Google DeepMind 发布 Gemini 3 Flash，旨在以更低成本和更高速度提供接近 Pro 级别的前沿智能。该模型在 GPQA Diamond 得分 90.4%，SWE-bench Verified 得分 78%，比 Gemini 2.5 Pro 快 3 倍且平均少用 30% token。
推荐理由：原文给出了 Gemini 3 Flash 在多项基准测试中的具体分数、定价及与上一代模型的性能对比，读者可据此评估其在速度与成本平衡上的实际竞争力。
Google Research 推出名为 Paper Assistant Tool (PAT) 的实验性工具，利用 Gemini 2.5 Deep Think 为 STOC 2026 的理论计算机科学论文提供提交前的自动反馈。
推荐理由：原文披露了基于 Gemini 2.5 Deep Think 的 Paper Assistant Tool 在 STOC 2026 的实验数据，展示了 AI 辅助理论计算机科学论文预审核的实际效果与用户反馈。
Intel AI Software Group 推出 DeepMath，这是一个基于 Qwen3-4B Thinking 并通过 GRPO 微调的轻量级数学推理智能体。该模型利用 smolagents 库生成简短 Python 代码片段并在沙箱中执行，将输出长度减少高达 66% 的同时提升准确率。
Mistral AI 正式推出下一代模型家族 Mistral 3，包括 Mistral Large 3（41B 激活/675B 总参数的稀疏 MoE）以及 Ministral 3 系列（3B、8B、14B 密集模型）。
推荐理由：官方发布了包含稀疏 MoE 大模型和密集小模型的 Mistral 3 系列，全部采用 Apache 2.0 协议开源并支持多模态与推理能力。
ServiceNow AI 团队发布 Apriel-H1 系列模型，成功将 15B 全注意力推理模型蒸馏为 Mamba 混合架构，在保持推理质量的同时实现 2.1 倍吞吐量提升。
推荐理由：揭示了蒸馏推理模型时选择高质量推理轨迹而非预训练数据的关键洞察，并提供了可复现的分阶段混合架构转换方法。
Google DeepMind 正式发布 Gemini 3 系列模型，其中 Gemini 3 Pro 已在 Google 搜索、Gemini App 及开发者平台上线。
推荐理由：原文披露了 Gemini 3 Pro 在多项基准测试中的具体分数及 Deep Think 模式的性能提升，并介绍了配套的 Antigravity 开发平台，为评估其实际能力边界提供了量化依据。
Hugging Face 在 Intel® Core™ Ultra 上通过 OpenVINO.GenAI 实现 Qwen3-8B 推理加速，结合投机解码与深度剪枝技术将速度提升约 1.4×。该方法使用剪枝后的 Qwen3-0.6B 作为草稿模型，配合 🤗 smolagents 框架支持本地 AI Agent 高效运行工具调用与多步推理任务。
WRITER 推出 Palmyra-mini 系列三款开源轻量模型，参数规模在 1.5B 至 1.7B 之间。其中 palmyra-mini-thinking-a 在 GSM8K 基准测试中达到 82.87% 准确率，palmyra-mini-thinking-b 在 AMC23 上得分 92.5%。
Hugging Face 开源 Kimina-Prover-RL 训练管线，基于 DeepSeek-R1 范式与 Verl 框架实现 Lean 4 定理证明。配套发布的 AI-MO/Kimina-Prover-RL-1.7B 在 MiniF2F 基准 Pass@32 达 76.63%，0.6B 版本达 71.30%，均创同尺寸开源模型新纪录。
Arm 宣布即将发布的 ExecuTorch 0.7 beta 将默认启用 KleidiAI，旨在为基于 Arm CPU 的设备提供自动加速。该版本利用自 2015 年起广泛支持的 SDOT 指令优化 Int4 矩阵乘法，使 Llama 3.2 等大语言模型能在包括 Raspberry Pi 5 和旧款 Android 手机在内的约 30 亿台设备上高效运行。
Hugging Face 发布基于 25 款 Infocom 经典游戏的 TextQuests 基准，测试 LLM 作为自主智能体的长上下文推理与探索学习能力。评测显示，当上下文超过 100K tokens 时，前沿模型常出现幻觉、动作重复及空间导航失败（如 Zork I 迷宫），难以有效构建心理地图。
OpenAI 发布了名为 GPT OSS 的开源权重模型家族，包含 gpt-oss-120b 和 gpt-oss-20b 两个混合专家（MoE）模型，均采用 MXFP4 量化并遵循 Apache 2.0 许可证。
推荐理由：原文详细说明了 GPT OSS 的架构特性、量化方案及在主流框架下的本地部署与微调方法，为开发者提供了从云端 API 到端侧运行的完整技术路径。
Numina 与 Kimi Team 联合发布基于 Qwen2.5-72B 训练的 Kimina-Prover-72B 及两个蒸馏版本（8B/1.7B），在 miniF2F 基准上达到 92.2% 的 pass@1024 通过率。
