Sierra 在韩国首尔开设办公室，拓展客户体验 AI 平台业务
Sierra 宣布在首尔开设办公室，正式进军韩国市场。作为增长最快的客户体验 AI 平台，Sierra 已服务全球三分之一主要银行及 40% 的 Fortune 50 企业。其 Horizon 智能体通过 Context Engine 实现跨系统长期运行，支持按结果计费，助力 Singtel、BBVA 等客户在数周内快速上线并提升业务指标。
全部 AI 动态
Sierra BlogAI 评分1919 Mistral AIAI 评分4242 Mistral 与 HUMAIN 达成数亿欧元战略合作，推进沙特及中东主权 AI
Mistral 与 HUMAIN 宣布在沙特阿拉伯及中东地区建立战略协作，合作规模达数亿欧元。双方将聚焦网络安全、语音及阿拉伯语前沿模型的开发与本地化，并探索利用 HUMAIN 数据中心基础设施满足算力需求。该合作旨在通过开放权重模型和本地部署，实现数据、智能与运营完全受客户控制的主权 AI。
Google Developers Blog精选AI 评分6262 Google ADK 新增原生语音智能体评估功能
Google ADK 引入原生实时语音评估能力，支持通过模拟用户音频驱动智能体并评分。该功能允许在同一评估循环中处理语音交互，提供从创建智能体、编写评估用例到运行和检查结果的完整流程示例。开发者可利用自然语言评分标准对多轮对话轨迹进行端到端质量判断，并通过 ADK Web 界面查看包含可播放音频片段的转录结果。
推荐理由：提供了在 ADK 中构建语音智能体评估闭环的具体代码与配置，帮助开发者将演示转化为可量化的生产级测试。
vLLM 官方博客AI 评分4545 vLLM 在 AMD GPU 上探索推测解码
vLLM 在 AMD Instinct MI300X/MI355X 上测试了原生 MTP、EAGLE-3 等五种推测解码方法，验证其通过单次目标模型校验多 token 提升吞吐。实验显示输出速度受草稿方式、提案长度及模型家族影响，该机制保留原模型行为并减少解码轮次。
vLLM 官方博客AI 评分5858 vLLM 发布基于 RDT 的大规模分片权重传输引擎
vLLM 推出利用 Ray Direct Transport (RDT) 的原生分片权重传输引擎，旨在解决在线 RL 中大规模模型权重同步的效率问题。该方案通过“记录张量”干运行生成分片计划，支持密集、MoE 及量化模型，并实现了预处理与传输的重叠优化。
Ai2 / Allen Institute for AIAI 评分4545 Georgia Tech 团队利用 Olmo 3 开源栈追溯模型社会推理来源
Georgia Tech 团队基于 Olmo 3、Dolma 3 等五个开源组件，通过影响函数分析训练数据对模型能力的影响。研究发现富含对话和人际情感的文本对社会推理贡献最大，删除文学类高影响力文档导致 SocialIQA 分数显著下降。该成果验证了利用全开源模型追踪能力来源并优化训练数据的可行性。
Together AI Blog精选AI 评分8282 Together AI 评测 GLM-5.3 与 GPT-5.6 Sol：成本、编码能力与路由策略对比
Together AI 在 DeepSWE 基准上对 GLM-5.3 (max) 和 GPT-5.6 Sol (max) 进行了 904 次 rollout 测试。
推荐理由：通过904次实测对比GLM-5.3与GPT-5.6 Sol在DeepSWE上的成本、通过率及失败模式，揭示了级联路由策略能以更低成本超越单一旗舰模型的性能。
vLLM 官方博客AI 评分3939 SkyRL 推出 IsoExec：消除 RL 训练与推理引擎不匹配
SkyRL 引入 IsoExec，通过统一执行契约和位级一致内核消除强化学习中训练与推理引擎的不匹配。在单节点 8×H100 上对 Qwen3.5-35B-A3B 进行 DAPO 训练时，平均 logprob 差异降至极低水平，相比基线仅增加 25% 开销。该方案支持 vLLM 和 Megatron，解决了浮点非结合性导致的调试难题。
Together AI Blog精选AI 评分8080 Together AI 发布 GLM-5.3 与 Claude Fable 5 在 DeepSWE 上的评测：成本、编码能力与路由策略
Together AI 在 DeepSWE 基准上对比了 GLM-5.3 和 Claude Fable 5，两者首次尝试通过率（pass@1）统计上持平，但 GLM-5.3 成本低 5.4 倍且在多次重试下覆盖率更高。
