IBM 发布 Granite 4.2 推理模型家族，包含 3B、8B、30B 三个尺寸，均基于 Granite-4.1 基座模型后训练而来，采用多阶段强化学习流水线，其中 8B 和 30B 额外经过智能体强化学习，可在真实沙箱环境中调用工具、编辑代码、操作终端和搜索网页。所有模型均支持思考与非思考模式切换、低努力思考模式及原生工具调用，以 Apache 2.0 协议开源。
推荐理由：IBM 官方详解 Granite 4.2 推理模型家族的构建过程，读者可借此了解其多阶段强化学习与智能体训练的具体做法。
Multiverse Computing 发布论文《Quantization-Aware Healing》，提出从压缩前原模型直接蒸馏的修复方法，应用于 GPT-OSS 120B 压缩至 60B 并量化到 MXFP4 后，在 7/9 基准上超越其 bfloat16 版本，其中长上下文推理 +7.4、数学 +5.6。
推荐理由：论文提出从压缩前原模型蒸馏的修复方法，让 4-bit 模型在多数基准上反超自身 bfloat16 版本，并对比了与 QAT 的稳定性差异。
Gradio 发布内置的 gr.Workflow，让用户把多步 AI 流程描述为类型化节点图，Gradio 会提供可拖拽画布，每个节点可运行且中间结果可见。同一张图同时是 REST API，并支持一键部署到 Hugging Face Spaces。文中给出图像编辑、媒体工作室、并行生成、数据集分析等可复制的示例 Space。
推荐理由：原文展示了把多步 AI 流程变成可视化画布、REST API 和一键部署的具体用法，读者可据此判断它能否简化自己的管线搭建。
Mistral 宣布与 HUMAIN 达成战略合作，聚焦 AI 基础设施、先进模型开发及解决方案部署，初期重点涵盖网络安全和语音领域，并计划开发在阿拉伯语上表现优异的前沿模型。双方合作金额达数亿欧元，Mistral 将探索使用 HUMAIN 的数据中心基础设施，并联合制定面向沙特受监管行业的市场策略，以满足主权 AI 需求。
Google Research 推出 Biomarker Discovery Framework，一个在人类监督下将候选生物标志物优先级排序构建为迭代研究循环的多智能体系统。
Google DeepMind 宣布与 Fenris Creations 及 EVE Universe 等游戏开发商建立新研究合作，继续以游戏推动 AI 突破。其 SIMA 2 智能体由 Gemini 驱动，能通过屏幕、自然语言指令和键鼠操作实现类人游戏水平，无需 API 或源码访问。此前 DQN、AlphaGo、AlphaZero、AlphaStar 等成果已多次推动强化学习与通用系统发展。
Google Research 提出 Mobility-Embedded POIs（ME-POIs）框架，将聚合的匿名移动模式（如到达时间、停留时长）与文本描述结合，为地点构建动态嵌入。该框架在公开基准上使访问意图预测相对提升 81.9%，价格等级分类提升 75.1%，繁忙度估计提升 24.7%。ME-POIs 通过空间多尺度传播解决数据稀疏问题，并将移动性从预测任务转为定义地点本身的输入特征。
Hugging Face 发布研究，提出三项测试量化语音识别中的基准优化现象，评估 11 个开源 ASR 模型后发现多个高分模型会复现 VoxPopuli 和 LibriSpeech 基准中的错误转录，即使音频与之矛盾或数字被静音。
推荐理由：原文用三项探针量化了语音识别模型对公开基准的拟合程度，并给出可复现的检测脚本，读者可据此判断模型真实泛化能力。
Hugging Face 在 Papers with Code 上构建了混合搜索系统，结合 PostgreSQL 全文检索与 pgvector 向量检索，并用 RRF 融合排序。
Liquid AI 发布 LFM2.5 系列三款模型的 DSpark 草稿模型检查点，通过投机解码在 GPU 上实现最高 3.18 倍吞吐提升，端侧最高 2.87 倍，且不改变输出质量。LFM2.5-2.6B 的函数调用延迟平均降低 57%，并已开源支持 llama.cpp 和 SGLang。
推荐理由：原文给出了三款草稿模型的加速数据和接入方式，读者可据此评估投机解码带来的实际收益。