Hugging Face 推出完全开源的 3B 参数模型 SmolLM3，包含 Base 和 Instruct/Reasoning 版本，支持英语、法语等 6 种语言及最高 128k 上下文窗口。
推荐理由：Hugging Face 发布了 SmolLM3 及其完整训练配方，展示了在 3B 规模下通过公开数据实现长上下文和双模式推理的工程路径。
Mistral AI 发布其首个推理模型 Magistral，分为开源的 Magistral Small（24B 参数）和企业版 Magistral Medium。
推荐理由：原文给出了双版本参数规模、AIME2024 具体得分及多语言原生推理特性，读者可据此评估其在专业领域与合规场景下的实际能力边界。
Hugging Face 博客通过分析 Qwen-3 的 Jinja chat template，指出其相比前代模型在架构上的四项改进。文章展示了 Qwen-3 如何通过 `enable_thinking` 标志实现可选推理，利用滚动检查点机制动态管理上下文以保留多步工具调用的思维链，优化了工具参数的序列化逻辑以避免双重转义，并移除了默认的系统提示词。
ServiceNow Research 在 Hugging Face 博客宣布开源实验性强化学习实现 PipelineRL，旨在解决大规模 LLM RL 训练中推理吞吐量与在线数据收集之间的权衡问题。
推荐理由：原文开源了通过飞行中权重更新解决 RL 训练吞吐与数据新鲜度权衡的实现，并展示了在简化算法下达到竞争性基准结果的技术细节。
Hugging Face 发布 Open R1 项目第三次更新，重点复现 DeepSeek-R1 在竞赛编程方面的能力。
推荐理由：开源了基于 R1 蒸馏的代码推理数据集与 OlympicCoder 模型，并分享了在长上下文训练中避免样本打包及使用高学习率等关键实验结论。
Open R1 项目发布 OpenR1-Math-220k 大规模数学推理数据集，该数据集在 512 块 H100 GPU 上本地生成，包含经过 Math Verify 和 Llama3.3-70B-Instruct 双重验证的 220k 条正确推理轨迹。
推荐理由：原文公开了基于本地算力生成的大规模数学推理数据集及过滤流程，并展示了通过微调复现 DeepSeek R1 蒸馏效果的具体实验数据。
Hugging Face 更新 Open-R1 项目进展，旨在复现 DeepSeek-R1 缺失的训练管线和合成数据。团队已在 MATH-500 基准上验证评估结果，并将 GRPO 集成至 TRL v0.14 以支持并行训练。
推荐理由：原文公开了复现 DeepSeek-R1 的训练管线与合成数据生成细节，提供了可参考的工程实现方案。
Hugging Face 宣布启动 Open-R1 项目，旨在系统性重建 DeepSeek-R1 的数据和训练流程。该项目计划通过蒸馏高质量推理数据集、复现纯强化学习管线以及展示多阶段训练方法，来填补官方未公开代码和数据集的空白，推动开源推理模型的发展。
推荐理由：原文详细拆解了 DeepSeek-R1 的训练配方并规划了复现路径，为社区提供了构建开源推理模型的具体方法论和数据策略参考。
Artificial Analysis 发布 Big Bench Audio 数据集，用于评估音频语言模型的推理能力。该数据集改编自 Big Bench Hard，包含 1000 个音频问题，涵盖逻辑演绎、导航和计数等类别。
推荐理由：原文通过对比不同音频处理模式，量化了原生语音模型在复杂推理任务上的性能落差，为评估语音智能体能力提供了具体基准数据。
IBM、普林斯顿大学、卡内基梅隆大学和伊利诺伊大学香槟分校联合推出 Bamba-9B，这是一款完全使用开放数据训练的混合 Mamba2 模型。在 vLLM 框架下，该模型相比标准 Transformer 实现了 2.5 倍吞吐量提升和 2 倍延迟加速。目前模型已支持 transformers、vLLM、TRL 和 llama.cpp，并公开了包含有状态数据加载器在内的训练与微调配方。
推荐理由：IBM 联合高校发布基于开放数据训练的混合 Mamba2 模型，提供显著推理效率提升及完整训练复现资源。
Hugging Face 发布技术博客，详细演示了如何从简单的整数编码逐步迭代推导出当前最先进的旋转位置编码（RoPE）。文章分析了正弦位置编码的局限性，解释了为何在自注意力机制中采用乘法而非加法来保留语义信息，并展示了 RoPE 如何通过旋转矩阵实现相对位置的高效编码及向多维数据的扩展。
BAAI 发布首个多语言 LLM 辩论竞技场 FlagEval-Debate，支持中、英、阿、韩四种语言。该平台引入真实的多模型对抗机制，结合专家评审与用户投票双重指标，旨在解决传统静态评估缺乏区分度及孤立生成导致的偏见问题。开发者可自定义参数策略以优化模型在辩论场景下的推理表现。
Hugging Face 博客深入解析了 LayerSkip 提出的自推测解码技术，该方法利用大语言模型的早期层生成草稿 token，并由深层进行验证，从而加速文本生成并节省内存。
Intel Labs 和 Hugging Face 共同开发了 Universal Assisted Generation (UAG)，该方法扩展了辅助生成技术，使其能够使用来自任何模型家族的小型语言模型作为助手。
Mistral AI 在 Mistral 7B 发布一周年之际推出两款新模型 Ministral 3B 和 Ministral 8B，旨在优化设备端和边缘计算场景。
