Google DeepMind 发布了 Gemma 4 12B，一款无编码器的多模态模型，直接将视觉和音频输入送入 LLM 主干，无需传统视觉或音频编码器。该模型原生支持音频理解，可在 16GB 内存的笔记本电脑上本地运行，并采用 Apache 2.0 开源许可。这降低了多模态 AI 的硬件门槛，让开发者能在消费级设备上部署视觉和音频处理能力。Gemma 4 12B 的发布标志着多模态模型向轻量化和本地化迈出重要一步。
NVIDIA 今日正式推出 Nemotron 3 Ultra，一款 550B 参数的 MoE（混合专家）开源模型，专为长时间运行的智能体任务设计。相比其他开源前沿模型，该模型推理速度提升 5 倍，复杂智能体任务成本降低高达 30%。Nemotron 3 Ultra 旨在解决长周期 AI 任务中的效率与成本瓶颈，为开发者提供更经济、更快速的智能体部署方案。NVIDIA 强调其“前沿智能”级别性能，并保持开源，进一步推动 AI 生态发展。
NVIDIA 宣布完全开源 Nemotron 3 Ultra 模型，包括模型权重、合成数据和后训练配方。该模型已在 Hugging Face 上架，开发者可自由获取和使用。此举延续了 NVIDIA 在 AI 开源领域的承诺，为研究人员和开发者提供了完整的模型复现与定制能力。Nemotron 3 Ultra 的开放有助于推动大模型生态的透明度和可复现性。
Ideogram 发布了其最新、最强的 v4 图像模型，并开放了模型权重。该模型号称是“世界上最好的开放图像模型”，用户可下载权重、在自己的数据上微调，并运行在自己的硬件上。目前已在所有 Ideogram 计划和 API 上可用。此举将最先进的图像生成能力与开放权重相结合，对 AI 图像生成社区意义重大。
Step 3.7 Flash 是阶跃星辰（StepFun）发布的 198B 稀疏 MoE 视觉语言模型，专为推理效率从头设计。该模型包含 196B 语言骨干和 1.8B 视觉编码器，支持原生多模态理解和行动，可靠工具使用，以及增强的网页和视觉搜索。在真实智能体工作负载下，推理速度可达 400 tok/sec，并采用 Apache 2.0 开源许可。Fireworks AI 已提供在线试用。
斯坦福研究人员发布 OpenJarvis，一个完全在设备上运行的开源 AI 智能体框架，涵盖推理、智能体、记忆和学习。它将个人 AI 系统分解为五个可组合原语：智能、引擎、智能体、工具与记忆、学习。在性能上，OpenJarvis 仅比最佳云端模型低 3.2 个点，但边际 API 成本降低约 800 倍。该框架旨在实现隐私保护、低延迟和低成本，适合个人设备上的 AI 应用。
Wasmer 利用 OpenAI 的 Codex（基于 GPT-5.5）构建了一个专为边缘计算优化的 Node.js 运行时。通过 Codex 的代码生成能力，开发效率提升了 10 到 20 倍，原本需要数月的工作在几周内完成。这一成果展示了 AI 辅助编程在基础设施级项目中的实际价值，尤其适合需要快速迭代的边缘计算场景。
OpenClaw 推出 Skill Workshop，将可复用的 Agent 工作流从说明文档升级为需审核的提案。Skill 一旦生效会固化进系统，错误比单次回答更严重。Workshop 通过提案、审核、应用三阶段，让用户先审后生效，避免错误固化。提供 Board 视图（批量治理）和 Today 视图（快速过审），并支持微调（Tweak）和捆绑支持文件。路径规则严格限制，在功能与安全间取平衡。
Cursor 推出 Debug Mode，解决 AI Agent 修复 Bug 时依赖静态推理、常产生假修复的问题。其核心流程是：Agent 先添加临时日志，用户手动复现 Bug，Agent 读取运行时日志后基于真实数据定位根因并修复。该模式已用于概率性竞态条件、内存泄漏、C++ 原生崩溃、SSR 渲染 Bug 等真实场景，显著提升修复可靠性和透明度。
