Mistral 发布 Apache-2.0 开源的 Leanstral 1.5，总参数 119B、激活 6B，专攻 Lean 4 形式化证明。模型饱和 miniF2F，解出 PutnamBench 587/672 题，在 FATE-H 87%、FATE-X 34% 达到新 SOTA，成本约每题 $4。
推荐理由：官方给出了完整训练流程、基准数字和开源获取方式，读者可以据此评估它在 Lean 4 形式化证明上的实际可用性。
UC Berkeley BAIR 实验室发布 2026 届博士生毕业展示，研究方向涵盖机器人与具身智能、LLM 与推理、计算机视觉、生成模型、AI 安全及 AI for Science 等领域。
Hugging Face 与 Cerebras 发布一个模块化、开源的实时语音对话（speech-to-speech）流水线，用 Cerebras 的高速推理解决语言模型响应延迟瓶颈。
推荐理由：原文给出了完整开放的级联语音对话架构和各层组件，开发者可以照此搭建或替换自己的实时语音 AI 流水线。
Hugging Face 推出开源基准 ScarfBench，用于评测 AI 智能体在 Spring、Jakarta EE、Quarkus 三大 Java 生态间的框架迁移能力，包含 34 个应用、102 个框架实现、204 个迁移任务和 1,331 个专家编写测试。
Google Research 发布覆盖 50 多个全球城市的建筑级屋顶反照率数据集，并通过新的高分辨率 Heat Resilience Earth Engine App 开放访问。
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image），4 秒生成 1K 图像、每张 $0.034，上线 Google AI Studio、Gemini API 等平台。
推荐理由：官方给出两款新模型的价格、延迟和限制等具体参数，开发者可以据此评估替换现有模型的成本收益。
Dharma AI 解读 Goldfeder、Wyder、LeCun 与 Shwartz-Ziv 2026 年论文《AI Must Embrace Specialization via Superhuman Adaptable Intelligence》，论证专业化是有效 AI 系统的必然路径。
Google Research 发布面向表格数据分类与回归的基础模型 TabFM，将表格预测建模为上下文学习问题，无需手动训练、调参和特征工程，单次前向传播即可对未见表格生成预测。
Every Eval Ever（EEE）与 Hugging Face Community Evals 实现互通，EEE 结果可经转换器同步到 Hub 模型页和基准排行榜，并带来源徽章回链完整记录。
Hugging Face 提出 DiScoFormer，单个 Transformer 通过一次前向传播即可估计任意数据集背后的分布密度与 score，无需针对新分布重训。
Google 通过为冻结权重的 Gemini Nano v3 模型附加轻量 MTP head，实现端侧推理提速，已部署到 Pixel 9 和 10 系列。该 zero-copy 架构直接复用主模型的 KV cache，每个实例节省 130MB 内存，且因错误草稿会在验证中被丢弃，输出与主模型逐位一致。
Google Research 在 CIDR 发表线性弹性缓存方法，把页面逐出建模为“滑雪租赁”问题，用轻量级机器学习动态调整缓存大小，以最小化缓存管理总拥有成本（TCO）。该方法已在 Spanner 生产服务器上集成数月，相比固定大小缓存，内存占用降低 15.5%，cache miss 仅增加 5.5%，TCO 约降 5%，实际 I/O 成本影响仅 0.5%。
Google Research 将在 COLM 2026 发表的论文发现，开启链式推理可让 Gemini-2.5（Flash 和 Pro）与 Qwen3-32B 召回推理关闭时几乎无法给出的单跳事实答案。
推荐理由：论文给出两类机制实验和幻觉审计结果，读者可以据此理解推理为何能帮助单跳事实召回以及其局限。
Google DeepMind 宣布 computer use 成为 Gemini 3.5 Flash 的内置工具，此前该能力仅以独立的 Gemini 2.5 computer use 模型提供。
