Google 宣布将基于 Gemini 的科研工具 Empirical Research Assistance（ERA）开放给科学家使用，并推出由 ERA 和 AlphaEvolve 构建的 Computational Discovery，通过 Gemini for Science 逐步开放访问。
推荐理由：原文给出 ERA 在 Nature 发表后的八篇应用论文与 Computational Discovery 的开放入口，便于判断科研智能体的实际落地边界。
Google DeepMind 为实验性原型 Project Genie 上线 Street View grounding 能力，用户可选取美国境内真实地点并叠加“Desert Sands”“Stone Age”“Ocean World”“B&W film”等风格，再描述角色生成可交互世界，该能力由 Maps Imagery Grounding 技术支持。
Google DeepMind 发布 Gemini for Science，在 Google Labs 上线三个实验性原型：基于 Co-Scientist 的 Hypothesis Generation。
Google DeepMind 的 Co-Scientist 被 Calico Life Sciences 用于衰老生物学研究，帮助从混杂的文献中筛出值得验证的新假设。Calico 团队借助它提出了一条关于整合应激反应（ISR）如何受代谢调控的新假设，并借助 Co-Scientist 优化实验设计、随结果迭代。相关实验产生了对 ISR 在健康与疾病中作用具有重要意义的发现，团队计划发表结果。
爱丁堡大学 Filippo Menolascina 团队用 Google Co-Scientist 研究肝病 MASH，该系统整合肝脏生物学与药理学证据、锁定候选联合疗法并解释了药物 resmetirom 为何仅对少数合格患者有效。Co-Scientist 提出 NLRP3 炎症小体是连接炎症与代谢的分子桥梁这一假设，随后经实验验证，或为靶向双重疗法铺路。
Google DeepMind 发布 Gemini 3.5 系列首个模型 3.5 Flash，主打智能体与编码能力，今日起在 Gemini app、Google Search AI Mode、Google Antigravity、Gemini API、AI Studio、Android Studio 及 Gemini Enterprise 上线。
推荐理由：官方披露 3.5 Flash 在 Terminal-Bench 2.1 等基准上的成绩与 4 倍输出速度，可据此判断其性价比定位。
Google DeepMind 在 Nature 发表 Co-Scientist 研究，这是一个基于 Gemini 构建的多智能体 AI 系统，能够迭代地生成、辩论并演化针对复杂科学问题的新假设。
推荐理由：Nature 论文与多智能体架构细节同时公开，读者可据此了解假设生成类科研智能体的具体设计与落地方式。
Google DeepMind 汇总了 Gemini 驱动的编码智能体 AlphaEvolve 发布一年来的应用成果，覆盖科研与基础设施优化。
推荐理由：官方汇总了 AlphaEvolve 在基因组、电网、TPU 与商业客户上的落地数据，可据此判断编码智能体的跨领域迁移空间。
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下参与患者诊疗的三人协作模式。在 98 条真实初级保健问题的盲评中，该系统 97 例无关键错误，优于医生常用的两个 AI 系统；与哈佛、斯坦福合作的 140 项问诊技能评估中，AI 在 68 项达到或超过初级保健医生水平，但识别危险信号和指导关键体格检查仍不如专家。
推荐理由：Google DeepMind 的医疗智能体研究给出了盲评、随机仿真等量化结果，可了解 AI 与医生协作的当前边界。
Mistral AI 发布企业 AI 编排层 Workflows 公开预览版，用于把 AI 流程从概念验证推进到生产，ASML、ABANCA、CMA-CGM、France Travail 等组织已用它自动化关键流程。
推荐理由：原文给出 Workflows 的持久化执行、可观测与人审暂停机制及已落地客户，便于判断企业级 AI 编排如何从 PoC 走向生产。
Google DeepMind 宣布与韩国科学技术信息通信部（MSIT）建立合作，属于其 National Partnerships for AI 计划的一部分，将在首尔办公室设立 AI Campus，面向韩国学界和研究机构开放。
Google Research 在 ICLR 论文中提出 ReasoningBank，一个从成功和失败经验中提炼高层结构化记忆的智能体记忆框架，代码已开源。
