Overworld 发布实时视频世界模型 Waypoint-1.5，在 RTX 3090 至 5090 等桌面硬件上可生成最高 720p、60 FPS 的实时环境，并新增面向更广消费级硬件的 360p 档位，后续将支持 Apple Silicon Mac。
推荐理由：Waypoint-1.5 给出 720p 与 360p 两档本地实时世界模型，读者可据此判断消费级硬件跑交互式生成世界的门槛。
Google DeepMind 发布 Gemma 4 开源模型家族，包含 E2B、E4B、26B MoE 和 31B Dense 四个尺寸，采用 Apache 2.0 许可。
推荐理由：Gemma 4 以四个尺寸覆盖端侧到工作站，并给出 Apache 2.0 许可与首日工具支持，读者可据此判断本地部署与微调的选择空间。
Google DeepMind 的 Gemma 4 多模态模型家族已在 Hugging Face 上线，采用 Apache 2 许可，支持图像、文本和音频输入并生成文本，共五个尺寸：E2B、E4B、12B Unified、31B 和 26B A4B。
推荐理由：Gemma 4 五档尺寸与 12B 无编码器统一多模态的架构取舍，为端侧多模态选型提供了具体参照。
阿布扎比 TII 的 Falcon Vision 团队发布 Falcon Perception，一个 0.6B 参数的早期融合 Transformer，用自然语言提示做开放词汇定位与分割，在 SA-Co 上达到 68.0 Macro-F1，高于 SAM 3 的 62.3，但在存在性校准上落后（MCC 0.64 对 0.82）。
推荐理由：原文给出 0.6B 早期融合模型在 SA-Co 与 PBench 上的分项对比，可据此判断单栈架构相对模块化流水线的取舍。
IBM 发布 Granite 4.0 3B Vision，一个面向企业文档理解的紧凑型视觉语言模型，以 LoRA 适配器形式叠加在 Granite 4.0 Micro 之上，采用 Apache 2.0 许可并在 Hugging Face 上线。
推荐理由：Granite 4.0 3B Vision 以 LoRA 适配器形式发布，并给出图表与表格抽取的基准对比，可据此判断小模型在企业文档场景的可用性。
Google DeepMind 发布 Gemini 3.1 Flash Live，称其为目前质量最高的音频与语音模型，具备更高精度和更低延迟。该模型在 ComplexFuncBench Audio 上以 90.8% 领先上一代，在 Scale AI 的 Audio MultiChallenge 上开启 thinking 后得分为 36.1%。
推荐理由：官方给出语音模型的基准成绩与多产品接入路径，可据此判断实时语音智能体的可用性变化。
Google DeepMind 发布 Lyria 3 Pro，可生成最长 3 分钟的曲目，并具备结构感知能力，能按前奏、主歌、副歌和桥段等元素进行提示。
推荐理由：官方给出 Lyria 3 Pro 的时长、结构控制与多产品接入范围，可据此判断音乐生成在创作流程中的可用性。
Mistral AI 发布首个文本转语音模型 Voxtral TTS，4B 参数，支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语 9 种语言，具备情感表达与零样本跨语言音色适配能力。
推荐理由：原文给出 4B 参数、9 种语言与 70ms 延迟等具体指标，读者可据此判断语音智能体的成本与可用性。
H Company 发布 Holotron-12B，一个基于 NVIDIA Nemotron-Nano-2 VL 后训练的多模态 computer-use 模型，现已在 Hugging Face 上线，采用 NVIDIA Open Model License。
推荐理由：模型基于 Nemotron 架构做后训练，给出吞吐与 WebVoyager 数据，可对照现有 computer-use 智能体的部署成本。
OpenAI 发布 GPT-5.4 mini 和 nano，两者是 GPT-5.4 的更小、更快版本。官方称其针对编码、工具调用、多模态推理以及高并发 API 和子智能体负载做了优化。
推荐理由：OpenAI 在 GPT-5.4 之下补出 mini 与 nano 两档，读者可据此判断小模型在编码与子智能体负载上的定位。
Mistral AI 发布 Mistral Small 4，这是 Mistral Small 系列的下一个重要版本，也是首个把 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码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 把推理、多模态与编码能力合并进单一开源模型，并给出可调推理强度与部署门槛，便于评估其替代多模型组合的可行性。