推荐理由：官方说明 computer use 从独立模型并入 Gemini 3.5 Flash 主模型的定位变化，并给出配套安全机制与使用入口，读者可据此评估迁移时机。
Mistral AI 推出 Connectors 多项新能力：管理员控制（GA）可按 workspace/org 设置连接器访问并开关单个工具，API key 支持连接器 scope，多账号连接器（GA）允许一个连接器绑定多个账号。
Mistral 发布 OCR 4 文档解析模型，在提取文本之外返回边界框、块类型分类和逐词逐页置信度分数，支持 170 种语言、10 个语言组。
推荐理由：官方发布给出了结构化输出能力、价格和基准局限说明，读者可据此评估它对 RAG 与文档流程的适配。
Google DeepMind 正与英国政府、Google Cloud、Faculty 及 Barnet、Dorset、Camden 三个地方规划部门合作，基于 Gemini 开发 AI 规划原型，目标是把住宅类规划申请的处理时间缩短 50%。
Google Research 在 Farmscapes 2020 栅格地图基础上，发布英国树篱、石墙和小林地的矢量化数据集，用于自然修复与碳核算。
Google DeepMind 发布 AI Control Roadmap，把内部 AI 智能体视为潜在未对齐的"内部威胁"，在模型对齐之上增加系统级安全保障。
推荐理由：官方详细公开其纵深防御的 AI 控制路线图，包含威胁建模、监测指标和已落地的监控原型细节，可供安全实践参考。
Google Research 公布了关于 AI 皮肤科信息工具的多项研究，发表于 JAMA Dermatology 等期刊。一项 2,345 人参与的实验显示，借助 AI 工具的用户病症识别准确率达 23%，约为普通搜索对照组（8%）的三倍；接近医生"ground truth"的 "Wizard of Oz" 组达 36%。
Google Research 在 AISTATS 2026 提出 Regularized f-Divergence Kernel Tests，一个用于审计机器遗忘的统计测试框架，比传统 two-sample testing 更灵敏灵活。
Google DeepMind 发布开源实验模型 DiffusionGemma，采用 26B 总参数、3.8B 激活的 MoE 扩散架构，在专用 GPU 上文本生成最高提速 4 倍，单块 NVIDIA H100 超过 1000 tokens/s，RTX 5090 超过 700 tokens/s。
推荐理由：官方给出扩散文本生成的速度数据、显存占用与质量取舍，适合评估本地交互场景的落地条件。
Google DeepMind 联合 Schmidt Sciences、Cooperative AI Foundation、ARIA，并由 Google.org 支持，发起面向全球研究者的多智能体 AI 安全研究资助，金额最高 1000 万美元。
段已按要求撰写
推荐理由：原文给出 70 多种语言的近实时语音翻译能力、流式生成机制和各产品线的开放入口，读者可以据此判断它对会议和翻译场景的实际影响。
Google DeepMind 发布 Gemma 4 12B，可在 16GB 内存或显存的笔记本本地运行，性能接近其 26B MoE 模型但内存占用不足一半。该模型采用无编码器统一架构，视觉与音频输入直接进入 LLM 主干，是首个支持原生音频输入的中等规模 Gemma 模型，以 Apache 2.0 许可发布，并同步推出官方 Skills 仓库。
推荐理由：原文来自官方发布，给出架构细节、内存门槛和下载入口，可帮助读者评估在本地设备运行多模态模型的可行性。
Google DeepMind 推出为期 3 个月的 Google DeepMind Accelerator: Robotics 加速器，从欧洲遴选 15 家早期机器人初创公司，本周在伦敦开营。入选公司将获得 DeepMind 与 Google 专家的技术指导、产品指引，以及 AI 技术栈和 Gemini robotics 模型的使用权限，覆盖物流、制造、医疗、气候和导航等具身 AI 领域。
Google DeepMind 公布在塞拉利昂开展的预注册对照试验结果，使用 Guided Learning 的学生数学成绩较对照组提升 0.258 个标准差，约相当于 1.2 至 1.7 年的常规学习进度。
