NVIDIA 将 OpenShell 捐赠给 CNCF，并发布 DSX AI Factory 平台新组件
NVIDIA 在 KubeCon + CloudNativeCon 上宣布把用于保障和治理自主智能体的开源运行时 OpenShell 捐赠给 CNCF，作为 Sandbox 项目接受社区治理。
推荐理由：原文给出 OpenShell 捐赠与 NVKE、NVKR、Snapshot 的具体能力，读者可据此判断 Kubernetes 上智能体治理与推理扩容的路径。
精选
NVIDIA Blog精选AI 评分6262 Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Carbon 模型
Google DeepMind 向开发者、企业、科研人员和消费者开放 Gemini 4 Carbon，称其在网络安全能力和长周期智能体工作流上达到前沿水平。
推荐理由：官方给出 Carbon 与 Argon 的定位差异、多项基准排名和每任务成本，便于判断何时该用更重的模型。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini Robotics 2.5 视觉-语言-动作模型
Google DeepMind 发布 Gemini Robotics 2.5，称其为目前能力最强的视觉-语言-动作（VLA）模型，在 200 项任务上相比此前基线成功率提升 30% 至 100%，完成任务速度快 20% 至 30%。
推荐理由：官方给出 200 项任务评测与奔驰产线 96% 成功率，可据此判断 VLA 模型在真实工业场景的落地程度。
Google DeepMind精选AI 评分8585 Google DeepMind 推出 AlphaProof Code，用 AI 智能体形式化验证 Signal 协议代码
Google DeepMind 发布 AlphaProof Code，一个多 LLM 智能体形式化验证框架，并用它数学证明了 Signal 协议实际代码的关键安全属性。
推荐理由：DeepMind 用多 LLM 智能体框架对 Signal 协议实际代码做形式化验证，四周完成过去需数年的工作，并开源验证产物。
AWS Machine Learning Blog精选AI 评分7878 Claude Fable 5.2 与 Mythos 5.2 上线 Amazon Bedrock
AWS 宣布 Claude Fable 5.2 和 Claude Mythos 5.2 在 Amazon Bedrock 与 Claude Platform on AWS 上可用。
推荐理由：原文交代了 Fable 5.2 在编码与科研任务上的定位，以及 Bedrock 上的调用方式和迁移路径。
NVIDIA Blog精选AI 评分7878 NVIDIA 在 CoRL 发布 GR00T 2 世界动作模型及 Isaac Lab 3.0 等开源机器人技术
NVIDIA 在 CoRL 上发布开源世界动作模型 GR00T 2，基于 NVIDIA Cosmos 构建，训练数据包含 10 万小时开源人类第一视角数据。该模型在 50 项任务中每项仅用一次演示即达到 71% 平均成功率，五次演示提升至 95%，并可在不同机器人本体间迁移技能。
推荐理由：原文给出 GR00T 2 的少样本成功率与仿真训练吞吐提升，读者可据此判断机器人训练流程的变化。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini Omni 1.2 Flash，支持 15 秒视频并降价 30%
Google DeepMind 推出 Gemini Omni 1.2 Flash，并在 Gemini API 和 Gemini for business 全面开放，原生支持最长 15 秒视频生成与多轮对话式编辑。
推荐理由：原文列出了时长、价格和一致性上的具体变化，读者可据此判断视频生成在批量广告与电商素材上的成本门槛。
OpenAI News精选AI 评分7878 OpenAI 发布 GPT-6 Cyber 网络安全模型
OpenAI 发布网络安全模型 GPT-6 Cyber，用于发现可利用漏洞并开发修复方案。该模型经过训练，被要求只在授权范围内行动。
推荐理由：OpenAI 推出面向网络安全的专用模型，强调在授权范围内工作，可观察安全智能体的对齐约束如何落地。
Google DeepMind精选AI 评分7272 Google DeepMind 为 Antigravity 推出化学信息学技能
Google DeepMind 为 Google Antigravity 推出化学信息学技能（Cheminformatics Skills），基于 RDKit 并接入 ChEMBL 与 PubChem，可把药物发现中原本需要数天的单次迭代压缩到约一小时。
推荐理由：原文展示了化学信息学技能如何把数天的药物发现迭代压缩到一小时，并给出可复用的工作流细节。