微软研究院发布深度学习 DFT 泛函 Skala 1.1，训练数据量为此前版本的 2.5 倍，在 GMTKN55 基准的 55 个类别中 32 项排名第一，加权平均误差为 2.8 kcal/mol，精度超越主流全局杂化泛函。Skala 现已集成至 CP2K，并正在集成到 Psi4、FHI-aims、ORCA 和 VASP，同时推出持续更新的性能基准报告。
推荐理由：微软研究院发布 Skala 1.1，训练数据扩充 2.5 倍，并推进多款量子化学软件的集成，读者可据此评估其精度与可用性。
Mistral 发布 Agentic Search，一个多步骤检索层，让模型能搜索、导航、读取并验证复杂文档中的信息。在 FinanceBench 上，准确率从 26.7% 提升至 86%，OfficeQA Pro 上提升 45.6 个百分点；p90 延迟降低最多 39.6%，token 消耗减少三分之一。
推荐理由：官方给出了基准测试的准确率、延迟和 token 消耗数据，读者可据此判断 Agentic Search 相比传统 RAG 的实际收益。
IBM 研究团队发布 ALTK-Evolve 相关研究，探讨智能体需要多少记忆。在八款模型上的 AppWorld 评测显示，强模型适合完整指南集，弱模型适合精简核心加按任务检索，饱和模型无增益。gpt-oss-120b 用精选检索在仅增加 5% token 时提升 16.1 个百分点任务完成率，提示缓存可降低生产环境成本。
推荐理由：原文用八模型实测说明智能体记忆并非越多越好，剂量需按模型能力校准，并给出成本数据。
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，用于 ColBERT 式晚期交互检索，PyLate、Stanford-NLP ColBERT 及 colpali-engine 视觉文档检索检查点均可直接加载。
推荐理由：官方博客给出第四种模型类型 MultiVectorEncoder 的完整用法，读者可据此把 ColBERT 式检索接入现有搜索栈。
Dharma AI 构建了约束感知 GPU 分配器，并在七个基准场景中与 FIFO 调度器对比，相同硬件和负载下 GPU 利用率最高提升 33 个百分点，优先级加权输出平均提升 52%。分配器将实时推理需求视为曲线而非峰值预留，按优先级跨整个时间轴放置批处理作业，并在 1 到 2 毫秒内完成调度。文章还介绍了训练、量化等负载的专用预测器，以及 24 小时优化、每 30 到 60 分钟重跑的机制。
推荐理由：原文给出了约束感知 GPU 分配器相对 FIFO 的实测收益和实现思路，读者可据此评估调度顺序优化对集群利用率的实际影响。
Google Research 推出 PhotoScan，一个基于深度学习的研究框架，可从标准 2D 智能手机照片估算三维身体成分指标，包括体脂率（BF%）、A/G 比值和 V/S 比值。
推荐理由：原文给出了PhotoScan在体脂率、A/G和V/S比值上的误差数据，以及相比智能手表BIA和DXA的预测能力对比，读者可据此判断智能手机影像估算代谢风险的可行性。
Hugging Face 发布 2026 年夏季开源模型生态半年报告，覆盖 1 至 8 月的观察。报告指出中国实验室前沿模型规模持续领先，美国厂商则更多通过 AMD、NVIDIA 等硬件公司发布开源模型；下载与点赞反映不同信号，Qwen 以 151,448 个衍生模型成为社区基础模型，小模型占据 83% 的历史下载量，智能体首次成为 Hub 第一大用户。
推荐理由：报告用 Hub 下载、点赞与衍生模型数据拆解开源生态的结构性变化，可帮助读者理解前沿模型与基础设施之间的真实关系。
AWS 开源的 Strands Robots SDK 与 Hugging Face Storage Buckets 结合，实现从录制机器人演示、流式训练到部署策略的完整数据闭环。
推荐理由：原文演示了从录制、存储、流式训练到部署的完整数据闭环，读者可据此评估这套开源工作流是否适合自己的机器人数据采集场景。
Google DeepMind 发布 Gemini 3.7 Flash，距 3.6 Flash 仅三周，是面向编码和智能体场景的最强工作模型。
推荐理由：官方给出了编码、网页开发与知识工作场景的基准提升和半价定价，读者可据此评估升级价值。
