精选

推荐理由：通过数十位数学家的第一手反应，呈现近400项AI生成数学结果对学术生态与研究者职业路径的冲击。

推荐理由：汇总了 Haiku 5.5 的定价、独立评测与 token 消耗数据，可据此判断小模型在智能体工作流中的成本取舍。

推荐理由：作者用 ML Intern 在两天内从零训出六个小模型，给出了完整提示词、预算与冒烟测试的可复用流程。

推荐理由：三个月专利撰写实验区分了 AI 带来的即时产出提升与无辅助判断力的变化，为评估 AI 对专业能力的影响提供了可迁移的实验设计。

推荐理由：文章给出 Haiku 5.5 在 Bedrock 上的能力定位、成本变化与调用方式，便于判断它在多智能体分层中的位置。

推荐理由：NVIDIA 与 Microsoft 把智能体运行所需的系统级容器和本地算力硬件一并给出，读者可据此判断本地智能体工作流的落地条件。

推荐理由：GitHub 用九个季度的数据说明密钥泄露为何随代码量增长，并给出把检测前移到 push 环节的模型方案。

推荐理由：Liquid AI 开源两款决策模型，给出端侧延迟与七项基准对比，可据此判断小模型做结构化决策的可行性。

推荐理由：微软开源 3500 行 Agent RL 框架，给出真实 harness 训练路径与 SWE-bench 提升数据，可据此判断工程成本。

推荐理由：原文公开了从 Nemotron 3 微调到 IOI、IMO 金牌级成绩的完整配方与数据集，可据此复现领域专家模型。

推荐理由：官方给出参数量、量化内存与多模态基准表现，可据此判断端侧检索与 RAG 的落地边界。

推荐理由：官方给出 1 万亿参数多模态模型的开放权重时间表与多项基准对比，可据此判断开源前沿模型的当前水位。

推荐理由：GitHub 公开了代码审查基准的构建方法与离线到线上的验证数据，可据此判断评测信号是否可信。

推荐理由：微软与 Hugging Face 联合发布的智能体评测基准，用数据库终态而非模型自述来判定任务成败，并给出可复现的 OpenEnv 运行方式。

推荐理由：Google 公布新一代联邦学习系统设计，用 TEE 让数据匿名化过程可被外部验证，并给出 Gboard 的落地效果。

推荐理由：原文给出 64GB 新配置的价格、上市时间与双机集群性能数据，可据此判断本地跑大模型的门槛变化。

推荐理由：原文给出 Astra Ultrafast 在 Blackwell 上的加速幅度与开放入口，读者可据此判断它对编码智能体循环的实际影响。

推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准与内部落地案例，可据此判断前沿模型的能力边界与分阶段开放节奏。

推荐理由：DeepMind 把水印从数字内容延伸到合成蛋白质，读者可了解生物安全筛查为何需要可验证的来源信号。

推荐理由：微软研究院公开 Quine 的生物世界模型与实验闭环，并给出胰腺癌细胞状态预测的湿实验验证结果。