Google Research 展示科学家使用 Empirical Research Assistance 的四个科研方向
Google Research 介绍自 9 月预印本发布 Empirical Research Assistance（ERA）以来，其科学家与学术合作者将其应用于真实科研的四个成果。
推荐理由：文章展示了 ERA 在疫情预测、宇宙学、气候遥感和神经回路四个真实科研场景的应用结果，可了解 LLM 辅助科研的具体形态。
推理能力
全部主题模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
最新精选
第 21–40 条 · 共 83 条Google Research精选AI 评分6262
Hugging Face Blog精选AI 评分6464 IBM Granite 4.1 系列模型发布并详解训练过程
IBM Granite 团队发布 Granite 4.1 系列 dense 模型，含 3B、8B、30B 三个规模，在约 15T tokens 上训练，上下文经长文本扩展达 512K，均以 Apache 2.0 许可开源。
推荐理由：原文完整披露了五阶段预训练、SFT 质控和四阶段 RL 的训练配方，8B 稠密模型对标上一代 32B-A9B MoE 的结果也可供选型参考。
Hugging Face Blog精选AI 评分8383 DeepSeek 发布 V4：MoE 双检查点上线 Hub，主打百万 token 上下文的 Agent 能力
DeepSeek 发布 V4，在 Hub 上开源 DeepSeek-V4-Pro（1.6T 总参数 / 49B 激活）和 DeepSeek-V4-Flash（284B 总参数 / 13B 激活）两个 instruct 及对应 base 检查点，均支持 1M token 上下文。
推荐理由：文章拆解了 V4 为长上下文与 Agent 场景做的架构与后训练设计，读者可据此评估开源模型跑长任务的部署成本。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Gemma 4 开源模型，E2B/E4B/26B MoE/31B 四尺寸
Google DeepMind 发布 Gemma 4 开源模型，基于 Gemini 3 技术，主打高级推理和智能体工作流。提供 E2B、E4B、26B MoE（推理时仅激活 3.8B 参数）和 31B Dense 四种尺寸，31B 在 Arena AI 文本排行榜上位列全球开源模型第 3，采用 Apache 2.0 许可，支持 128K-256K 上下文窗口、原生多模态和 140+ 语言。
推荐理由：原文给出了四个尺寸、基准排名和部署细节，读者可以据此判断在本地和端侧硬件上的可用性。
Mistral AI精选AI 评分7171 Mistral 发布 Small 4，统一指令、推理与多模态能力并开源
Mistral 发布 Mistral Small 4，首次将 Magistral 的推理、Pixtral 的多模态和 Devstral 的编码能力统一到单一模型，采用 Apache 2.0 许可开源。
推荐理由：官方宣布 Small 家系统一推理、多模态与编码能力，并给出架构参数和推理效率对比，便于评估开源部署性价比。
Google Research精选AI 评分6464 Google AMIE 完成真实门诊前瞻性可行性研究
Google 与 Beth Israel Deaconess Medical Center 合作完成 AMIE 的前瞻性单中心可行性研究，100 名成人患者在门诊就诊前与 AMIE 进行问诊对话，由医生实时监督，全程未触发任何安全中止。
推荐理由：原文给出真实门诊环境下的安全性、诊断与患者反馈数据，读者可以据此评估对话式医疗 AI 落地临床的现状与局限。
Hugging Face Blog精选AI 评分6666 LeRobot v0.5.0 发布：全面支持 Unitree G1 人形机器人并新增多项策略
Hugging Face LeRobot 发布 v0.5.0，合并超过 200 个 PR、新增 50 多位贡献者。
推荐理由：官方完整发布说明覆盖硬件、策略、数据集和代码库四大方向，读者可据此评估升级对机器人训练与部署的实际影响。
OpenAI News精选AI 评分7979 OpenAI 发布 GPT-5.4：面向专业工作的前沿模型
OpenAI 发布 GPT-5.4，称其为面向专业工作最强、最高效的前沿模型。新模型在编码、计算机使用和工具搜索上达到 SOTA，并提供 1M-token 上下文窗口。
推荐理由：OpenAI 官方给出 GPT-5.4 的能力定位与 1M-token 上下文，可据此判断其在专业工作场景中的可用性。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini 3.1 Flash-Lite，主打高并发场景的性价比与速度
Google DeepMind 发布 Gemini 3.1 Flash-Lite，定位 Gemini 3 系列中最快、最具成本效益的模型，已在 Google AI Studio 和 Vertex AI 以 preview 形式推出。
推荐理由：官方公布定价与实测对比数据，开发者可据此评估高并发场景下换用该模型的速度与成本收益。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 3.1 Pro，ARC-AGI-2 得分 77.1%
Google DeepMind 发布 Gemini 3.1 Pro，在 ARC-AGI-2 上取得 77.1% 的 verified 成绩，推理表现是 3 Pro 的两倍以上。
