H Company 发布 Holotron-12B 多模态计算机使用智能体
H Company 发布了新的多模态计算机使用智能体 Holotron-12B，该模型基于 NVIDIA Nemotron-Nano-2 VL 模型进行后训练，并优化了生产中的规模和性能。Holotron-12B 在推理效率方面取得了显著提升，并在多个基准测试中表现出色。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
今日 4 条
Hugging Face Blog精选AI 评分7070 OpenAI News精选AI 评分7070 OpenAI 发布 GPT-5.4 mini 和 nano
OpenAI 发布了 GPT-5.4 mini 和 nano，这是 GPT-5.4 的更小、更快的版本，针对编码、工具使用、多模态推理和高量级 API 及子代理工作负载进行了优化。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
OpenAI NewsAI 评分3535 ChatGPT 每日处理近 300 万条关于薪酬和收入的咨询，助力缩小薪酬信息差距
研究显示，美国人每天向 ChatGPT 发送近 300 万条关于薪酬和收入的咨询，帮助缩小薪酬信息差距。
Mistral AI精选AI 评分8585 Mistral Small 4 智能体功能发布
Mistral AI 发布了 Mistral Small 4，这是 Mistral Small 家族的新一代模型，集成了推理、多模态和智能编码能力，支持文本和图像输入，并优化了推理和效率。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Mistral AI精选AI 评分7070 Mistral AI 与 NVIDIA 合作加速开放前沿模型发展
Mistral AI 与 NVIDIA 合作，共同推动前沿开源模型的发展，Mistral AI 将贡献其专有训练技术、多模态能力和企业级微调工具，同时利用 NVIDIA 的计算资源、模型开发工具和合成数据生成管道。
推荐理由：Mistral AI 与 NVIDIA 合作推动前沿开源模型的发展，对 AI 社区具有重要意义，读者可以关注这一合作对 AI 技术发展的影响。
Mistral AI精选AI 评分7272 Mistral AI 发布 Leanstral：开源代码智能体
Mistral AI 发布了 Leanstral，一个针对 Lean 4 的开源代码智能体，旨在提高代码生成和验证的效率。Leanstral 在性能和成本效益方面优于现有的开源模型和 Claude 系列产品。
推荐理由：Leanstral 的发布标志着代码智能体领域的重要进展，其高效的性能和开源特性使其成为值得关注的产品。
OpenAI NewsAI 评分3535 Codex Security 不依赖传统 SAST 的原因分析
OpenAI 的 Codex Security 采用 AI 驱动的约束推理和验证技术，以减少误报，而非传统安全评估工具 SAST，深入解析其不依赖 SAST 的原因。
OpenAI NewsAI 评分3737 ChatGPT 如何防御提示注入和社会工程学攻击
ChatGPT 通过限制风险行为和保护敏感数据，在智能体工作流程中防御提示注入和社会工程学攻击。
OpenAI NewsAI 评分4545 OpenAI Responses API 打造智能体运行时：从模型到智能体
OpenAI 利用 Responses API、shell 工具和托管容器构建了智能体运行时，实现安全、可扩展的智能体运行，支持文件、工具和状态管理。
OpenAI NewsAI 评分3737 OpenAI IH-Challenge 提升前沿 LLM 指令层次结构
OpenAI 推出的 IH-Challenge 训练模型优先执行可信指令，提升指令层次结构，增强安全可控性和抵抗提示注入攻击的能力。
Hugging Face Blog精选AI 评分7070 Hugging Face 推出 Ulysses Sequence Parallelism，支持百万token长序列训练
Hugging Face 推出 Ulysses Sequence Parallelism (Ulysses SP)，一种新的序列并行训练方法，可以有效地处理长序列，支持百万token长序列训练。该方法通过在多个GPU之间分配注意力计算，解决了长序列训练中的内存挑战，并已集成到 Hugging Face 生态系统中的多个工具和框架中。
推荐理由：Ulysses Sequence Parallelism (Ulysses SP) 是一种新的序列并行训练方法，可以有效地处理长序列，对于需要处理大量文本的任务如文档分析、代码理解和推理等具有重要意义。读者可以了解其工作原理和集成方式，评估其对现有工作流的影响。
Hugging Face Blog精选AI 评分8585 LeRobot v0.5.0: 每个维度都进行扩展
LeRobot v0.5.0 发布，支持更多机器人（包括首个类人形机器人），引入新的策略，包括 Pi0-FAST 自回归 VLA 和实时分块，以及从 Hugging Face Hub 加载的模拟环境。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Google ResearchAI 评分4040 SpeciesNet 开源模型助力全球野生动物识别
