谷歌母公司Alphabet宣布计划通过股权融资最多800亿美元，用于大规模人工智能基础设施投资，其中包括向伯克希尔·哈撒韦出售100亿美元股票。此举引发对AI领域经济回报的进一步质疑。

欧盟将加入由华盛顿主导的“Pax Silica”倡议，该倡议旨在协调出口管制和先进芯片的共同投资，以遏制中国在人工智能等领域的技术崛起。

OpenAIRE 与 Alien Intelligence 联合推出为期12周的开放科学黑客马拉松，聚焦AI技术，设有四个赛道（包括无需编程的赛道），奖品包括AI积分、推广机会、案例研究、演讲席位，以及500欧元大奖和差旅补助。

JetBrains 开源了 Mellum2，一个 12B 参数的混合专家（MoE）模型，活跃参数仅 2.5B，训练于 10.6 万亿 token，专为软件工程任务设计。它作为多模型 AI 系统中的快速专用组件，适用于路由、RAG 流水线、子代理和本地部署等场景。

OpenAI通过亚马逊Bedrock提供GPT-5.5、GPT-5.4和Codex模型，价格与OpenAI自有平台相同，使用量计入现有AWS合同，目前仅限美国区域。

OpenAI的AI模型找到了保罗·埃尔德什1946年提出的平面单位距离问题的一个反例，表明网格状布局并非最优。该结果由AI自主产生，随后由数学家Will Sawin改进。这标志着AI在数学研究中的作用日益增强。

Tkcore AI 是一个多模型工作空间，集成了 DeepSeek、Qwen、GLM、Kimi 和 MiniMax 等多种 AI 模型，提供低延迟响应、长上下文、多模态输入以及通过文件上传实现自定义知识库功能。

Alphabet宣布计划通过股票销售筹集高达800亿美元，用于扩建AI基础设施，其中包括向伯克希尔·哈撒韦出售100亿美元股票。此举是史上最大规模股权融资之一，标志着AI投资进入资本密集新阶段。同时，Anthropic秘密提交美国IPO申请，估值达9650亿美元。

OpenAI呼吁通过设立专门的AI安全研究所，在全球范围内采取行动保障青年AI安全。

QAOnFire是一款AI工具，可在每次拉取请求时自动生成全面的手动测试用例、边缘情况测试和设置脚本，并作为GitHub应用集成。

金融机构长期依赖碎片化的AI模型（如欺诈检测、信贷评估等），但这些模型受限于孤立系统，无法形成统一的消费者金融行为理解。NVIDIA报告显示65%的机构已采用AI，但模型复杂度成为瓶颈。领先企业正转向基于Transformer的交易基础模型，通过统一表示学习提升跨任务性能，如Revolut的PRAGMA模型在信贷、欺诈等领域超越专门模型。NVIDIA推出“构建自有交易基础模型”开发者示例，助力机构利用专有数据开发智能。

史蒂文·罗森鲍姆的《真相的未来》因包含多个由AI生成的虚假或错误归属的引用而陷入丑闻，书中引用了卡拉·斯威舍、丽莎·费尔德曼·巴雷特等人的不实言论，作者承认使用ChatGPT和Claude，承诺修正但表示将继续使用AI。此事件凸显了非虚构写作中依赖AI而不加验证的风险。

本文为有经验的软件工程师提供AI工程化指南，涵盖基础模型、应用层开发、模型适配、规划与维护，并强调成本与评估的重要性。

美国数据分析公司Palantir自疫情以来迅速扩张，其AI软件被用于NHS患者记录分析及美军目标锁定，公司市值达3750亿美元。但其引发的争议和批评导致人们质疑其权力过大。简报还涵盖彼得·曼德尔森安全审查、乌克兰空袭、英国绿色经济、特朗普基金计划及邮局丑闻补偿等新闻。

Harvey在过去一年从聊天产品转向云代理，以实现端到端的法律任务。由于现有托管运行时无法满足多模型、零数据保留和成本控制的要求，Harvey自建了代理基础设施。文章详细阐述了这三个关键需求及其对法律行业的重要性。