Google DeepMind精选AI 评分6060 Google DeepMind 将 PlanAssist 规划审批工具扩展至 12 个英国地方规划部门
Google DeepMind 与英国政府合作的 AI 规划工具 PlanAssist 将扩展至另外 12 个英格兰地方规划部门，总数达到 15 个。在 Barnet、Camden、Dorset 的早期试点中，该工具把规划人员处理住户类申请的平均评估时间缩短了 58%，生成报告中有超过 70% 无需修改即获批准。
推荐理由：原文给出试点中评估时间下降 58% 和 70% 报告无需修改的数据，可据此判断 AI 辅助审批在公共服务中的落地程度。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Carbon 前沿模型
Google DeepMind 发布 Gemini 4 Carbon，称其在网络安全与长程任务上能力最强，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
推荐理由：原文给出网络安全与长程智能体任务的基准成绩和分阶段开放路径，可据此判断前沿模型在攻防场景的进展。
Google DeepMind精选AI 评分8282 Google DeepMind 发布世界模型 Genie 4
Google DeepMind 发布世界模型 Genie 4，可实时生成带原生音频的交互式模拟世界，并以研究预览形式向可信测试者开放。Genie 4 支持用自然语言实时改变天气、镜头和场景中的人物物体，首次原生生成环境音与可随输入变化的角色对话。
推荐理由：官方披露了原生音频、实时文本操控与 Gemini 引导推理三项能力，可据此判断世界模型与语言模型结合后的模拟边界。
Microsoft Research精选AI 评分6060 微软研究院发布 Flint-interactive，让智能体生成可交互数据可视化
微软研究院发布 Flint-interactive，一种构建在 Flint 之上的交互式数据可视化语言，让智能体生成可点击、筛选、缩放和跨图表联动的图表。它把点击、拖拽等原始触发解析为语义事件，用户只需用高层算子描述更新行为，布局与渲染依赖交由 Flint 编译器处理。用户可通过 Flint-MCP 和 MCP Apps 在对话中直接使用，开发者可用编程 API 构建仪表盘和数据故事。
推荐理由：微软研究院把交互逻辑交给编译器处理，让智能体用高层语义事件生成可点击、可联动的图表，减少反复调试。
Microsoft Research精选AI 评分7474 微软研究院等证明 31 年未解的 KLS 猜想
微软研究院研究员 Xinzhi Zhang 与合著者 Zhao Song 证明了 1995 年提出的 KLS 猜想，给出与维度无关的固定界，解决了高维几何与概率论的核心开放问题。证明过程采用人类引导的智能体搜索，探索了 100 多条候选路径，由研究者筛选和调整方向；同期另有独立团队给出完整证明，并出现 Lean 4 形式化验证。作者称此前用多个前沿模型做无引导的端到端尝试未能成功。
推荐理由：微软研究员与合著者借助人类引导的智能体搜索证明 KLS 猜想，展示了人机协作做数学研究的具体流程。
Microsoft Research精选AI 评分6060 微软研究院推出 Magnetar：基于证明的通用计算 zkVM
微软研究院发布零知识虚拟机 Magnetar，可直接证明用 Rust、Go 或 C 编写的程序执行过程，在 15 个基准程序上平均比现有最快 zkVM 快 10 至 39 倍。它基于 RISC-V 架构，在笔记本上每秒可证明 720 万至 870 万条处理器指令，证明验证约需 12 毫秒。其安全性仅依赖 SHA-256、SHA-3 等标准哈希函数，不需要椭圆曲线、格假设或可信设置。
推荐理由：微软研究院梳理十余年零知识证明研究脉络，说明 Magnetar 如何同时解决效率、通用性与后量子安全三个难题。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布 AI 代码审查开放基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布构建 219 个公开 PR 语料，覆盖 19 种语言。
推荐理由：GitHub 公开了基准的构建方法、评分规则和人工一致性数据，读者可据此判断 AI 代码审查评测的可信度。
Berkeley AI Research精选AI 评分6262 从 CUDA 到 MLX：K-Search 如何把内核优化经验迁移到 Apple Silicon
Berkeley Sky Lab 与 IBM Research 在 K-Search 演化式内核搜索框架上新增 MLX 后端和结构化 CUDA-to-MLX 翻译层，让已有 CUDA 内核作为知识库迁移到 Apple Silicon。
推荐理由：作者把 CUDA 优化经验整理成结构化上下文交给 K-Search，读者可看到跨平台内核迁移中上下文质量比模型写代码能力更关键。
已经到底了