推荐理由：官方公布了两款小参数模型的基准表现与定价，为边缘计算场景提供了具体的选型参考。
Hugging Face 团队分享了复现 Google Infini-attention 的实验结果，发现随着内存压缩次数增加，模型在长上下文任务中的性能显著下降且不可靠。
推荐理由：作者详细记录了复现Infini-attention的调试过程与失败原因，揭示了长上下文扩展中压缩记忆的性能瓶颈及收敛难点。
Mistral AI 正式发布新一代大模型 Mistral Large 2，拥有 1230 亿参数并支持 128k 上下文窗口。该模型针对单节点推理优化，在多语言处理、代码生成及逻辑推理方面性能显著提升，并在 MMLU 等基准测试中达到新的高度。
推荐理由：官方公布 Mistral Large 2 的架构参数、多语言支持及在主流基准测试中的性能表现，为评估其成本效益和实际部署能力提供直接依据。
Mistral AI 推出 Mathstral，该模型基于 Mistral 7B 构建，专攻 STEM 领域复杂逻辑推理。Mathstral 在 MATH 基准测试中得分 56.6%，MMLU 得分 63.47%；结合多数投票机制后，MATH 分数提升至 68.37%。
Mistral AI 发布了 Codestral Mamba，这是继 Mixtral 系列后探索新架构的又一成果。该模型由 Albert Gu 和 Tri Dao 协助设计，利用 Mamba 架构实现线性时间推理和无限长度序列建模的理论能力。
推荐理由：Mistral AI 发布了基于 Mamba 架构的 Codestral Mamba，该模型在代码生成和推理能力上可与 SOTA Transformer 模型媲美，且支持线性时间推理。
Numina 与 Hugging Face 联合团队凭借 NuminaMath 7B TIR 模型赢得首届 AI 数学奥林匹克（AIMO）进步奖，在私有测试集上解出 29/50 道题。
Hugging Face 在 Transformers 库中推出了 KV Cache 量化功能，通过降低键值缓存的精度来显著减少长文本生成的内存占用。该功能支持 int2、int4 和 int8 精度，其中 int4 量化在几乎不损失模型质量的情况下可实现约 2.5 倍的显存节省。
Hugging Face 发布 Open Chain of Thought Leaderboard，通过计算准确率增益（Δ = CoT准确率 - 无CoT准确率）评估LLM生成思维链的能力。该榜单基于LogiQA和LSAT等AGIEval任务，采用Classic与Reflect两种提示策略生成推理轨迹，旨在更稳健地衡量模型推理效能并抵抗训练数据污染。
Mistral AI 发布最新开源模型 Mixtral 8x22B，采用稀疏混合专家（SMoE）架构，总参数 141B 但仅激活 39B。该模型支持英法意德西五种语言，具备函数调用能力，拥有 64K tokens 上下文窗口，并以最宽松的 Apache 2.0 许可证发布。在 MMLU、HumanEval 等基准测试中，其性能超越其他开源权重模型，且推理速度优于任何稠密 70B 模型。
推荐理由：官方详细披露了 Mixtral 8x22B 的稀疏激活参数、多语言基准表现及 Apache 2.0 许可，为评估其成本效率与开源价值提供了一手数据。
Hugging Face 推出 NPHardEval 排行榜，利用密歇根大学等研发的基准测试大语言模型推理能力。该基准包含900道算法题，涵盖P、NP-complete及NP-hard复杂度类，并每月动态更新以防止过拟合。实验显示GPT 4 Turbo整体表现最佳，Claude 2在NP-complete问题上领先，Yi-34b等开源模型亦具竞争力。
Hugging Face 博客展示如何利用推测解码（Speculative Decoding）将 Whisper 模型的推理速度提升约 2 倍，同时保证输出结果与原模型完全一致。文章详细给出了使用 Distil-Whisper 或 Whisper tiny 作为辅助模型的技术实现代码、英语及多语言场景下的基准测试结果，并说明了选择辅助模型和控制批次大小等优化策略。
推荐理由：原文提供了在 Hugging Face Transformers 中利用辅助模型实现 Whisper 推理加速的具体代码与基准测试数据，展示了无损提速的工程落地路径。
Hugging Face 发布博客详细解析混合专家模型（MoE），涵盖其稀疏性机制、负载均衡策略及在 Transformer 中的应用。文章对比了 Switch Transformers 等经典工作，探讨了 MoE 在预训练效率、微调稳定性及显存占用方面的权衡，并介绍了专家并行、容量因子优化及量化蒸馏等工程落地技术。
Hugging Face 宣布其 Transformers 库和 Text Generation Inference (TGI) 现已原生支持 AMD Instinct MI250 等 GPU，用户无需修改代码即可在 AMD 硬件上运行大语言模型。
推荐理由：原文展示了 AMD GPU 在无需修改代码的情况下运行 Hugging Face 模型的能力，并提供了与 NVIDIA A100 对比的性能基准数据。