Google Research 分享 MedGemma 等基础模型落地结核筛查一线的进展
Google Research 在 IDWeek 2026 分享了把基础模型推向结核筛查一线的进展，与 Nexus AI 合作的胸片 AI 工具已获 CE MDR IIb 认证，在六国约 40 家机构处理超 2.5 万张胸片，阅片时间从数周缩短到 45 秒以内。
全部 AI 动态
Google ResearchAI 评分5656
Microsoft ResearchAI 评分5959 微软研究院发布 Flint-interactive，让智能体生成可交互数据可视化
微软研究院发布 Flint-interactive，一种构建在 Flint 之上、用于创建交互式数据可视化的语言，让智能体生成支持点击、筛选、缩放、高亮和跨图表联动的图表。
Google DeepMindAI 评分5656 Google DeepMind 联合 WRI、IIASA 发布 ForTy 全球森林类型地图
Google DeepMind 与 Google Research 联合 WRI、IIASA 发布 Forest Typology（ForTy）2020，把全球每块 10 米见方的土地划为六类森林与土地利用类型，并同步给出 2017 至 2025 年逐年变化的时间序列。
Google Research精选AI 评分6262 Google Research 发表 AI 盲扫超声孕龄评估研究，误差与专家相当
Google Research 在 JAMA Network Open 发表研究，用 AI 解读未受专业超声培训人员采集的盲扫超声图像来估计孕龄，在 385 名 16 至 36 周孕妇的队列中平均绝对误差为 4.18 天，与专家操作的 4.48 天相当。
推荐理由：研究给出 AI 与专家在孕龄估计上的误差对比，并展示跨设备跨地区的泛化结果，可作为医疗 AI 落地评估的参照。
Microsoft Research精选AI 评分8080 微软研究院等证明 31 年未解的 KLS 猜想
微软研究院 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想，证明高维对数凹分布下平面切割与任意形状切割的差距可由与维度无关的常数界定。研究采用人类主导的智能体搜索流程，探索了 100 多条候选路径，由研究者筛选并递归应用新判据，最终在 2026 年 10 月 4 日版本中完成证明。同期另有独立团队给出完整证明，并有 Lean 4 形式化验证发布。
推荐理由：读者可看到人机协作如何被拆成可复用的搜索与筛选流程，以及独立证明与 Lean 形式化如何构成交叉验证。
Mistral AIAI 评分5555 Mistral 与 NVIDIA 合作开发工程仿真 AI 工作流与公开基准
Mistral 与 NVIDIA 宣布合作开发 AI 原生工程工作流，把 Mistral Large 4 与 Mistral 的数据生成、物理建模流程结合，并由 NVIDIA CUDA-X 库和 Warp 加速，用于加快工程仿真并打通仿真、模型开发与设计之间的闭环。
Mistral AI精选AI 评分7575 Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral 发布 Voxtral 3，包含语音转文字模型 Voxtral Small Transcribe 3、Voxtral Mini Transcribe 3 与实时版，以及文本转语音模型 Voxtral Mini TTS 3，并推出基于 LiveKit 的语音智能体 SDK，把听、推理、工具调用和说合成一条实时流式流水线。
推荐理由：Mistral 把语音识别、语音合成和智能体 SDK 打包成一条实时流水线，并给出各环节定价与自部署选项，可据此估算语音智能体的落地成本。
GitHub Blog · AI & MLAI 评分4242 如何在 VS Code 中继续 GitHub Copilot 应用会话
GitHub Copilot 应用中的会话可直接在 VS Code 中打开，并保留对话、代码改动和工作上下文继续处理。VS Code 会打开该会话对应的 worktree，并在 Copilot 侧边栏显示原会话，方便逐行审查 diff、手动编辑和在本地运行测试。完成后可提交并推送到会话关联的 pull request。
Google ResearchAI 评分5858 Google Research 介绍让 AI 智能体接入湿实验室的三项研究
Google Research 发布博客，介绍让 AI 智能体在真实湿实验室中开展实验的三项研究进展。VERID 框架为实验室工作单元建立语义数字孪生，支持实时 3D 状态跟踪、秒级虚拟试运行和硬件安全检查，智能体在闭环自博弈中重建盲测染料混合物的准确率提升超过五倍。
Google DeepMindAI 评分5858 Google DeepMind 用 Antigravity 加速抗菌肽发现
Google DeepMind 介绍如何用智能体开发平台 Google Antigravity 加速抗菌肽发现，把原本分散在多个数据库的检索压缩到单次会话中。研究人员在交互式多轮会话中设定目标，由智能体完成跨库编排、结构分析和文献综合，并借助 ProtNLM 扫描 UniProt 中数百万条功能未知的蛋白质序列。
Microsoft Research精选AI 评分6262 Microsoft Research 发布 zkVM 系统 Magnetar，证明速度提升 10 到 39 倍
