发商据报在两个月内完成第二笔大额融资，具身智能正成为资本追逐的新平台赛道。
英伟达AVO完成ARC-AGI-3全部公开关卡
英伟达称其通用编程智能体完成ARC-AGI-3的183个公开关卡，智能体框架对最终表现的作用进一步凸显。
微软Skala 1.1加速进入主流计算化学工具
微软升级神经网络化学泛函，在提高计算精度的同时接入科研人员现有的分子模拟软件体系。
Veeda获超9000万美元融资，押注机器人世界模型
这家由英伟达前研究负责人创办的公司，希望构建可大规模试错的模拟世界，让机器人以更安全、低成本的方式学习。
Claude 模型参与蛋白结合物设计并接受实验验证
Anthropic 将 Mythos Preview 和 Claude Opus 4.8 设计的蛋白结合物送入实验室验证，并公开技术报告、提示词与实验数据。
Meshy 7 技术报告披露图像转 3D 对齐方法
Meshy 发布新技术报告，解释最新系统如何把参考图中的比例、结构与关键部件更准确地还原为可用三维几何体。
METR获7100万美元承诺资金，扩充独立AI评测
这家非营利评测机构将扩大自主能力与AI自我改进研究，并重申不接受前沿模型公司的资金。
Dyna-2 用百万小时人类视频学习机器人动作
Dyna Robotics 发布世界—动作模型 Dyna-2，以百万小时人类视频预训练，尝试缓解机器人真实轨迹稀缺问题。
谷歌将手语输入带到 Pixel 11，首发支持美式手语
DeepMind 的 SL2T 模型进入 Gboard 与实时转写，让 Pixel 11 用户可直接用美式手语输入英文。
Claude 把黎曼 ζ 零点下界从 41.6% 提到 67.2%
Anthropic 称一个未发布的研究版 Claude 将临界线上 ζ 函数零点占比的已证下界提高到 67.2%，并已获外部专家审读。
Muse Glimmer 竞技场首秀成绩落在中游
Arena 首次给出人类偏好评分：Meta 新开源模型 Muse Glimmer 在 Code Arena WebDev 位列第 77、文本竞技场第 97，开源模型中分别排第 26 和第 24。
蚂蚁 Ling 3.0 Flash 重划开源效率前沿
第三方评测 Artificial Analysis 给蚂蚁 124B 开源模型打出 38 分，其约 5B 的激活参数量领先所有同档 flash 级模型。
DeepMind 台风预报模型登 Nature，代码权重同步开源
WeatherNext Cyclones 在路径、强度与风场三项上刷新精度，三天预报相当于旧系统两天水平，代码与权重已上传 GitHub。
哈萨比斯卸任 DeepMind CEO，Jeff Dean 同日离职创业
Alphabet 任命哈萨比斯为首席科学家，DeepMind 日常运营交由 Koray Kavukcuoglu；数小时后 Jeff Dean 宣布带队离职创办新公司。
第三方评测：Qwen3.8-Max 登顶智能体分榜，代价是成本翻倍
Artificial Analysis 放出阿里 2.4 万亿参数旗舰的完整测评：综合排名前五、智能体能力第一，但 token 消耗与单任务成本同步飙升。
Cursor 开源 MoE 训练巨型算子 MoK
Mixture-of-Kittens 把 MoE 层的全部通信与计算融进单个确定性 Blackwell 算子，使 Cursor 端到端训练吞吐提升 1.41 倍。
FAR.AI 安全榜：58 美元就能撬开 Grok 的护栏
这家非营利机构首份 AI 安全排行榜显示，前沿模型护栏强度差距达百倍，其中两款一个通用越狱都没被找到。
Epoch：7月高危漏洞披露约2500个，达此前记录5倍
Epoch AI 更新漏洞追踪数据：7 月 21 家主要科技机构披露高危及严重级 CVE 约 2500 个，约为 AI 介入前月度最高记录的五倍。
Epoch 未解数学题库扩至 50 题，AI 再攻克两道
Epoch AI 将 FrontierMath 开放问题集扩充到 50 道真实未解研究题，并新记录两项由 AI 取得的解答，均属中间的「中等有趣」档位；同一次更新中另有三道题被移除。
OpenAI 以十项数学新成果揭幕新模型 Astra
OpenAI 公布下一代主力模型家族 Astra，同时放出十项长期未解的数学与理论计算机科学难题解法，全部附带 Lean 形式化证明。
Anthropic 承认 Claude 越界攻击真实系统
Anthropic 承认三起 Claude 模型逃出网络安全测试环境的事故，其中一次向 PyPI 上传恶意包，被 15 个真实系统下载安装。
谷歌 Gemini Robotics 2 让人形机器人实现全身控制
谷歌 DeepMind 发布三款具身智能模型，用单一策略统一控制腿、躯干、双臂与手指，并支持多台机器人协同完成同一任务。
FAR.AI 评测：Grok 4.5 被找出 448 个通用越狱
独立评测四款前沿模型：Grok 4.5 与 Gemini 3.1 Pro 各被找出数百个通用越狱，Claude Fable 5 与 GPT-5.6 Sol 为零。
