Google DeepMind 宣布推出全球首个针对专有前沿级 AI 模型的双盲评测，将外部评测限制在加密环境中，使模型无法提前接触测试题目。该试点与新加坡 AI Safety Institute、OpenMined、AVERI 和 MLCommons 合作，在隐私保护环境下用保密基准测试 Gemini Flash Lite 模型。
推荐理由：DeepMind 与新加坡 AI 安全研究所等机构用加密隔离环境对 Gemini Flash Lite 做双盲评测，读者可了解基准污染之外的技术性解决路径。
Google 发布 GlucoFM，一个采用双流设计的自监督基础模型，将较慢的血糖基线趋势与短期波动分离，并保留时间与缺失信息，用潜在预测目标学习日常血糖上下文与时间演化。
Google DeepMind 发布语音转文字模型 Gemini 3.5 Transcribe，并在 Gemini API、Google AI Studio 和 Gemini Enterprise Agent Platform 开放公开预览。
推荐理由：原文给出两个 API 的延迟与 WER 数字，读者可据此比较它相对上一代 Chirp 3 在实时语音场景的可用性。
Hugging Face 博客介绍 Sentence Transformers v6.0 新增的 MultiVectorEncoder 模型类型，并给出 ColBERT 式后交互检索模型的完整训练与微调流程。
Google 发布研究原型 AgentHands，可将 LLM 的高层推理映射为与语音同步的 XR 手势，让智能体在真实空间中边讲解边指向物体。系统包含环境感知、手势事件库和手势嵌入推理，并已在 Android XR 上演示兰花养护、3D 打印机操作等场景。12 人用户研究显示，相比纯语音基线，空间定位效果显著提升。
IBM Granite 团队发布 Granite 4.2 系列推理模型，包含 3B、8B、30B 三种稠密尺寸，均以 Apache 2.0 许可开源，并从 Granite-4.1 基座模型后训练而来。
推荐理由：原文给出了从预训练到多阶段强化学习的完整构建细节，读者可以据此理解推理模型的训练配方与工程取舍。
Multiverse Computing 提出 Quantization-Aware Healing（QAH），把 GPT-OSS 120B 压缩到 60B 参数并量化为 MXFP4 后，直接在原始预压缩模型上做 KL 蒸馏而非从恢复出的 checkpoint 蒸馏，结果在 9 项基准中的 7 项超过该 60B 模型的 bfloat16 版本。
推荐理由：论文给出压缩加量化后再蒸馏原始模型的做法，读者可比较其与常规 QAT 在精度和训练稳定性上的差异。
Hugging Face 在 Gradio 中推出 gr.Workflow，把 AI 管线描述为带类型节点的图，Gradio 直接提供可拖拽画布，每个节点可运行、中间结果可见。
推荐理由：官方给出 gr.Workflow 的节点模型与多个可运行示例，读者可据此判断管线能否直接落成 API 与 Space。
Google Research 发布 Biomarker Discovery Framework，一个在人类监督下将候选生物标志物优先级排序组织为迭代研究循环的多智能体系统。
Google DeepMind 回顾从 Atari、AlphaGo 到 AlphaStar 的 15 年游戏 AI 研究，并宣布与游戏开发者合作探索新玩法。
Google Research 提出 ME-POIs 框架，将匿名化移动性模式（到达时间、停留时长、周边活动）与文本嵌入结合，生成同时编码地点身份与动态功能的向量表示。
Papers with Code 采用混合搜索系统支撑论文检索，结合 PostgreSQL 全文检索与 pgvector 向量召回，并用 RRF 算法融合两路结果。
Hugging Face 最新研究用三项测试量化语音识别中的“benchmaxxing”，评估 11 款开源 ASR 模型后发现，多款高分模型会复现 VoxPopuli 英文集和 LibriSpeech（clean、other）的基准转录文本，即使音频与之矛盾或相关词已被静音。
Liquid AI 为 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 发布 DSpark 投机解码草稿模型，每个约 300M 参数，在 H100 上平均提速 2.67 倍、M4 Max 上 2.27 倍，并把 LFM2.5-2.6B 的函数调用延迟平均降低 57%。