Mistral 发布 Leanstral，这是首个面向 Lean 4 的开源代码智能体，采用 6B 激活参数的稀疏架构，权重以 Apache 2.0 许可开放，并接入 Mistral Vibe 与免费 API 端点 labs-leanstral-2603。
推荐理由：Mistral 开源面向 Lean 4 的代码智能体，给出与 Claude 系列和开源模型的成本与得分对比，可据此判断形式化验证路线的性价比。
OpenAI 发布 IH-Challenge，用于训练模型优先执行可信指令，从而改进指令层级、安全可控性并提升对提示注入攻击的抵抗能力。
推荐理由：OpenAI 提出 IH-Challenge 训练方法，读者可了解前沿模型指令层级与抗提示注入的一条技术路径。
OpenAI 发布 GPT-5.4，称其为面向专业工作能力最强且高效的前沿模型。该模型具备 state-of-the-art 的编码、computer use、工具搜索能力，并支持 1M-token 上下文。
推荐理由：OpenAI 公布 GPT-5.4 的编码、computer use 与 1M token 上下文等能力定位，可据此判断其面向专业工作的边界。
OpenAI 发布 GPT-5.4 Thinking 系统卡，正文内容未能获取。
Google DeepMind 推出 Gemini 3.1 Flash-Lite，定位为 Gemini 3 系列中速度最快、成本最低的模型，即日起通过 Gemini API 在 Google AI Studio 和 Vertex AI 面向开发者预览。
推荐理由：官方给出价格、速度与基准数据，可据此判断高并发场景下是否值得替换现有轻量模型。
OpenAI 发布 GPT-5.3 Instant，官方称其在日常对话中更顺畅、更实用。原文正文未抓取到，暂无更多细节。
OpenAI 发布 GPT-5.3 Instant 系统卡，目前仅有标题信息，正文内容尚未获取。
Google DeepMind 发布 Nano Banana 2（Gemini 3.1 Flash Image），把 Nano Banana Pro 的世界知识、画质与推理能力带到 Flash 速度。
推荐理由：官方给出 Nano Banana 2 与 Pro 的能力分工和上线范围，读者可据此判断该选哪个模型。
Google DeepMind 发布 Gemini 3.1 Pro，定位为面向复杂任务的核心推理升级，在 ARC-AGI-2 上取得 77.1% 的验证分数，超过 3 Pro 推理性能的两倍。
推荐理由：官方给出 ARC-AGI-2 上 77.1% 的验证分数与 3 Pro 的对比，可据此判断核心推理能力的提升幅度。
OpenAI 发布预印本，显示 GPT-5.2 为胶子振幅提出一个新公式，随后由 OpenAI 与学术合作者完成形式化证明与验证。
推荐理由：OpenAI 与学术合作者披露 GPT-5.2 提出胶子振幅新公式并被形式化证明，可观察模型在理论物理推导中的角色。
Google DeepMind 发布 Gemini 3 Deep Think 重大升级，这一专用推理模式面向科学、研究与工程难题。
推荐理由：官方给出 Deep Think 在 HLE、ARC-AGI-2、Codeforces 等基准上的具体成绩与开放入口，可据此判断其科研推理定位。
OpenAI 发布 GPT-5.3-Codex-Spark，称其为首个实时编码模型，生成速度提升 15 倍，支持 128k 上下文。该模型目前面向 ChatGPT Pro 用户开放研究预览。
推荐理由：OpenAI 发布首个实时编码模型，给出 15 倍生成速度和 128k 上下文，可据此判断编码工作流的响应变化。
OpenAI 发布 GPT-5.3-Codex，这是一个 Codex 原生的智能体，将前沿编码性能与通用推理能力结合，用于支持长周期、真实世界的技术工作。
推荐理由：OpenAI 发布 Codex 原生的 GPT-5.3-Codex，读者可了解其在前沿编码与通用推理上的定位。
OpenAI 发布 GPT-5.3-Codex 系统卡，称其为迄今能力最强的智能体编码模型。该模型把 GPT-5.2-Codex 的前沿编码性能与 GPT-5.2 的推理和专业领域知识能力结合在一起。
推荐理由：官方系统卡披露 GPT-5.3-Codex 把编码能力与推理、专业知识合并，可据此判断智能体编码模型的能力边界。
Mistral 发布 Voxtral Transcribe 2，包含面向批量转写的 Voxtral Mini Transcribe V2 和面向实时场景的 Voxtral Realtime 两款语音转文字模型。
推荐理由：官方给出两款语音转写模型的延迟、错误率与定价对比，可据此判断实时语音应用的落地成本。