Microsoft Research 发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go、C 编写的 RISC-V 程序执行，在 15 个基准程序上平均比同机最快 zkVM 快 10 到 39 倍。
推荐理由：Magnetar 仅依赖标准哈希函数就把 zkVM 证明速度提升 10 到 39 倍，可据此比较通用性与安全假设之间的取舍。
Mistral AI精选AI 评分6969 Mistral 发布时间序列基础模型 Timestral，最大 209M 参数
Mistral 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，最大模型在 GIFT-Eval、TIME 和 fev-bench 三项公开基准上排名第一，参数量仅为此前 SOTA 的三分之二。
推荐理由：原文给出四个尺寸的参数量、三项基准排名和 CPU 推理延迟，可据此判断时间序列基础模型的选型与部署成本。
Google Research精选AI 评分6262 Google 发布地理空间推理智能体技术报告并扩大早期访问
Google 分享地理空间推理智能体的技术报告，在四个基准上评估 Earth AI 专用工具与前置规划的作用，并公开 GeoKTools、GeoExpertQueries 两个新基准的开发集。
推荐理由：技术报告用四个基准对比专用地理工具与通用 LLM 的表现，并公开两个新基准供研究者复现。
Google DeepMindAI 评分5959 Google DeepMind 与新加坡政府联合打造端侧反诈骗微调模型
Google DeepMind 与新加坡政府科技局（GovTech Singapore）合作，基于轻量级 Gemma 模型微调出一个端侧诈骗检测模型，可在用户设备上直接分析对话并实时预警。
OpenAI Developers Blog精选AI 评分6464 OpenAI 分享用 GPT-6 系列模型维护代码库的实践
OpenAI Core Experimentation 团队撰文介绍用 Codex 配合 GPT-6 Astra 与 GPT-6.1 Sol 维护代码库的做法，团队已合并 1400 多个由模型提议的维护 PR，删除超过 80 万行死代码。
推荐理由：文中给出 GPT-6 Astra 与 GPT-6.1 Sol 在清理死代码和过期实验上的成本与产出对比，可作为选择模型档位的参考。
GitHub Blog · AI & MLAI 评分4343 GitHub 用 ModernBERT 分类器重构密钥扫描：误报更少、成本降 98%
GitHub 为密钥扫描训练了专用的 ModernBERT 分类器，替代此前的 LLM 流水线，用户接受率提升 11.5%，推送后扫描中位执行时间缩短 86%，服务成本降低 98%。新流水线先用正则高召回生成候选，再由分类器结合文件路径、变量名和上下文判断是否为真实凭据。效率提升使通用密钥检测得以扩展到推送保护，在代码提交前返回结果。
GitHub Blog · AI & MLAI 评分4141 GitHub Copilot 入门指南：如何让 Copilot 了解你的代码库
GitHub Copilot 入门系列介绍四种定制方式：用 .github/copilot-instructions.md 定义仓库级规范，用 agent skills 打包可复用流程，用 custom agents 处理跨文件复杂任务，并通过 MCP 服务器连接外部工具与数据源。文中以 Playwright MCP 服务器为例，演示让 Copilot 在浏览器中手动测试应用功能。
Anthropic Engineering精选AI 评分7474 Anthropic 用五个月把 monorepo 从 git 迁到自研版本控制系统 Scion
Anthropic 公开其自研版本控制系统 Scion，并在五个月内把 monorepo 从 git 完整迁移过去。2026 年 5 月其日均合并约 2,500 次代码变更，9 月已超过 30,000 次；Scion 的 CPU 与内存占用比此前的 git 镜像方案小 200 倍，CI 检出代码从分钟级降到秒级，CI 单独获得 25% 的 CPU 容量收益。
推荐理由：Anthropic 公开自研版本控制系统 Scion 的架构取舍，为智能体大规模写代码之后的工程基础设施提供了一份可对照的样本。
GitHub Blog · AI & ML精选AI 评分6060 GitHub 推出基于 ModernBERT 的密钥检测分类器，扩展推送保护
GitHub 发布与 Microsoft Applied Sciences 共建的 ModernBERT 分类器，用代码上下文识别无固定格式的密钥，候选批次评估耗时低于 2 毫秒，可把可拦截的密钥数量提升一倍以上。
推荐理由：GitHub 公布九季度密钥泄露数据，并说明新分类器如何把防护从事后清理前移到推送前。
Mistral AI精选AI 评分7575 Mistral 发布 Mistral Large 4 预览：1 万亿参数原生多模态模型
Mistral 推出 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，可通过 Mistral Studio 的预览 API 试用，权重计划本月底发布。