Mistral AI 发布 Agentic Search，一个让模型在多步检索循环中查找、查阅并核验信息的检索层，通过 Mistral Search Toolkit 和 Studio、Vibe 中的 Libraries 提供。
推荐理由：官方给出两套基准上的准确率、token 与 p90 延迟变化，可对照现有一站式 RAG 判断升级收益。
Hugging Face 博客发布 ALTK-Evolve 记忆剂量研究：在 AppWorld 585 个多步任务上测试 8 个模型后发现，智能体记忆不是开关而是需要按模型校准的剂量。
Sentence Transformers v6.0 新增第四种模型类型 MultiVectorEncoder，支持 ColBERT 式后期交互检索，PyLate、Stanford-NLP ColBERT 及 colpali-engine 视觉文档检索模型均可直接加载，沿用与稠密、稀疏、reranker 模型相同的 API。
Hugging Face 构建了一个约束感知的 GPU 分配器，在七个基准场景中与 FIFO 调度器对比测试：相同硬件、相同负载下，GPU 利用率最多提升 33 个百分点，优先级加权产出在每个场景中都有提高，最高增幅 105%。
Google 提出 PhotoScan，一个可直接从普通 2D 手机照片估算体脂率（BF%）、Android/Gynoid 脂肪比（A/G）和内脏/皮下脂肪面积比（V/S）的深度学习框架。
Hugging Face 发布 2026 年 1 至 8 月的开源模型观察报告，模型仓库从 243 万增至 296 万，数据集从 71.1 万增至 100 万。
Hugging Face 博客给出 Strands Robots 的流式数据循环教程：机器人演示录成 LeRobot 格式后同步进 Storage Bucket，训练时用 stream_dataset() 从 Hub 按分片直接读取而不下载，训练好的 checkpoint 改一个 mode="real" 参数即可部署回硬件。
Google DeepMind 发布 Gemini 3.7 Flash，定位为面向编码与智能体场景的最强主力模型，距离 Gemini 3.6 Flash 发布仅三周。
推荐理由：Google DeepMind 公布 3.7 Flash 的基准提升与降价幅度，可据此判断它在编码和智能体工作流中的性价比。
Hugging Face 在 7 月 15 日至 8 月 2 日举办 ICML 2026 开放复现挑战，1221 名社区成员用 Claude Code、Codex、Cursor 等编码智能体逐条验证论文结论，共发布 6816 份 Trackio logbook，覆盖 2226 篇论文，占会议接收论文的 34%。
推荐理由：Hugging Face 公开 ICML 2026 论文复现活动的数据与方法，读者可据此看到智能体做科研复现的真实边界与人类角色。
Hugging Face 的 OlmoEarth Studio 现已支持计算并导出 OlmoEarth 开源基础模型生成的嵌入向量，代码与模型权重已公开。用户可在 UI 或 API 中选择区域、1-12 个月时间跨度、Nano（128 维）/Tiny（192 维）/Base（768 维）编码器及 10-80 米分辨率，导出 int8 量化的轻量 COG。
Google DeepMind 发布手语转文本模型 SL2T，以超过 10 万小时、50 多种手语的数据训练，实现手语到文本的机器翻译。该模型首先在 Pixel 11 的 Gboard 与 Live Transcribe 中上线，支持美国手语（ASL）转英文，可用来搜索、写消息或向 Gemini 提问，更多设备和语言将后续支持。
推荐理由：官方披露 SL2T 的训练规模、手语到文本的翻译路径与隐私处理方式，可了解手语 AI 首次落地消费产品的工程取舍。
Google Research 提出 knowledge profiling 行为框架，用编码、召回、识别三项指标诊断 LLM 的事实性瓶颈，并发布含 2,150 条 Wikipedia 事实的 WikiProfile 基准。
Google Research 发布 AMIE (Video)，在 Gemini 与 Project Astra 之上实现同步临床视频问诊，可感知非语言临床线索、引导患者演员完成虚拟体格检查并实时进行诊断推理。
推荐理由：AMIE (Video) 用三智能体异步架构支撑实时视频问诊，并在 300 场随机 OSCE 研究中与初级保健医生对比，适合了解医疗多模态智能体的设计与评测方式。
Microsoft Research 发布研究模型 CARE-X，一个面向胸部 X 光多种解读任务的统一 VLM，结合生成与结构化预测，并用强化学习（DAPO）在多任务设定下奖励临床正确性。