推荐理由：官方公布 ARC-AGI-2 得分并覆盖消费端与开发者端入口，读者可以直接对照现有工作流评估升级。
OpenAI News精选AI 评分6565 GPT-5.2 推导出理论物理新结果
OpenAI 发布预印本，显示 GPT-5.2 提出了一个新的 gluon amplitude（胶子振幅）公式，该公式随后由 OpenAI 与学术合作者正式证明和验证。
推荐理由：模型提出的新物理公式经学术合作者证明与验证，可作为前沿模型科研能力的具体例证。
Google DeepMind精选AI 评分7373 Google DeepMind 发布 Gemini 3 Deep Think 重大升级，HLE 48.4%、ARC-AGI-2 84.6%
Google DeepMind 发布 Gemini 3 Deep Think 重大升级，面向科学、研究和工程挑战的专用推理模式。
推荐理由：原文给出 Deep Think 多项基准成绩和 API 开放入口，读者可以据此评估它在科研与工程场景的可用性。
Google DeepMind精选AI 评分8080 Google DeepMind 发布两篇论文，展示 Gemini Deep Think 在数学与科学研究中的应用
Google DeepMind 发布两篇论文，介绍 Gemini Deep Think 在专家指导下解决数学、物理和计算机科学的专业研究问题。其数学研究智能体 Aletheia 配备自然语言验证器并可承认失败，在 IMO-ProofBench Advanced 上最高得分 90%，并自主解决 Bloom's Erdős 猜想数据库中的四个开放问题，包括 Erdős-1051。
推荐理由：原文给出两篇论文的具体成果和方法细节，读者可以了解 AI 辅助科研的实际边界与协作模式。
Hugging Face Blog精选AI 评分6060 NVIDIA 发布开源推理视觉语言模型 Cosmos Reason 2
NVIDIA 发布 Cosmos Reason 2，一个面向物理 AI 的开源推理视觉语言模型，登顶 Physical AI Bench 和 Physical Reasoning 排行榜，成为视觉理解排名第一的开源模型。
推荐理由：官方发布给出模型规格、上下文长度和评测变化，读者可据此评估其是否适合机器人与视频分析场景。
OpenAI News精选AI 评分7272 OpenAI 发布 GPT-5.2-Codex 编码模型
OpenAI 发布 GPT-5.2-Codex，称其为目前最先进的编码模型。该模型主打长程推理、大规模代码变换和增强的网络安全能力。
推荐理由：官方说明点出长程推理、大规模代码改造与安全能力三个方向，可作为评估其编码定位的基本参照。
Google DeepMind精选AI 评分8383 Google DeepMind 发布 Gemini 3 Flash，主打高速低成本的前沿智能
Google DeepMind 发布 Gemini 3 Flash，将 Gemini 3 Pro 级推理能力与 Flash 级速度和成本结合。
推荐理由：官方给出关键基准分数、价格和开放渠道，读者可以据此比较它与大模型在速度成本上的取舍。
Google Research精选AI 评分6363 Google 在 STOC 2026 试点 Gemini Paper Assistant Tool 为理论计算机科学论文提供投稿前自动反馈
Google Research 在 STOC 2026 试点 Paper Assistant Tool（PAT），基于 Gemini 2.5 Deep Think 在提交后 24 小时内为理论计算机科学论文提供自动反馈。PAT 识别出计算错误、不等式误用和证明逻辑漏洞等问题，97% 的受访作者认为反馈有用并愿意再次使用，88% 希望在整个研究过程中持续使用；工具定位是辅助而非替代同行评审。
推荐理由：官方报告了 STOC 2026 投稿试点中的实测数据与作者反馈，读者可据此了解 AI 辅助审稿在理论数学写作中的实际表现。
OpenAI News精选AI 评分6767 OpenAI 发布 GPT-5.2，在 GPQA Diamond 与 FrontierMath 上刷新纪录
OpenAI 发布 GPT-5.2，称其为迄今数学和科学能力最强的模型，在 GPQA Diamond 和 FrontierMath 等基准上创下新的 SOTA 成绩。文章展示了这些能力提升如何转化为实际研究进展，包括解决一个开放理论问题和生成可靠的数学证明。
推荐理由：原文给出 GPT-5.2 在数学与科学基准上的成绩及其在真实研究中的应用，适合想了解模型推理能力边界的读者。
OpenAI News精选AI 评分7474 OpenAI 发布 GPT-5.2：面向专业工作的前沿模型
OpenAI 发布 GPT-5.2，定位为面向日常专业工作的最先进前沿模型，具备推理、长上下文理解、编码和视觉能力。用户可在 ChatGPT 和 OpenAI API 中使用，以驱动更快、更可靠的智能体工作流。
推荐理由：OpenAI 官方说明 GPT-5.2 的能力定位和可用入口，读者可以据此判断是否将其纳入日常工作流。
Mistral AI精选AI 评分8282 Mistral 发布 Mistral 3 系列模型，含 Mistral Large 3 与 Ministral 3 全系开源
Mistral 发布 Mistral 3 系列模型，包括 41B 激活、675B 总参数的 MoE 模型 Mistral Large 3，以及 3B/8B/14B 三种尺寸的 Ministral 3 小模型，全部以 Apache 2.0 协议开源。
推荐理由：官方发布涵盖 Large 3 与 Ministral 3 全系的参数规模、开源协议和部署途径，读者可以据此判断各档模型适合的场景。