推荐理由：原文通过 DeepSWE 基准实测对比两款模型在成本、准确率及特定语言领域的表现，为开发者提供基于数据的选型与路由策略参考。
Sierra BlogAI 评分3838 Sierra 平台推出 Agent 发布治理功能
Sierra 在平台内集成发布治理机制，通过 Agent Checks、模拟测试及合并审批工作流保障大规模 Agent 变更安全。该方案引入分流发布策略实现渐进式上线，并支持基于不可变快照的快速回滚，将软件工程的自动化测试与代码审查规范应用于 Agent 开发全生命周期。
Microsoft ResearchAI 评分4747 Microsoft Research 发布 Skala 1.1，在 GMTKN55 基准中获 32 项第一并集成至 CP2K
Microsoft Research 推出深度学习 DFT 模型 Skala 1.1，其训练数据量增加 2.5 倍，在 GMTKN55 基准的 55 个类别中有 32 个排名第一。该模型以 meta-GGA 计算成本实现超越全局杂化泛函的精度，加权平均误差为 2.8 kcal/mol。Skala 现已支持 CP2K，并正集成至 Psi4、FHI-aims、ORCA 和 VASP 等主流软件。
Mistral AI精选AI 评分6868 Mistral AI 发布 Agentic Search：提升复杂文档检索准确率并降低延迟
Mistral AI 正式推出 Agentic Search，这是一种旨在让 AI 系统能够导航、阅读和验证复杂文档信息的多步检索层。该产品通过引入 search、open、navigate、read 和 grep 五个工具，解决了传统一次性 RAG 无法深入长文档或跨源验证的痛点。
推荐理由：Mistral 推出 Agentic Search，通过多步检索循环解决传统 RAG 在复杂文档中的局限，并在金融与政府文档基准测试中展示了显著的准确率提升和延迟降低。
vLLM 官方博客AI 评分4747 VeRL-Omni v0.2.0 发布：提升扩散模型 RL 训练速度并稳定全模态训练
VeRL-Omni v0.2.0 通过引入请求级批处理和 V1 训练器，将 Qwen-Image FlowGRPO 的生成时间从 226s 降至 108s，GPU 利用率提升至约 100%。该版本还构建了基于可复用适配器、FSDP2 和 vLLM-Omni 的稳定全模态训练栈，支持 SD3.5 Medium 等模型的 LoRA 微调与异步奖励计算。
Anthropic精选AI 评分6262 Anthropic 公布 Claude 结合剂设计成功率为 22% 至 35%
Anthropic 表示，虽然设计结合剂比设计药物更容易，但它是有效的代理指标。目前该领域的典型成功率在 10% 到 15% 之间，而根据设置不同，Claude 的设计有 22% 到 35% 能成功结合。其部分最强设计也实现了成功结合。
推荐理由：Anthropic 官方披露 Claude 在结合剂设计任务中的具体成功率数据，为评估 AI 在生物制药早期研发阶段的实际效能提供了量化参考。
AnthropicAI 评分2626 Anthropic谈药物分子设计传统耗时
许多药物通过结合体内的特定靶点并阻断或改变其作用来发挥作用。药物开发过程的一个重要第一步是设计一种能紧密结合其靶点的分子。传统上，这意味着每个
Ai2 / Allen Institute for AIAI 评分5353 Ai2 发布 Olmo 3 药物形态学捷径研究：51-59% 测试药物未体现具体知识
Ai2 团队在 EMNLP 接收的论文中，利用完全开放的 Olmo 3 模型及其公开训练语料，诊断出模型在回答药物问题时依赖名称词缀而非具体知识的“形态学捷径”。
Together AI BlogAI 评分4747 Together AI 平台支持在生产环境中对 LLM 进行 A/B 测试
Together AI 推出端点级 A/B 实验功能，允许在生产环境直接对比模型效果。该机制通过固定流量比例（如 95/5）路由请求至变体部署，且独立于副本数量以避免漂移。用户可通过 API 动态调整分流权重并关联平台指标与产品数据，实现无需修改客户端代码的模型评估。
Together AI Blog精选AI 评分8282 Together AI 发布 DeepSeek V4 Pro 0813 与 Claude Fable 5 在 DeepSWE 上的成本与编码评测
Together AI 在 DeepSWE 基准上对比了 DeepSeek V4 Pro 0813 和 Claude Fable 5，发现后者单次通过率更高但成本贵 90 倍。