Hugging Face 的 ALTK-Evolve 与 ACE 同属无权重更新的智能体记忆方案，都把过往轨迹转化为可复用经验，区别在推理时的投递方式。
Mistral 宣布三项推进主权 AI 的动作：Mistral Regional Endpoints 正式可用，客户可选择推理在欧洲还是美国运行；Mistral Priority Tier 进入公开预览，提供自定义速率限制和带 SLA 的可用性承诺。
推荐理由：Mistral 把推理区域选择、SLA 保障与第三方开源模型接入放进同一平台，可看作欧洲主权 AI 基础设施的具体落地路径。
NVIDIA Magpie TTS Multilingual 开放权重模型开放权重、364M 参数，新增 Modern Standard Arabic、韩语和巴西葡萄牙语，共支持 12 种语言，并经由 NVIDIA NIM 在自有基础设施部署。
Multiverse Computing 发布论文《Efficient Knowledge Distillation for LLMs: Offline Top-K Logits and a Fused Chunked KL Loss》，通过缓存教师模型每位置的 top-100 logits 做离线蒸馏，并把输出投影融合进分块 KL 损失计算，使峰值显存只随序列长度线性增长。
Meta 发布开源多模态模型 Muse Glimmer，从 Muse 蒸馏至 30B 参数，采用 Apache 2.0 许可，面向编码、文档分析、个人助理等本地智能体场景。
推荐理由：Meta 开源 30B 多模态模型，附 day-0 推理与量化支持，可用于评估本地智能体模型的落地方案。
Google DeepMind 在 Nature 发表论文，称 WeatherNext AI 模型在气旋路径、强度和风场结构预测上达到 SOTA，平均可多提供一天预报时效，三天预报精度相当于此前模型的两天水平。
推荐理由：官方给出气旋路径与强度预测多出一天预警时间的评估结果，并同时开源模型与权重，可据此判断气象预报模型的可用边界。
Baseten 成为 Hugging Face Hub 新支持的 Inference Provider，首批上线对话与文本生成任务，可访问 Kimi K3、DeepSeek V4 Flash、GLM-5.2 等热门开源权重 LLM。
Mistral AI 发布 Shieldstral，一个 3B 开源权重多模态安全分类器，以 Apache 2.0 许可发布，可在单张 16GB NVIDIA GPU 上运行。该模型把内容审核转化为策略自适应问答任务，推理时直接接受自然语言策略，无需重新训练即可统一文本与图像安全评估，官方称其在文本安全和多模态审核基准上匹配或超过至多 7 倍规模的开放护栏模型，并给出可阈值化的连续安全评分。
推荐理由：3B 分类器以推理时自然语言策略替代固定危害分类，读者可据此判断轻量护栏模型的部署方式变化。
微软研究院开源 Orchard，一个面向可扩展智能体 AI 研究的框架，核心是可在软件工程、网页导航和智能助手等任务间复用的 Orchard Env 环境服务，并支持直接在 Codex、OpenClaw、ZeroClaw 等真实部署 harness 中训练智能体。
推荐理由：微软研究院开源 Orchard 环境服务与三套训练配方，读者可了解小参数模型在真实 harness 内训练后能达到的智能体水平。
Google Research 提出 Chain-of-Evidence（CoE）可验证性框架，并以此构建自主研究原型 Science One Framework，在 ADRS 基准五项系统优化任务的 75 篇论文审计中实现零幻觉引用、分数完全可复现，在 MLE-Bench 与 Parameter-Golf 上达到 SOTA，而基线系统最高有 21% 的引用为虚构。
继模型质量之后，GPU 利用率正成为企业 AI 的下一个真实约束：GPU 成本按日历小时计（融资、折旧、电力、制冷），产出却只按计算小时计，而需求并非全天候。到 2026 年，连 Anthropic 都同时在 Amazon、Google、Microsoft 和 AMD 四家平台上做多吉瓦级承诺，Meta 也签下类似规模的多吉瓦协议，算力获取仍是活生生的战略约束。
Google DeepMind 发布面向机器人具身推理的 Gemini Robotics ER 2，作为高层大脑负责对话、理解物理世界并规划多步任务，再交由底层 VLA 模型执行动作。
推荐理由：官方给出进度分类、时刻定位与多机协作的量化结果，可对照上一代了解具身推理的实际提升幅度。