Google Research 开源的 AI 模型 SpeciesNet 利用 6500 万张标注图像训练，可分类 2,498 种动物。该模型在标准笔记本上日处理约 30,000 张图片，物种级预测准确率达 94.5%，已被哥伦比亚、澳大利亚等地研究团队用于加速野生动物监测与保护分析。
OpenAI NewsAI 评分3535 OpenAI Codex Security 研究预览：AI 应用安全代理
OpenAI 推出 Codex Security，一款 AI 应用安全代理，可分析项目上下文，以更高置信度和更少噪声检测、验证和修补复杂漏洞。
Hugging Face BlogAI 评分4242 NXP 推出嵌入式机器人平台 AI 优化指南：数据记录、VLA 微调和设备优化
NXP 发布指南，介绍在嵌入式机器人平台上部署 VLA 模型的最佳实践，包括数据记录、VLA 微调和设备优化，以实现实时性能提升。指南强调高质量、一致的数据记录，并推荐使用夹持相机和改进抓取技术。
OpenAI NewsAI 评分4242 OpenAI 推出 CoT-Control：推理模型难以控制思维链，监控成为 AI 安全保障
OpenAI 推出 CoT-Control，发现推理模型难以控制思维链，强调监控在 AI 安全中的重要性。
OpenAI News精选AI 评分8585 OpenAI 推出 GPT-5.4 模型
OpenAI 推出 GPT-5.4 模型，这是其最强大和高效的模型，适用于专业工作，具备先进的编码、计算机使用、工具搜索和 1M 令牌的上下文能力。
推荐理由：原文介绍了 GPT-5.4 的能力和效率，读者可以了解其在专业工作中的应用前景。
OpenAI News精选AI 评分6060 GPT-5.4 发布智能体功能卡片
GPT-5.4 发布了新的智能体功能卡片，展示了其能力变化和开放入口。
推荐理由：原文给出了 GPT-5.4 的智能体功能，读者可以据此了解其能力变化和潜在应用。
OpenAI NewsAI 评分4747 OpenAI 推出学习成果测量套件，评估 AI 对学生学习的影响
OpenAI 推出学习成果测量套件，旨在评估 AI 在不同教育环境中对学生学习的影响；该套件可追踪学习成果随时间的变化。
Hugging Face Blog精选AI 评分6565 PRX Part 3 — 24小时内训练文本到图像模型！
本文介绍了如何在24小时内使用多种技巧训练一个文本到图像模型，包括x-prediction、感知损失、TREAD路由、REPA和DINOv3等。
推荐理由：本文介绍了如何使用多种技巧在24小时内训练一个文本到图像模型，读者可以学习到实用的训练方法和技巧。
Google DeepMind精选AI 评分6565 Google DeepMind 发布 Gemini 3.1 Flash-Lite 模型
Google DeepMind 推出 Gemini 3.1 Flash-Lite，这是其最快且最具成本效益的 Gemini 3 系列模型，现已通过 Google AI Studio 和 Vertex AI 向开发者和企业开放预览。
推荐理由：原文给出了 Gemini 3.1 Flash-Lite 的定价、速度提升数据及基准测试得分，读者可据此评估其在高频工作负载中的性价比与性能表现。
OpenAI NewsAI 评分5555 GPT-5.3 Instant：更流畅、更有用的日常对话
OpenAI 发布了 GPT-5.3 Instant，这是一个更流畅、更有用的日常对话功能。
OpenAI NewsAI 评分4242 OpenAI 推出 Amazon Bedrock 中的状态化运行环境
OpenAI 推出 Amazon Bedrock 的状态化运行环境，为多步骤 AI 工作流提供持久化编排、内存和安全的执行能力。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Nano Banana 2 (Gemini 3.1 Flash Image)
Google DeepMind 发布最新图像生成模型 Nano Banana 2（即 Gemini 3.1 Flash Image），旨在以 Flash 速度提供接近 Pro 级别的智能与视觉质量。
推荐理由：原文说明了新模型在保持 Flash 速度的同时引入了 Pro 级的世界知识与主体一致性，并给出了在各产品线的具体开放入口。
OpenAI NewsAI 评分4545 OpenAI 与太平洋西北国家实验室合作推出 DraftNEPABench 基准测试，加速联邦许可审批
OpenAI 与太平洋西北国家实验室合作，推出 DraftNEPABench 基准测试，旨在评估 AI 编码智能体在联邦许可审批中的应用，有望将 NEPA 起草时间缩短 15%，并现代化基础设施审查。
Hugging Face Blog精选AI 评分7777 Transformer 模型中的混合专家 (MoE) 研究
Hugging Face 的研究论文探讨了在 Transformer 模型中应用混合专家 (MoE) 的方法，以提高模型效率和可扩展性。
推荐理由：原文介绍了 MoE 在 Transformer 模型中的应用及其优势，读者可以了解 MoE 如何提高模型效率和可扩展性。
OpenAI NewsAI 评分3737 OpenAI 停止评估 SWE-bench Verified 的原因
OpenAI 分析发现，SWE-bench Verified 评测基准存在测试缺陷和训练泄露问题，因此不再进行评估，并推荐使用 SWE-bench Pro。
OpenAI NewsAI 评分3737 GPT-4 参与First Proof数学挑战，测试研究级推理