Hugging Face 于 7 月 15 日至 8 月 2 日举办 ICML 2026 开放复现挑战赛，1221 名社区成员使用各自编码智能体复现了 2226 篇论文，占会议论文的 34%，共发布 6816 份 Trackio 日志。
推荐理由：原文给出了大规模复现实验的完整数据与具体案例，读者可以据此判断AI智能体参与科研评审的实际效果与局限。
OlmoEarth Studio 现支持计算并导出嵌入向量，用户可通过 UI 或 API 选择感兴趣区域、时间范围、编码器变体和分辨率，得到 Cloud-Optimized GeoTIFF。嵌入向量支持相似性搜索、少样本分割、变化检测和 PCA 探索等下游任务，模型权重和源码已公开。Studio 还支持监督微调（SFT）以提升性能。
推荐理由：原文给出了嵌入向量的导出方式、参数选项和下游任务示例，读者可据此判断它是否适合自己的遥感分析场景。
Microsoft Research 推出 MindTopo，一个评估多模态大模型拓扑推理能力的新基准，涵盖连通性、封闭、顺序、分离和打结五类任务，并区分静态推理与交互规划两个认知层级。
Google DeepMind 发布大规模多语种手语转文本模型 SL2T，首次将手语 AI 带入消费产品，支持在 Pixel 11 的 Gboard 和 Live Transcribe 中实现美国手语（ASL）到英语的听写。模型基于超过 10 万小时、50 多种手语数据训练，在 FLEURS-ASL 基准上取得 70 BLEURT 的零样本成绩，并采用姿态关键点而非原始视频以保护隐私。
推荐理由：原文给出了 SL2T 的训练规模、基准成绩和落地入口，读者可据此判断手语 AI 从实验室走向消费产品的实际进展。
Google Research 提出知识画像框架，将事实状态分为编码失败、召回失败等五类，并发布 WikiProfile 基准，含 2,150 条维基百科事实。
推荐理由：论文用知识画像框架区分编码与召回失败，指出前沿模型的事实错误主要来自知识难以访问而非缺失，并验证了思考机制能恢复部分已编码事实。
Google Research 推出 AMIE (Video)，基于 Gemini 和 Project Astra 构建，支持实时视频临床问诊，可感知非语言线索并引导虚拟体格检查。
推荐理由：原文呈现了 AMIE (Video) 在实时视频问诊中达到专家级水平的关键结果，读者可据此评估多模态医疗 AI 的当前能力边界。
微软研究院发布 CARE-X，一个面向胸部 X 光临床解读的统一视觉语言模型，结合生成式报告与结构化预测，并采用 DAPO 强化学习优化临床正确性。在 Chest ImaGenome 异常分类上，CARE-X 辅助头在阈值 0.5 时达到 0.943 灵敏度，在 ReXVQA 基准上以 94% 准确率排名第一。
推荐理由：原文展示了辅助监督与奖励对齐如何提升放射学视觉语言模型的临床实用性，并给出工具增强测量带来的显著性能提升。
IBM Research 在博客中介绍 ALTK-Evolve，一种让智能体从自身轨迹中学习经验并回注推理时的记忆方法，与 ACE 相比不压缩经验而是按需检索。
推荐理由：原文对比了两种智能体记忆方案的 token 开销差异，读者可据此判断按需检索相比全量注入的成本优势。
Mistral 宣布三项推进 AI 主权的新举措：区域推理端点 Mistral Regional Endpoints 正式可用，允许客户选择推理在欧洲或美国运行；Mistral Priority Tier 进入公开预览，为关键任务负载提供承诺服务级别和可用性 SLA。
推荐理由：原文给出区域端点、优先级层级和第三方开源模型接入的具体安排，读者可据此评估欧洲主权 AI 基础设施的落地路径。
NVIDIA 发布 Magpie TTS Multilingual，一款 364M 参数开放权重模型，新增现代标准阿拉伯语、韩语和巴西葡萄牙语，共支持 12 种语言。
推荐理由：原文给出了新增语言、延迟数据和开放权重细节，读者可据此判断自建语音管线的可行性与性能预期。
Multiverse Computing 发布论文《Efficient Knowledge Distillation for LLMs: Offline Top-K Logits and a Fused Chunked KL Loss》，通过缓存教师模型 top-100 logits 和融合分块 KL 损失，避免同时加载教师与学生模型，也无需物化完整的词表×序列长度矩阵。