ServiceNow AI 发布了 EVA-Bench Data 2.0，一个面向企业级 AI 智能体的评估基准数据集。该数据集覆盖 3 个领域（IT、HR、客户服务），包含 121 种工具和 213 个场景，旨在测试 AI 智能体在复杂企业环境中的工具调用和任务执行能力。相比第一版，新版本增加了更多真实世界的交互场景和工具多样性，为开发者提供了更全面的评估标准。这对于希望在企业场景中部署 AI 智能体的团队来说，是一个重要的参考资源。
在NVIDIA GTC Taipei 2026上，一家中国具身智能公司宣布其模型在RoboArena基准测试中排名第一，超越了NVIDIA和Physical Intelligence等国际巨头。RoboArena是评估机器人自主决策和操作能力的权威基准，涵盖多种复杂任务。这一成就标志着中国在具身智能领域取得重大突破，展示了其技术实力和创新能力。该公司的模型在任务完成率、适应性和效率等关键指标上表现优异，为行业树立了新标杆。
三星在2026台北国际电脑展上展示了面向HBM5内存的HPB（热阻断路径）封装散热结构，旨在解决高密度、高速度HBM堆栈的散热压力。该技术在封装内部加入独立热柱，从堆叠内部带走热量并导向散热器，重点优化D2D PHY区域的热管理。HPB已在HBM4E上验证，首批12层样品已出货。三星还确认HBM5基底芯片将转向2nm工艺。与此同时，SK海力士采用iHBM方案，将冷却元件嵌入D2D PHY层，可降低超30%热阻，两者路线不同。
OpenAI 的 Sam Altman 在播客中分享了 AI 扩展的惊人数据：6 年前全球最高 token 使用量是每月 10 万，现在中位数已达到这个水平，而最高使用量超过每月 1000 亿，增长了 100 万倍。他认为未来还有 100 万倍的增长空间，全球平均使用量将达到每月 1000 亿 token。这引发了对所需基础设施的思考，对 AI 行业的发展方向有重要启示。
Anthropic 数据团队分享了他们如何使用 Claude 自动化 95% 的业务分析查询。博客文章详细介绍了他们在构建数据分析智能体时采用的技能、数据基础和评估方法。团队通过精心设计的评估流程、消融实验和在线验证，确保了自动化查询的准确性和可靠性。这一实践展示了大型语言模型在企业数据分析中的巨大潜力，为其他团队提供了可复用的最佳实践。
中国科学技术大学（USTC）研究人员开源了一种创新的智能体驱动长上下文训练范式，该范式通过智能体引导的数据生成和训练策略，显著提升了长上下文处理效率。实验表明，一个30亿参数的模型在长上下文任务上达到了与阿里巴巴Qwen3-235B模型相当的性能，而参数量仅为后者的八分之一。这一突破降低了长上下文模型训练的门槛，为资源有限的团队提供了高效方案。该范式已开源，有望推动长上下文AI应用的普及。
当AI Agent调用API遇到验证错误时，传统做法返回自然语言错误描述，但Agent往往无法有效修复。该论文提出Self-Reflective API，在验证失败时返回机器可读的结构化恢复建议（recovery_feedback.suggestions[]），使Agent能直接修复请求并重试，无需外部推理。在30个样本、3个LLM、10个对抗任务的实验中，结构化建议在Anthropic模型上将任务完成率提升36.7-40个百分点，且每个成功token效率提升1.8-2.2倍。在gpt-4o-mini上效果不显著，但计费API的二次验证确认了模式。研究还发现了LLM基准测试中两类未记录的答案泄露问题，并开源了审计工具。
FlexNPU 提出了一种透明的用户空间虚拟化层，用于华为Ascend NPU，通过拦截AscendCL API并路由操作到设备守护进程，实现无需修改模型代码、AI框架或NPU驱动即可解耦应用与物理设备。该方案支持动态PD共置调度，根据prefill（计算密集）和decode（内存带宽受限）的互补资源特性灵活调整，解决了静态PD分离的资源不平衡和数据移动问题。在384卡Ascend 910C部署DeepSeek-R1时，相比静态PD分离，吞吐量提升5.15%和26.33%；在Qwen2.5-7B上，相比静态PD共置，TTFT降低超过92%且TPOT几乎不变。实验表明，透明NPU虚拟化是实现高效、响应式LLM服务的实用基础。