推荐理由：论文提出从成功与失败经验中提炼结构化记忆的框架，读者可了解智能体测试时自我进化的具体做法与实测增益。
Google DeepMind 与 Accenture、Bain & Company、BCG、Deloitte、McKinsey 达成合作，推动前沿 AI 在企业级场景落地。合作三方包括：共同开发面向行业的规模化 AI 能力、让合作伙伴提前使用 Gemini 系列前沿模型并反馈优化、以及对接高层领导与客户 CEO 和董事会。目前仅 25% 的组织成功将 AI 规模化投入生产。
Google 在 Google Labs 上线研究实验 Vantage，用生成式 AI 构建多轮对话模拟环境，评估高中与大学生面向未来的技能，现以英文开放注册。该系统由 Executive LLM 动态引导对话，AI Evaluator 依据评估量表与人工专家打分，并与纽约大学合作对 188 名 18-25 岁美国测试者开展验证。
Google Research 推出 ConvApparel，一个覆盖服饰购物场景的 4000 余段、近 15000 轮人机多轮对话数据集，用于量化 LLM 用户模拟器与真实用户的真实感差距。
Google 发布两款面向学术研究流程的 AI 智能体：PaperVizAgent 负责从论文正文生成出版级图表，ScholarPeer 则自动完成论文同行评审。
Mistral AI 推出内部平台工具 Spaces CLI，可为项目脚手架、启动开发环境并部署到 staging，典型流程只需 init、dev 三条命令。它把所有交互式提问都设计成等价的 flag（如 --components、-y），因此 AI 智能体也能自主完成端到端操作。
Google 宣布 Vibe Coding XR，将 Gemini 作为创作伙伴配合其基于 Web 的 XR Blocks 框架，把自然语言直接转成具备物理感知的 Android XR 应用，耗时不到 60 秒。
Mistral AI 发布 Forge，一套让企业基于专有知识训练前沿级 AI 模型的系统。Forge 覆盖预训练、后训练和强化学习等模型生命周期阶段，支持 dense 与 MoE 架构及多模态输入，并可由 Mistral Vibe 等智能体用自然语言完成微调和调参。
推荐理由：原文给出企业用私有数据训练前沿模型的分阶段方案与多个行业落地场景，可据此判断企业自建模型的能力边界。
Mistral AI 发布 Mistral Small 4，这是 Mistral Small 系列的下一个主要版本，也是首个把 Magistral 推理、Pixtral 多模态与 Devstral 编码智能体能力统一到单一模型的 Mistral 模型，采用 Apache 2.0 许可。
推荐理由：Mistral 首次把推理、多模态与编码智能体能力合并进一个开源模型，并给出可调推理强度与延迟数据。
Google Research 与 Beth Israel Deaconess Medical Center 合作开展 AMIE 对话诊断 AI 的前瞻性单中心可行性研究，让 100 名成人在门诊预约前先与 AMIE 进行文本问诊。
推荐理由：Google 与 BIDMC 公布 AMIE 在真实门诊的前瞻性可行性研究结果，包含安全监督、诊断准确率与患者态度变化等具体数据。
Mistral 基于其开源编码助手 Vibe 构建了一个自主智能体，能读取 Rails 源码文件、生成或改进 RSpec 测试并在 CI/CD 流水线中无需人工干预地运行，多个实例可并行处理不同文件。通过引入 AGENTS.md 和分类 SKILLS 文件，其质量分数从 0.68 提升至 0.74。
Mistral 发布 Mistral Vibe 2.0，这是其终端原生编码智能体的重大升级，由 Devstral 2 模型系列驱动。新版本支持自定义子智能体、多选项澄清、斜杠命令技能、统一智能体模式和自动更新，已在 Le Chat Pro 和 Team 套餐上线，超出额度可按 API 价格按量付费或自带 API key。
推荐理由：原文列出了子智能体、斜杠命令技能与计费方式的变化，读者可据此判断终端编码智能体的可用范围。
Mistral AI 发布 Devstral 2 编码模型家族，包括 123B 的 Devstral 2 和 24B 的 Devstral Small 2，两者分别采用修改版 MIT 和 Apache 2.0 许可，均为开源。
推荐理由：官方给出了 Devstral 2 的 SWE-bench Verified 成绩、参数规模与定价，可据此判断开源编码模型的性价比位置。