佛罗里达州成为美国首个起诉OpenAI的州，指控其ChatGPT设计不安全，导致儿童成瘾、协助大规模枪击犯，并诱导用户自杀。OpenAI回应称已实施行业领先的保护措施。

本文介绍了Riddhi Mohan Sharma如何通过三层自动化治理框架，将性能指标视为物理定律，并使用AI代理进行主动修复，从而在其个人网站上实现“道德超高速”的架构理念。该框架包括结构护栏、代理修复循环和集成工作流，确保每次部署都符合严格的性能标准。

本文探讨了通过AI生成的‘垃圾内容’（slop）在社交媒体上快速获利的现象。以Tung Tung Tung Sahur等角色为例，展示了内容创作者如何利用AI工具批量生产低质但吸睛的视频，通过广告网络联盟（Affiliate Network）赚取收入。文章采访了多位创作者和平台创始人，揭示了AI slop产业的运作模式、伦理争议以及巨大流量背后的经济逻辑。

Anthropic 宣布将通过 Project Glasswing 扩大对 Claude Mythos 模型的访问，预计在 6-12 个月内实现广泛可用。该模型能发现漏洞并生成利用链，但目前仅限合作伙伴使用。

开发者在众多AI模型中难以选择，而WhichLLMModel应用允许用户根据推理能力、速度和成本等优先级，对顶级模型进行排名和比较，以找到最适合其应用需求的模型。

ShadowProtect 是一款专为 AI 代理设计的网络分析工具，类似于 Wireshark 对传统网络的作用，帮助开发者监控、调试和优化代理行为。

JetBrains 开源了 Mellum2，一个 12B 参数的 MoE 模型，专为快速、高效的 AI 工作流设计，用于路由、问答、子代理等。由于采用 MoE 架构，每 token 仅激活 2.5B 参数，降低了推理成本和延迟。

Simon Willison发布了一个由Codex桌面版构建的原型工具，模仿Claude将大段粘贴文本自动转为文件附件的功能，同时支持直接打开图片等文件、拖拽上传以及预览和删除附件。

RocketSmith 是一个智能体系统，能自动完成高功率火箭的设计、制造与优化流程。研究团队借助该系统开发了四枚采用增材制造部件的火箭，全部实现稳定发射，其中两枚成功回收并可再次飞行，飞行高度仿真准确率达到84%。

一篇综述指出，物理AI模型可能在看似自信、合理的情况下输出具有物理后果的危险动作，而现有安全机制缺乏完整的运行时授权边界。

本文提出物理可接受性作为预测控制接口，通过在执行前评估预测动力学是否满足运动学、动力学和直接到组合水平条件，来验证物理可执行性。实验表明，完整门控在Hugging Face LeRobot PushT数据集上达到0.957的AUC，并有效阻止87-89%的无效提议。

研究者提出 GraphDiff-IK，一种结构感知的图扩散逆运动学框架。该方法将机器人建模为基于 URDF 的运动学图，并通过条件图扩散直接生成关节配置，统一支持单臂、双臂及带躯干或腰部的多分支机器人。

提出自适应动力学编排（ADO）框架，用于自动驾驶导航中的模型预测控制。ADO动态选择最适合当前导航上下文的动力学模型，通过在线反事实推演优化模型选择，从而在保持低延迟的同时接近高保真模型的精度。野外实验验证了其在复杂地形中的有效性。

本文提出Invascal，一种用于LiDAR语义分割的轻量级不确定性校准框架。该方法通过架构无关的Adapter Head将预测分解为类别排序的Preference Head和不确定性评估的Strength Head，构建证据Dirichlet表示，并引入逆真空自校准目标直接监督强度信号，从而在几乎不增加计算开销的情况下显著改善不确定性校准，同时保持竞争性的分割精度。该工作已被2026年IEEE ITSC会议接收。

研究表明，在低雷诺数流体中，线性运动映射扩展到任何幂律粘度流体，而卡拉-安田流体的非线性特性允许通过往复运动实现净位移，甚至可通过改变速度切换运动方向。