推荐理由：原文给出了离线蒸馏和融合分块 KL 损失的实现与内存对比，读者可据此评估在单卡上做长上下文蒸馏的可行性。
Meta 今日发布 Muse Glimmer，一个从 Muse 蒸馏到 30B 参数的多模态模型，专为本地智能体场景设计，采用 Apache 2.0 许可。模型由 2B 视觉编码器和 28B 文本解码器组成，支持图像、视频输入及多模态工具调用，并附带 DFlash 投机解码加速。
推荐理由：原文给出架构细节、基准对比和本地部署路径，读者可据此评估它在端侧智能体场景的适用性。
Google DeepMind 在 Nature 发表论文并开源 WeatherNext 2 和 WeatherNext Cyclones 模型，其气旋预报精度达到 SOTA，平均比此前模型多出一天以上的提前量，相当于气象学约十年的进步。
推荐理由：原文给出了模型精度提升、开源范围和实际应用案例，读者可以据此判断该模型对气象预报领域的具体价值。
Baseten 正式成为 Hugging Face Hub 上的 Inference Provider，支持对话和文本生成任务，可访问 Kimi K3、DeepSeek V4 Flash、GLM-5.2 等开源权重模型。
Mistral 发布 Shieldstral，一个 3B 开源多模态安全审核模型，在文本安全上匹配最高 7 倍规模的模型，并在多模态审核上达到新 SOTA。它把内容审核建模为策略自适应问答，推理时用自然语言问题定义策略，无需重训即可统一审核文本和图像，返回校准的安全分数。模型以 Apache 2.0 开源，可在单张 16GB NVIDIA GPU 上运行。
推荐理由：原文给出了把内容审核建模为策略自适应问答的思路，读者可以据此判断这种免重训的审核方式是否适合自身场景。
微软研究院开源 Orchard，一个面向可扩展智能体 AI 研究的框架，核心是 Kubernetes 环境服务 Orchard Env，支持软件工程、网页导航和个人助理三类智能体，并可直接在 Codex、OpenClaw 等真实部署 harness 中训练。
推荐理由：原文给出了开源框架、三个训练配方和关键基准成绩，读者可据此判断小模型在真实部署环境中的训练路径是否可复用。
Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并以其实例化 Science One Framework 自主科研原型，配套 CoE Audit 审计指标。
推荐理由：原文给出可验证性框架与审计方法，读者可据此判断自主科研智能体输出的可信度如何被量化。
微软研究院发布 Echoverse，一套为计算机使用智能体构建的深度演化训练环境，包含十个深度领域世界和两个能力世界。用全部十二个世界训练后，9B 模型得分从 36.5% 提升到 67.1%，接近 GPT-5.4。实验表明浅层环境会拖累模型，深度环境才能迁移；强化学习相对模仿学习能进一步提升留出集表现。微软开源了其中四个世界及其代码、数据和基于数据库的评分器。
推荐理由：原文给出了深度合成环境对计算机使用智能体的训练收益，以及浅层环境反而拖累能力的对比证据，可据此判断训练数据质量与规模哪个更关键。
微软研究院发布 EvoLib 框架，让大语言模型在推理过程中从自身经验中学习，无需真值标签或外部反馈，将过往尝试转化为可复用的技能和反思性洞察。EvoLib 通过整合与动态加权机制持续精炼知识，在数学推理、代码编写和长程决策任务上优于顶级检索式记忆方法，且对任务顺序具有鲁棒性。代码和实验结果已在 GitHub 上公开。
推荐理由：原文给出了将经验转化为可复用知识的具体机制和跨任务评测结果，读者可据此判断这类记忆进化方法相对传统检索记忆的实际收益。
AI 的下一个真正瓶颈从模型智能转向算力利用率。GPU 按日历小时计成本、仅按计算小时产出，与航空业飞机停场问题同构；企业自购 GPU 后，核心问题从“能否获得加速器”变为“能否让它们保持忙碌”。即便集群满载，因基础设施须按峰值需求配置，仍可能浪费大部分算力。
Google DeepMind 发布 Gemini Robotics ER 2，这是其最强大的具身推理模型，支持视频理解、任务编排和多机器人协作，可将动作执行交给任意底层 VLA 模型。
推荐理由：原文给出了新模型的三大能力升级和公开开放入口，读者可据此判断它如何改变机器人任务编排与多机协作的开发方式。