OpenAI 的 GPT-4 模型参与了 First Proof 数学挑战，旨在测试其在专家级问题上的研究级推理能力。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 3.1 Pro 模型
Google DeepMind 正式发布 Gemini 3.1 Pro，作为 Gemini 3 系列的核心智能升级版本。该模型在 ARC-AGI-2 基准测试中获得 77.1% 的验证分数，推理性能较 Gemini 3 Pro 提升超过一倍。
推荐理由：官方公布 Gemini 3.1 Pro 在 ARC-AGI-2 基准上的验证得分及多端部署入口，读者可据此评估其复杂推理能力的实际提升幅度。
OpenAI NewsAI 评分4747 OpenAI 构建实时访问系统：Sora 和 Codex 访问扩展
OpenAI 开发了一款结合速率限制、使用跟踪和信用积分的实时访问系统，以支持 Sora 和 Codex 的持续访问。该系统旨在解决访问限制问题，提高用户访问效率。
OpenAI NewsAI 评分5050 OpenAI 推出 GABRIEL 工具包，利用 GPT 转换定性数据为定量数据
OpenAI 发布开源工具包 GABRIEL，利用 GPT 模型将定性文本和图像转换为定量数据，助力社会科学家大规模分析研究。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3 Deep Think 重大升级
Google DeepMind 发布 Gemini 3 Deep Think 的重大升级，该专用推理模式旨在解决科学、研究和工程领域的挑战。新版模型在 Humanity's Last Exam 上达到 48.4%（无工具），在 ARC-AGI-2 上获得 84.6%，并在 Codeforces 上取得 Elo 3455 的成绩。
推荐理由：官方公布 Gemini 3 Deep Think 在多项高难度基准测试中的具体得分，并开放 API 早期访问入口，为科研与工程场景提供量化参考。
OpenAI News精选AI 评分7070 OpenAI 推出 GPT-5.3-Codex-Spark 实时编码模型
OpenAI 推出 GPT-5.3-Codex-Spark，首个实时编码模型，生成速度提升 15 倍，支持 128k 上下文，目前处于 ChatGPT Pro 用户的研究预览阶段。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Hugging Face Blog精选AI 评分6565 OpenEnv 实践：评估工具使用智能体在真实环境中的表现
OpenEnv 是 Meta 和 Hugging Face 开发的一个开源框架，用于评估 AI 代理在真实系统中的表现。Turing 贡献了一个生产级的日历管理环境，用于研究工具使用代理在现实约束下的表现。
推荐理由：OpenEnv 提供了一个评估 AI 代理在真实环境中的表现的平台，通过 Calendar Gym 等工具，可以更全面地了解代理的局限性和改进方向。
OpenAI NewsAI 评分2525 OpenAI 的 Codex 在智能体优先世界中的应用： Harness engineering
OpenAI 的 Codex 模型在智能体优先世界中发挥重要作用，通过 Harness engineering 技术实现高效利用，提升智能体性能。Codex 模型在多个基准测试中表现出色，速度提升 3.5 倍，为开发者提供更便捷的 AI 工具。
Google DeepMind精选AI 评分8989 Gemini Deep Think 加速数学与科学发现：两篇研究论文详解跨学科应用
Google DeepMind 发布两篇研究论文，展示 Gemini Deep Think 模式在解决专业级数学、物理和计算机科学开放性问题上的进展。该模型通过构建名为 Aletheia 的数学研究智能体，实现了从 IMO 金牌水平向 PhD 级研究的跨越，并在 IMO-ProofBench Advanced 测试中达到 90% 准确率。
推荐理由：原文展示了 Gemini Deep Think 在纯数学、物理和计算机科学前沿问题中的具体突破案例及协作范式，为评估 AI 在专业科研领域的实际能力边界提供了详实的一手证据。
OpenAI NewsAI 评分4242 OpenAI 探索 AI 本地化：让全球前沿模型适应本地语言、法规和文化
OpenAI 展示了其 AI 本地化方法，通过调整全球共享的前沿模型，使其适应本地语言、法规和文化，同时确保安全性。
OpenAI News精选AI 评分6565 GPT-5 降低无细胞蛋白质合成的成本
OpenAI 的 GPT-5 与 Ginkgo Bioworks 的云自动化结合，通过闭环实验将无细胞蛋白质合成的成本降低了 40%。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
OpenAI News精选AI 评分7070 OpenAI 推出 GPT-5.3-Codex 智能体
OpenAI 推出 GPT-5.3-Codex 智能体，具备前沿编码性能和通用推理能力，支持长期、真实世界的技术工作。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
OpenAI News精选AI 评分7575 GPT-5.3-Codex 系统卡发布
GPT-5.3-Codex 是迄今为止最强大的智能编码模型，结合了 GPT-5.2-Codex 的前沿编码性能和 GPT-5.2 的推理和专业知识能力。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。