H Company 发布迄今最大的 UI 定位模型 Holo2-235B-A22B Preview，在 ScreenSpot-Pro 上以 78.5% 刷新 SOTA，OSWorld G 达 79.0%，模型已在 Hugging Face 开放。该模型单步在 ScreenSpot-Pro 上达 70.6%，配合智能体式定位可在 3 步内迭代提升精度，各尺寸 Holo2 模型相对提升 10-20%。
Overworld 发布实时交互式视频扩散模型 Waypoint-1，可通过文本、鼠标和键盘控制，权重已上线 Hugging Face Hub，先开放 Waypoint-1-Small，Medium 版本即将推出。
推荐理由：Waypoint-1 把实时交互式视频扩散模型与推理库一并开源，读者可据此了解世界模型从预训练视频微调转向交互优先训练的思路。
Google DeepMind 发布 D4RT（Dynamic 4D Reconstruction and Tracking），用统一的编码器-解码器 Transformer 架构完成动态场景的 4D 重建与追踪，通过查询机制并行回答像素在任意时间、任意相机视角下的 3D 位置。
推荐理由：D4RT 把动态场景重建统一进单一框架，并给出相对既有方法的效率倍数与单芯片实测耗时。
Google 发布 MedGemma 1.5 4B，新增对 CT、MRI 和全切片病理等高维医学影像的支持，并保留 2D 图像与文本能力。官方称在内部基准上，CT 病灶分类准确率从 58% 提升到 61%，MRI 从 51% 提升到 65%，MedQA 从 64% 提升到 69%。
推荐理由：官方给出 MedGemma 1.5 与 MedASR 的基准对比和开源入口，可据此判断医疗多模态模型的可用边界。
NVIDIA 发布 Cosmos Reason 2，一款面向物理 AI 的开源推理视觉语言模型，在 Physical AI Bench 和 Physical Reasoning 榜单上位列开源模型第一。
推荐理由：NVIDIA 官方发布 Cosmos Reason 2，给出 2B/8B 规格、256K 上下文与多项评测提升，可据此判断物理 AI 视觉推理的可用边界。
Hugging Face 发布 Falcon-H1-Arabic 阿拉伯语模型家族，含 3B、7B、34B 三个规模，采用 Mamba 与 Transformer 注意力并行的 Falcon-H1 混合架构。
Hugging Face 发布 8B 参数安全护栏模型 AprielGuard，可检测 16 类安全风险及提示注入、越狱、思维链污染、记忆投毒、多智能体攻击序列等对抗攻击，并覆盖工具调用与推理轨迹等智能体工作流场景。模型提供推理与非推理两种模式，兼顾可解释分类与低延迟生产部署。
OpenAI 发布 GPT-5.2 系统卡增补文件，涉及 GPT-5.2-Codex。
OpenAI 发布 GPT-5.2-Codex，称其为自家最先进的编码模型。该模型主打长程推理、大规模代码转换以及增强的网络安全能力。
推荐理由：OpenAI 官方给出 GPT-5.2-Codex 的三项能力定位，读者可据此判断编码模型在长任务与安全方向的变化。
NVIDIA 发布 Nemotron 3 Nano 30B A3B，并公开其完整评测配方，基于开源库 NeMo Evaluator 构建，任何人可复跑评测流程并独立核查结果。
Google DeepMind 发布 Gemini 3 Flash，将 Gemini 3 的推理能力与 Flash 级别的延迟、效率和成本结合，定价为每 100 万输入 token 0.50 美元、每 100 万输出 token 3 美元。
推荐理由：官方给出 Gemini 3 Flash 的基准分数、定价与上线渠道，可据此判断它在速度与成本上的取舍。
Google DeepMind 发布 Gemma Scope 2，一套面向 Gemma 3 全系列模型（270M 至 27B 参数）的开源可解释性工具，结合稀疏自编码器（SAEs）与 transcoders 查看模型内部计算。
OpenAI 发布 ChatGPT Images 与 GPT-Image-1.5，前者带来更快的图像生成体验，后者通过 API 提供。原文还提到可了解最新的 ChatGPT Images 2.5。
推荐理由：OpenAI 在 API 中上线 GPT-Image-1.5，并同步更新 ChatGPT 图像生成体验。
Google DeepMind 发布升级版 Gemini 2.5 Flash Native Audio，面向实时语音智能体，在复杂工作流处理、指令遵循和多轮对话上做了改进。
推荐理由：官方给出函数调用、指令遵循与多轮对话三项能力的具体提升数据，可据此判断语音智能体的可用边界。