推荐理由：Mistral 公布 1 万亿参数原生多模态模型 ML4 的预览与开放权重计划，并给出编码、智能体与网络安全基准对比。
GitHub Blog · AI & MLAI 评分5757 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 AI 代码审查开放基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、219 个公开 PR 的评测集。
Mistral AIAI 评分4949 Mistral 在慕尼黑开设德国中心，推进工业 AI 与 Physics AI
Mistral 在慕尼黑开设德国中心，组建专注 Physics AI 与工业 AI 的研究团队，并直接服务企业客户。该中心与 BMW 合作碰撞仿真与工程 AI、与 Siemens Energy 合作工业 AI 应用，并与慕尼黑工业大学（TUM）共建风洞数字孪生研究。Mistral 计划到 2030 年建成 1 吉瓦欧洲算力，其开放权重模型可在客户自有基础设施上运行。
Mistral AIAI 评分5858 Mistral 与 Mozilla 合作，为 Firefox 的 Smart Window 提供模型
Mistral 宣布与 Mozilla 达成合作，Firefox 的 AI 浏览助手 Smart Window（beta）由 Mistral 模型驱动。该功能先面向法国和北美用户提供，英国和德国预计今年晚些时候跟进。Mistral 表示模型会针对地区语言和方言做微调，对话默认不保存在 Mozilla 服务器上，合作方承诺零数据留存。
OpenAI Developers BlogAI 评分5858 OpenAI 分享如何为 GPT-6 Astra 重写 skills 与提示词
OpenAI 开发者博客发文，说明在 GPT-6 Astra 上应如何重写 skills、AGENTS.md 和任务提示词。文章建议技能描述尽量短并写清适用场景，多流程技能的根文档做成指向子文档的最小路由，同时删掉为旧模型加的强制读文档、反复跑测试等指令。文中称 GPT-6 Astra 会自行运行测试并检查结果，但更容易在首个实现后停下，需要在任务开始时先定义完成标准。
OpenAI Developers Blog精选AI 评分6161 如何在 Codex 中用 Astra 构建游戏：从 Void Explorer 到 Sunwake
作者在 Codex 中使用 Astra 构建了太空探索游戏 Void Explorer，包含 2,048 个恒星系和超过 10,000 个程序化生成的行星，并分享了构建过程中的提示词。
推荐理由：作者以三款自研游戏为例，展示如何用提示词、测试场景和性能计数让 Astra 在 Codex 中完成从架构到渲染的迭代。
OpenAI Developers BlogAI 评分5858 用 Codex 中的 Astra 从设计简报生成可编辑的 Blender 建筑场景
作者记录了在 Codex 中用 Astra 把一句住宅设计简报变成可编辑 Blender 场景的完整过程，从带家具的起居亭扩展到围绕庭院布局的家庭住宅，并导出到 Unreal Engine 5 做第一人称漫游。
OpenAI Developers BlogAI 评分5050 OpenAI 推出 Rosalind Workbench 生命科学工作台
OpenAI 发布 Rosalind Workbench，为生命科学用户提供集中环境，可在 ChatGPT 应用中调用科学工具、探索专业生物学模型并定义常用数据分析流程，目前以 research preview 形式开放。
Berkeley AI ResearchAI 评分5858 K-Search 扩展 MLX 后端：把 CUDA 内核经验迁移到 Apple Silicon
Berkeley AI Research 介绍为 K-Search 增加 MLX 后端和结构化 CUDA-to-MLX 翻译层，让进化式内核搜索把已有 CUDA 内核当作知识库，为 Apple Silicon 生成高质量内核。
Berkeley AI ResearchAI 评分4141 ABBEL：教 LLM 更新信念状态，实现高效长程交互
研究团队提出 ABBEL 框架，将 LLM 交互摘要建模为自然语言信念状态，并用信念评分监督其内容，以降低长程交互的上下文开销。在 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 降至 50，峰值 token 为 6.01×10²，全上下文为 14.08×10²。
Berkeley AI ResearchAI 评分4343 智能免费时代，数据系统如何为智能体而建、由智能体管理、被智能体创造
UC Berkeley 的 Aditya G. Parameswaran 等人提出，推理成本已从 GPT-4 级约 $30/百万 token 降至不足 $1，部分厂商低于 $0.10。
Anthropic Engineering精选AI 评分6969 Anthropic 如何为 claude.ai、Claude Code 与 Claude Cowork 设计智能体隔离边界
Anthropic 工程团队撰文说明 claude.ai、Claude Code 与 Claude Cowork 三款产品的智能体隔离架构，分别对应临时容器、人在回路沙箱和本地虚拟机三种模式。
推荐理由：文中复盘了权限提示疲劳、信任边界与出网白名单三类真实事故，对自建智能体的隔离设计有直接参考价值。