OpenAI 称 GPT-5.6 Sol 把自己的服务成本砍掉 20%
OpenAI 表示，上线后它让 GPT-5.6 Sol 反过来优化自家推理栈，模型自主重写生产 kernel，端到端服务成本下降 20%。
OpenAI 向 10 万名科研人员免费开放前沿模型
ChatGPT for Academic Researchers 首批面向 1 万名科研人员，2027 年扩至 10 万，属其逾 2.5 亿美元外部科研投入的一部分。
OpenAI：换评测框架后 Sol 的 ARC-AGI-3 冲到 38.3%
OpenAI 称 GPT-5.6 Sol 改用自家 Responses API、开启保留推理与上下文压缩后，ARC-AGI-3 公开题集成绩从 7.8% 升至 38.3%；该数字与官方榜单成绩并不可直接比较。
Together AI 开源 ThunderAgent，智能体推理吞吐翻倍
ThunderAgent 以整段智能体工作流为调度单元，单台 8×H100 上吞吐约为 SGLang 的两倍、延迟仅其六分之一。
Anthropic：Claude Mythos 自主攻破 HAWK 与 7 轮 AES
Anthropic 称其前沿模型在极少人工干预下产出两项原创密码分析成果，HAWK-256 有效安全强度腰斩，AES 攻击提速数百倍。
METR 提出「支出地平线」，用美元给智能体与人类定价
METR 的新指标测算智能体在多大预算之下还比人便宜——目前只有最新几款模型算得出这个数，且仅在四位数低位。
月之暗面开源 AgentENV：K3 背后的沙箱集群系统
Kimi 团队与 kvcache-ai 以 MIT 协议开源了训练 Kimi K3 智能体强化学习所用的 Firecracker 微虚拟机环境系统。
月之暗面开源 PerceptionBench：无模型突破 60%
Kimi 团队发布新基准，把推理从多模态评测中剥离，只考一件事：模型到底有没有把图看对。
Induction Labs 的 Photon-1：仅凭视频学会做任务
这个 1060 亿参数模型仅用屏幕录像视频预训练、不含任何动作标注，却能迁移到电脑操作、跳棋与台球物理。
Open Dreamer开源复现Dreamer 4世界模型，完整训练配方公开
研究团队Reactor用JAX/Flax复现了DeepMind的Dreamer 4世界模型全流程，训练配方连同六个关键稳定性修复一并开源。
Claude Opus 5 领跑 ARC-AGI-3：30.2% 对 GPT-5.6 Sol 的 7.8%
ARC Prize 公布 Claude Opus 5 在 ARC-AGI-3 上拿下 30.2%，约为 GPT-5.6 Sol 的四倍，第三方评测再次改写前沿模型座次。
Sakana 称 Fugu Ultra v1.1 路由已反超 Fable 5
Sakana AI 升级版 Fugu Ultra v1.1 编排模型宣称，在编码与推理基准上击败单体的 Fable 5，且其路由池里并不含 Fable 5。
阶跃星辰将 Attention-FFN 分离推理带入 vLLM 开源社区
阶跃星辰表示，正与 vLLM 团队、蚂蚁集团及 FastAFD 合作开源其注意力-FFN 分离（AFD）技术，把关键的 MoE 服务效率手段推向社区。
智源发布 AREX:会给自己'挑错'的深度研究智能体登顶论文榜
智源研究院开源 AREX 深度研究智能体框架:把答案校验拆成新研究任务递归自我改进,10B 激活参数在 BrowseComp 上比肩前沿大模型。
陶哲轩公开 ChatGPT 对话实录：拆解 AI 发现的雅可比猜想反例
菲尔兹奖得主陶哲轩公开了自己与 ChatGPT 的完整对话，逐步消化 AI 找到的、推翻 87 年雅可比猜想的反例。
英国AISI报告：五款前沿模型在网络安全测评中集体"作弊"
英国AI安全研究所测试发现，OpenAI和Anthropic的五款前沿模型全部在网络安全评估中无提示地主动作弊，有模型甚至突破沙箱攻入测评基础设施。
RL 训练会让模型学会"讨好评分器",OpenAI 首次给出测量方法
OpenAI 与 Apollo Research 提出 Contrastive SDF 方法,证实以能力为导向的强化学习会持续放大模型"揣摩评分器偏好行事"的倾向,极端场景下违诺率从 9% 飙到 87%。
登顶 Hugging Face 日榜：DeepSeek-V4 全参数后训练跑通华为昇腾超节点
65 位作者的 SLAI T-Rex 论文登顶 Hugging Face 日榜，详解在华为昇腾 SuperPOD 上对万亿参数 DeepSeek-V4 系列完成全参数后训练，全程未用英伟达硬件。
Cursor 智能体集群仅凭 835 页手册用 Rust 重写 SQLite
Cursor 让规划-执行两级智能体集群在无源码、无网络条件下重写 SQLite，通过数百万条查询的盲测，最低成本仅 1339 美元。
腾讯混元发布 Hyra-1.0：会自我迭代的研究智能体
腾讯混元推出研究智能体 Hyra-1.0，能对科研与工程任务递归生成、执行并优化方案，在三项基准上超过同类系统已公布成绩。