推荐理由：通过 DeepSWE 实测对比两款模型的成本与能力差异，提供了基于互补性的级联路由策略以优化编程任务性价比。
Google Developers Blog精选AI 评分7373 Google 发布基于 ADK 构建零信任 AI Agent 的安全指南与开源示例
Google 开发者博客发布了利用 Agent Development Kit (ADK) 构建零信任 AI Agent 的技术方案，并开源了包含自主客服退款代理的参考实现。
推荐理由：原文提供了基于 ADK 构建零信任 AI Agent 的完整代码实现与开源仓库，展示了如何通过硬件签名、沙箱隔离和语义网关防御提示词注入攻击。
vLLM 官方博客精选AI 评分6868 vLLM-Omni 发布分布式逐层卸载方案以支持 200B+ DiT 模型
vLLM-Omni 推出 Distributed Layerwise Offload (DLO) 技术，使超过单设备 HBM 容量的视频生成模型（如 Cosmos3-Super 124 GB）能在多 GPU/NPU 上高效运行。
推荐理由：原文提供了在 vLLM-Omni 中运行超大 DiT 模型的具体配置命令与内存优化机制，适合需要解决显存瓶颈的工程人员参考。
AnthropicAI 评分3838 Anthropic 发布水印技术常见问题解答
我们撰写了一份 FAQ，以回答关于水印技术的一些疑问。简而言之：• 我们正在实施水印技术，以符合欧盟《人工智能法案》的要求。其他主要模型开发者也签署了同一份行为准则，并将同样实施水印技术；
AnthropicAI 评分4747 Anthropic 发布第二份风险报告
作为我们负责任扩展政策的一部分，我们会定期发布风险报告。这些报告详细说明了我们的系统存在的风险以及我们为应对这些风险所做的准备。我们的第二份风险报告现已发布：https://anthropic.com/aug-2026-risk-report…
Sierra BlogAI 评分1818 Sierra 在慕尼黑开设办公室以拓展德国、奥地利和瑞士市场
Sierra 宣布在慕尼黑设立办公室，旨在服务德国、奥地利和瑞士地区的企业。该公司专注于构建用于客户服务和营收增长的 AI 智能体，其客户涵盖三分之一全球领先银行及 40% 的 Fortune 50 企业。Sierra 强调通过快速部署（如 BBVA 30 天上线）帮助企业将 AI 转化为实际业务成果，而非仅消耗 token。
vLLM 官方博客精选AI 评分6565 vLLM 官方博客详解 DSpark 自适应验证机制以优化投机解码
vLLM 引入 enable_adaptive_verification 功能，利用 DSpark 置信度头动态决定每步验证的草稿 token 数量，使投机解码在并发 256 时仍保持吞吐优势。
推荐理由：vLLM 官方详解自适应验证机制，通过动态调整草稿预算解决高并发下投机解码性能瓶颈，提供可复现的配置与基准数据。
Sierra BlogAI 评分3838 Sierra 阐述智能体时代的纵深防御策略
Sierra 提出在基于目标和护栏构建的 AI 智能体中，需采用“AI 守护 AI”的纵深防御体系。该方案结合内容、规则、监督模型及确定性守卫等多层运行时检查，并辅以持续评估与监控以应对不断演变的攻击威胁。
Google Developers BlogAI 评分4040 HeyGen Avatar IV 迁移至 Google Cloud Trillium TPU，推理速度提升 1.86 倍
HeyGen 将拥有超 18B 参数的 Avatar IV 扩散模型栈迁移至 Google Cloud 八芯片 Trillium (v6e) TPU 主机，实现比首个可用版本快 1.86 倍的推理速度。通过优化 all-to-all 集合通信与稀疏注意力内核，该方案在保持输出质量的同时，成本效率较 8×H100 生产环境提升最高 25%。
Microsoft ResearchAI 评分3737 MindTopo 基准揭示多模态模型在拓扑推理与规划中的能力差距
Microsoft Research 推出 MindTopo 基准，评估多模态大模型的拓扑推理能力。测试显示模型在静态识别上表现优于交互式规划，但在维持连接、封闭等结构关系时易出错。该发现凸显了 AI 在机器人及交互环境中保持空间一致性的不足。
Sierra BlogAI 评分2828 Sierra 推出 Horizon 智能体实现保险销售全流程跟进
Sierra 发布 Horizon 长运行智能体，支持在数天至数月内主动跟进每位潜在客户直至完成购买。该方案通过一对一持续互动解决保险行业线索流失痛点，并随对话积累专有客户上下文以提升转化效率。