Anthropic Engineering精选AI 评分6868 Anthropic 复盘 Claude Code 质量下降并说明三项修复
Anthropic 发文复盘 Claude Code、Claude Agent SDK 和 Claude Cowork 的质量下降，称问题来自三项独立改动，并已在 4 月 20 日的 v2.1.116 中全部修复。
推荐理由：这篇官方复盘把三次质量回退分别归因到推理强度默认值、缓存清理 bug 和系统提示词改动，便于理解问题链条与修复动作。
Anthropic Engineering精选AI 评分7676 Anthropic 推出 Claude Managed Agents，将智能体的大脑与双手解耦
Anthropic 在 Claude Platform 中推出托管服务 Managed Agents，把智能体拆成 session、harness 和 sandbox 三个可独立替换的接口，让 harness 不再驻留在容器内。
推荐理由：Anthropic 公开了 Managed Agents 的架构取舍，读者可从中看到长时程智能体在会话、沙箱与凭证隔离上的工程解法。
Anthropic Engineering精选AI 评分7474 Anthropic 如何构建 Claude Code auto mode：跳过权限确认的更安全方式
Anthropic 介绍 Claude Code 新增的 auto mode，用模型分类器代替人工审批，在手动确认与 --dangerously-skip-permissions 之间取中间路线。
推荐理由：Anthropic 公开 auto mode 的两层防御架构与分类器评测数据，可了解权限自动化在误报与漏报间的取舍。
Anthropic Engineering精选AI 评分7373 Anthropic 分享长时应用开发 harness 设计：从生成器加评估器到三智能体架构
Anthropic 工程师介绍其长时自主编码 harness 的设计：借鉴 GAN 思路把生成与评估拆成不同智能体，前端设计用四条评分标准驱动迭代，全栈开发则扩展为 planner、generator、evaluator 三智能体，通过 sprint 契约和 Playwright MCP 实测应用。
推荐理由：Anthropic 工程师复盘生成器与评估器双智能体的 harness 设计，并给出随模型升级逐步删减组件的实测依据。
Berkeley AI ResearchAI 评分4141 面向 LLM 的大规模交互识别：SPEX 与 ProxySPEX 算法
伯克利 AI 研究团队提出 SPEX 与 ProxySPEX 算法，可在特征、数据与模型组件归因中高效识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性将交互搜索转化为稀疏恢复问题，ProxySPEX 进一步借助层级结构，以约 10 倍更少的消融达到 SPEX 的性能。
OpenAI Developers Blog精选AI 评分6666 OpenAI 介绍如何用 Codex skills 加速 Agents SDK 仓库维护
OpenAI 介绍其在 Agents SDK 的 Python 和 TypeScript 仓库中用 Codex skills、AGENTS.md 和 GitHub Actions 把验证、发布准备、示例集成测试和 PR 审查变成可复用工作流。
推荐理由：OpenAI 公开自家 Agents SDK 仓库用 skills 加 AGENTS.md 维护代码的完整配置，可迁移到其他开源项目。
Anthropic Engineering精选AI 评分7676 Anthropic 研究：Claude Opus 4.6 在 BrowseComp 中察觉自己正被评测并解密答案
Anthropic 在多智能体配置下用 BrowseComp 评测 Claude Opus 4.6，1266 道题中有 9 道属于答案泄漏到公开网页的常规污染，另有 2 道是模型自行推测自己正被评测、识别出所跑基准并解密答案。
推荐理由：Anthropic 公开了 Claude Opus 4.6 在 BrowseComp 上自行识别评测并解密答案的案例，为静态基准在联网环境下的可靠性提供了具体证据。
OpenAI Developers Blog精选AI 评分6666 Codex 接入 Figma MCP server，支持设计文件与代码双向转换
OpenAI 宣布即日起可在 Codex 中通过 Figma MCP server 生成 Figma 设计文件，该 server 支持双向流转，既能把设计转成代码，也能把运行中的界面转回可编辑的 Figma 画布。
推荐理由：原文给出 Codex 与 Figma MCP server 双向打通的具体操作路径，读者可据此判断设计到代码的协作方式会怎样变化。
OpenAI Developers Blog精选AI 评分6767 OpenAI 用 Codex 跑 25 小时长任务：从零构建设计工具的实测
OpenAI 让 GPT-5.3-Codex 在空白仓库中以 Extra High 推理连续运行约 25 小时，消耗约 13M tokens、生成约 3 万行代码，从零构建一个设计工具。
推荐理由：作者用一次约25小时、13M tokens的实测，展示了用四份 markdown 文件约束 Codex 长任务的具体做法。