Mistral AI 宣布与 SAP 建立多年合作，将模型集成进 SAP 的 AI Foundation，共同为德国和欧洲打造完全主权的 AI 技术栈，并联合开发面向复杂行业与政府机构的行业解决方案。Mistral AI 同时携手 Helsing 加速面向真实场景防御与安全应用的视觉-语言-动作模型研发。为推进在德布局，Mistral AI 正大幅扩充本地团队，并将在未来数月内开设德国办公室。
Mistral AI 发布 Mistral AI Studio，将其自身大规模系统的运维经验产品化为面向企业团队的生产 AI 平台，包含 Observability、Agent Runtime 和 AI Registry 三大支柱。
推荐理由：Mistral 把自家大规模系统沉淀成企业平台，三大支柱给出了从提示词到生产的闭环拆解。
Mistral 在 Le Chat 上线 Memories（beta）记忆功能，采用自动保存加按需召回的方式，被调用时会显示来源链接。Le Chat 支持随时关闭记忆、开启不使用记忆的隐身对话、编辑或删除单条记忆，并可导出和导入记忆。同期推出 Memory Insights，用轻量提示帮助用户查看模型记住了什么；官方称底层采用基于图的架构。
Mistral 发布 Le Chat 的企业级连接器目录（beta），提供 20+ 个基于 MCP 的安全连接器，覆盖数据、办公、开发、自动化与支付等类别，可连接 Databricks、Snowflake、GitHub、Atlassian、Asana、Outlook、Box、Stripe、Zapier 等工具，并支持添加自定义 MCP 连接器或连接任意远程 MCP 服务器。
Mistral AI 发布 Codestral 25.08 代码补全模型，并推出覆盖补全、代码库语义检索与智能体工作流的企业级编码栈。官方数据显示 Codestral 25.08 的补全接受量提升 30%，保留代码增加 10%，失控生成减少 50%，支持云、VPC 和本地部署。
Mistral 为 Le Chat 推出多项新功能，包括预览版 Deep Research 模式、由新语音模型 Voxtral 驱动的 Voice 模式、由推理模型 Magistral 支持的 Think 模式、用于整理对话的 Projects，以及与 Black Forest Labs 合作的高级图像编辑。
推荐理由：Mistral 一口气给 Le Chat 补上研究、语音、推理与图像编辑，读者可据此判断其产品线扩张方向。
Mistral AI 与 All Hands AI 合作发布 Devstral Medium，并升级开源版 Devstral Small 1.1。
推荐理由：Devstral 新版本给出了 SWE-Bench Verified 分数、开源许可与 API 定价，读者可据此比较开源代码智能体的性能与成本。
Mistral AI 发布企业级 AI 编码助手 Mistral Code，整合 Codestral、Codestral Embed、Devstral 和 Mistral Medium 四个模型、IDE 内助手、本地部署选项与企业管控工具，基于开源项目 Continue 构建。
推荐理由：官方给出模型组合、部署形态和三家大企业落地细节，可据此判断企业级 AI 编码工具的选型与合规边界。
Mistral AI 发布 Agents API，把其语言模型与代码执行、网页搜索、图像生成、MCP 工具等内置连接器以及跨会话持久记忆、智能体编排能力结合起来。
推荐理由：官方给出 Agents API 的连接器、MCP 与多智能体编排能力，可据此判断企业级智能体框架的落地方式。
Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体模型 Devstral，以 Apache 2.0 许可开源。
推荐理由：官方给出 SWE-Bench Verified 46.8% 的横向对比与单卡本地部署门槛，便于判断开源编码智能体的可用边界。
Mistral 发布 Le Chat Enterprise，由全新的 Mistral Medium 3 模型驱动，面向企业提供统一 AI 平台。该版本包含企业搜索、无需写代码的 Agent 构建器、自定义数据与工具连接器、文档库、自定义模型和混合部署，相关功能将在未来两周内陆续上线。
推荐理由：Mistral 把企业搜索、Agent 构建和混合部署打包进同一平台，并即将支持 MCP，可据此判断企业落地的分工方式。
Mistral AI 推出 TranscriptToPRDTicket 智能体工作流，由 PRDAgent 和 TicketCreationAgent 两个组件构成，均基于 Mistral Large 2，可将会议转录自动转为 PRD 并在 Linear、Jira 等工具中创建开发工单。