推荐理由：原文给出预注册RCT的关键数据和开放式材料，读者可以了解AI辅助教学在真实课堂中的效果与局限。
Google 推出 Gemini Enterprise Agent Platform 托管的 Cross-Corpus Retrieval，基于 agentic RAG 通过规划、改写和多智能体协作处理跨数据源的多跳查询，事实类数据集准确率较标准 RAG 最高提升 34%。
Google 在 Nature 发表 PHRM 研究系统，利用人脸解锁后前置摄像头拍摄的面部视频，通过深度学习估计心率，较 ECG 的 MAPE 低于 10%。
推荐理由：原文给出跨肤色验证数据与公开数据集入口，读者可以据此了解手机摄像头被动心率监测的精度与局限。
Google Research 在 GitHub 上以 Apache 2.0 许可证开源其水文建模框架，让各国气象水文部门能将 AI 洪水预报接入自身工作流。
Google 在 I/O 2026 上宣布推出 Gemini for Science，一套整合其基础研究成果的实验性科学工具套件。
Mistral 在 AI Now Summit 2026 发布面向工业工程的 AI 栈，并与 Airbus、BMW、ASML 合作优化设计、仿真与生产。其统一智能体 Vibe 可处理长周期多步任务，覆盖深度研究、日常流程编排和从需求到合并的编码工作。Les Ulis 10 MW 数据中心将专注推理，计划 2026 年 Q3 开放，以加强对算力的直接控制。
Mistral 发布统一 AI 智能体 Vibe，将 Le Chat 整合为一套智能体和许可证，工作与编码场景共用。
推荐理由：Mistral 官方把 Le Chat 升级为统一智能体 Vibe，原文给出 Work 与 Code 两种模式的具体能力和定价，可据此评估对现有工作流的影响。
Mistral AI 发布 Search Toolkit 公开预览版，一个用于构建 AI 应用生产级搜索管线的可组合开源框架。
Google Research 推出面向隐私分析服务的高效密码学聚合新方案，遵循零信任原则，结合新型密码学协议与 TEE 硬件防护。该协议支持设备以单条一次性消息安全提交数据，无需多轮交互保持在线；密码学层可证明保证 Google 只能获得匿名化聚合结果，TEE attestation 则向所有参与者提供协议按公开代码正确执行的可验证证明。
Mistral 将 Emmi AI 收入麾下，为企业级 AI 原生工业工程构建 physics AI 基础能力。这类数据驱动模型可从几何与边界条件直接预测物理行为，单 GPU 上一次前向传播数秒内输出完整物理场，替代传统 CFD/FEM 求解需数小时至数周的流程。已合作 ASML、Airbus、Safran、Siemens Energy 等伙伴，应用于产品设计、工装工艺设计和实时数字孪生。
Mistral 收购 Emmi AI，深耕面向航空航天、汽车、半导体和能源等工业领域的 Physics AI 基础研究。其已发表成果包括：约 30,000 个样本的跨音速 3D 机翼 CFD 数据集、单 GPU 处理 9M 表面与 140M 体网格的 AB-UPT、支持流化床反应器实时仿真的 NeuralDEM，以及面向核聚变等离子体湍流的 GyroSwin 5D 代理模型。
Mistral AI 本周达成最终协议，收购总部位于奥地利的 Physics AI 公司 Emmi AI，以强化其在工业 AI 领域的领先地位。Emmi AI 团队拥有超过 30 名研究人员和工程师，其大工程模型可将多天计算替换为实时仿真并构建数字孪生，团队将于 5 月加入 Mistral AI 的 Science 和 Applied AI 部门。
Mistral 发布 128B 开源权重旗舰模型 Mistral Medium 3.5（256k 上下文窗口，SWE-Bench Verified 77.6%），在 Hugging Face 以修改版 MIT 许可发布，API 定价为每百万输入 token $1.5、输出 $7.5。
推荐理由：官方披露了新模型的参数量、上下文窗口和基准成绩，以及云端异步编码智能体的具体工作方式。
Mistral 发布 Studio 中的 Connectors（Public Preview），内置连接器与自定义 MCP 均可通过 API/SDK 用于所有模型和 Agent 调用。