DeepSeek（深度求索）的模型发布、开源权重与技术报告——开源大模型价格与性能双卷的风向标。
Deepseek发布其Flash模型的更新版本V4.1 Flash 1017，在智能体和编码任务中取得重大进展。该模型通过内部搜索引擎的API向外部开发者开放，并发布了开源模型权重。与直接前身相比，该模型在基准测试中得分更高，完成任务更快，输出更短。Deepseek还介绍了其用于从头开始构建完整软件项目的强化学习自我反馈（RLSF）方法。
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。
Black Forest Labs 发布了 FLUX 3 Image Klein，一个 56 亿参数的开源图像模型，支持文本到图像生成、图像编辑和最多十张参考图像生成。
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。
GPT-6-Astra 在 OpenAI 的 Codex 编码环境中运行，解决了 50 个物理研究问题中的 49 个，平均每个问题成本不到 3 美元。该研究测试了多个 AI 智能体，并发现 GPT-6-Astra 在没有人类提示的情况下表现最佳。
推荐理由：GPT-6-Astra 在物理研究问题解决上取得显著成果，展示了 AI 在理论物理领域的潜力，对相关领域的研究和人才培养可能产生重要影响。
Dyna Robotics发布Dyna-2智能体功能，该功能基于超过一百万小时的人类视频数据进行预训练，能够执行长时间的工作流程，并具有高成功率。
推荐理由：原文介绍了Dyna-2智能体功能及其背后的技术，读者可以了解其应用前景和潜在影响。
DeepSeek领投Winverse AI种子轮融资，并参与宇树科技IPO战略配售，加快在机器人领域的布局，旨在将大模型技术延伸至物理世界。
推荐理由：DeepSeek通过投资和合作，加快在机器人领域的布局，其技术征程从数字世界迈向物理现实，值得关注。
DeepSeek完成最新一轮融资，融资金额增至约1000亿元，投资方以产业投资方为主。
推荐理由：DeepSeek融资规模大幅增加，关注其对行业的影响。
Google DeepMind的Pushmeet Kohli和Biohub的Sal Candido探讨了AlphaFold在蛋白质折叠领域的突破及其局限性，以及未来AI在生物科技领域的应用前景，强调了数据、模型设计和科学直觉的重要性。
推荐理由：文章探讨了AlphaFold在蛋白质折叠领域的突破及其局限性，以及未来AI在生物科技领域的应用前景，对读者了解AI在生物科技领域的应用具有重要意义。
Mistral发布欧洲最强开源大模型Mistral Large 4，具有1万亿参数，在网络安全、代码编写等领域表现突出，已开放预览版，将于本月晚些时候正式发布。
推荐理由：Mistral发布欧洲最强开源大模型Mistral Large 4，具有1万亿参数，在网络安全、代码编写等领域表现突出，对现有工作流可能产生重大影响。
研究人员扩展了 Yann LeCun 创立的 JEPA 架构，使其能够在七个不同的领域工作。该团队提出了基于 JEPA 的通用世界模型 JEPA-Anything，该模型能够预测系统的发展，例如机器人、分子或患者的健康状况。该研究在多个领域取得了显著的进展，包括物理、机器人技术和天气预测，并提出了一个基于 JEPA 的肝脏癌细胞治疗候选方案。
推荐理由：该研究扩展了 LeCun 的 JEPA 架构，使其能够在多个领域工作，包括物理、生物学等，并提出了一个基于 JEPA 的通用世界模型 JEPA-Anything，具有潜在的应用价值。
DeepSeek 正在接近完成至少 120 亿美元的融资，并计划在 2027 年上市。其 V4-Flash 模型在性能上超越了 OpenAI 和 Anthropic，吸引了大量投资者。
推荐理由：Deepseek 获得巨额融资，并计划 2027 年上市，其 V4-Flash 模型在性能上超越了 OpenAI 和 Anthropic。
DeepSeek即将完成至少120亿美元的融资，Moonshot AI完成50亿美元的估值，OpenAI寻求至少300亿美元的融资，Anthropic考虑11月IPO。
推荐理由：中国AI公司获得巨额融资，为即将到来的IPO做准备，反映了中美AI竞赛的激烈程度。
DeepSeek接近完成新一轮融资，规模预计至少达到800亿元人民币，腾讯和宁德时代参投，计划2027年初IPO。
推荐理由：DeepSeek融资规模大幅超过预期，腾讯和宁德时代参投，关注其AI技术和未来发展。
NVIDIA 与 Google DeepMind 等机构合作，发布包含 2800 多种病毒蛋白质复合物结构的开源数据集，利用 AlphaFold2 模型预测，并开源 BioNeMo 结构预测流程，以加速基础科学研究。
推荐理由：该研究通过开源蛋白质数据集，为全球科学家提供预测的病毒蛋白质复合物结构，有助于未来疫情的预防和准备。
DeepSeek发布V4版本，包含两个MoE检查点，均具有1M-token的上下文窗口，旨在支持高效的大上下文长度，适用于智能体任务。
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 DeepMind 发布了 Gemma 4 多模态模型，支持图像、文本和音频输入，并生成文本响应。该模型具有多种大小和参数，支持多种开源工具和平台，包括 transformers、llama.cpp、MLX、WebGPU 和 Rust。
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。
DeepSeek R-1模型的发布标志着中国开源AI生态系统的崛起，推动了全球开源生态的发展，并对中国AI行业产生了深远影响。
推荐理由：DeepSeek R-1模型的发布标志着中国开源AI生态系统的崛起，对全球开源生态产生了重要影响。
DeepSeek-V3-0324 模型发布，具有与原 DeepSeek-V3 相同的架构，采用 MIT 许可证，重点改进了指令遵循、代码和数学能力。模型在 MMLU-Pro、GPQA、AIME 和 LiveCodeBench 等基准测试中表现出显著改进。
推荐理由：DeepSeek-V3-0324 模型在数学和编码任务上表现出色，与 GPT-4.5 相当，通常优于 Claude-Sonnet-3.7，读者可以了解其能力变化和开放入口。
Hugging Face 发布了 Open R1 更新 #3，介绍了他们在代码推理方面的最新研究进展，包括新的数据集、基准和模型。
推荐理由：该研究发布了新的代码推理数据集和基准，并展示了基于这些数据集训练的模型在代码推理任务上的性能，对研究该领域的读者有参考价值。
Hugging Face 发布了 OpenR1-Math-220k，一个用于数学推理的大规模数据集，包含 220k 个问题及其推理过程，旨在为推理模型训练提供高质量数据。
推荐理由：OpenR1-Math-220k 数据集的发布为数学推理研究提供了高质量的数据资源，读者可以了解其构建方法和在推理模型训练中的应用。
Open-R1项目旨在复现DeepSeek-R1的训练流程和合成数据，项目进展顺利，已成功复现Deepseek的MATH-500基准测试结果，并探讨了生成长响应的挑战和解决方案。
推荐理由：Open-R1项目旨在复现DeepSeek-R1的训练流程和合成数据，该项目进展值得关注，特别是其在推理和训练方面的成果。