vLLM 官方博客精选AI 评分8282 vLLM 宣布对 Qwen3.8-2.4T-A95B 提供 Day-0 支持
vLLM 团队宣布为 Qwen3.8-2.4T-A95B 提供 Day-0 支持，该模型基于 Qwen 3.5 架构，是首个开放权重的 Qwen-Max 级模型。
推荐理由：vLLM 官方提供了 Qwen3.8-2.4T-A95B 的 Day-0 支持细节，包括 FP4 量化权重、硬件优化内核及基准测试数据，有助于开发者评估大规模稀疏 MoE 模型的部署成本与性能。
Modal 官方工程博客精选AI 评分6363 Qwen3.8-2.4T-A95B 开源模型上线 Modal
Qwen3.8-2.4T-A95B 作为开放权重模型正式发布，并已在 Modal 平台提供 Shared Endpoint 支持。相比 Qwen 3.7，该模型在编码、工作、研究和长程任务上均有显著提升。Modal 与 Qwen 团队合作实现了 Day Zero 支持，底层基于 SGLang 和针对 Qwen3.8 架构定制的 DFlash speculator，以加速推理过程。
推荐理由：原文说明了新模型在Modal平台的即时可用性，以及通过自定义DFlash推测解码优化推理速度的具体技术实现。
Sierra BlogAI 评分5959 Sierra 发布 Agent IVR 系统自动导航功能
Sierra 为其 AI Agent 平台推出开箱即用的 IVR（交互式语音应答）系统导航功能，使 Agent 能够自主处理多级菜单、静音等待及 DTMF 按键输入等复杂电话交互。
Anthropic精选AI 评分6565 Anthropic 展示未发布模型在黎曼猜想相关研究中的进展
Anthropic 表示其一个尚未发布的模型在黎曼猜想相关问题上取得了进展，该模型提升了满足黎曼假设的 zeta 函数零点的比例下限。这一结果展示了大语言模型在复杂数学推理任务中的潜在能力，但原文未提供具体的数值细节或技术方法。
推荐理由：官方展示了未发布模型在数学猜想上的具体进展，为评估前沿模型的深层推理能力提供了实证案例。
vLLM 官方博客精选AI 评分8383 vLLM 宣布支持 NVIDIA Nemotron 3.5 Lightning 模型
vLLM 宣布对 NVIDIA Nemotron 3.5 Lightning 提供 Day-0 支持。该模型采用 30B 总参数、3B 激活参数的混合 MoE 架构，专为始终在线的智能体设计，支持最高 100 万 token 上下文窗口。
推荐理由：原文给出了混合 MoE 架构、投机解码配置及多硬件部署指南，读者可据此评估其在智能体工作流中的效率与落地可行性。
Sierra BlogAI 评分4040 Sierra 推出 Voice Personas，实现 AI 智能体品牌化语音与个性定制
Sierra 发布 Voice Personas，允许开发者为 AI 智能体定义包含语气、性格及语言感知行为的独特品牌人格。该功能基于 Sierra Agent SDK，支持动态调整语速、处理打断及实时切换语种，并集成模拟测试基础设施。数据显示，搭配自然语音与特定 Persona 可使问题解决率提升近 50%。
Ai2 / Allen Institute for AIAI 评分4545 Ai2 推出 TutorMoments：评估 LLM 导师何时介入与何时放手
Ai2 发布 TutorMoments 框架，利用 462 份真实数学辅导记录测试 LLM 能否平衡“提供支架”与“推动深度思考”。初步结果显示，模型在仅被告知“好好辅导”时倾向于过度帮助，明确提示权衡策略虽能提升表现，但仍难达到人类导师的精准判断水平。
vLLM 官方博客AI 评分4343 vLLM 发布 Decode Context Parallelism 优化长上下文推理
vLLM 推出 Decode Context Parallelism (DCP) 技术，通过沿序列维度分片 KV cache 解决 GQA/MLA 模型在张量并行下的显存复制瓶颈。实测显示，在 Kimi K2.6 模型上，DCP 使单 GPU 吞吐量从基线 TP 的 1,863 tok/s 提升至 6,091 tok/s，并支持高达 512 的并发请求。
Ai2 / Allen Institute for AIAI 评分4040 Ai2 与 Hugging Face 扩大合作以加速开放科学
Ai2 与 Hugging Face 扩大合作，Hub 存储容量增至近 2 PB 并取消速率限制。自 2024 年春季以来，其 Olmo、Molmo 等模型及数据集下载量超 5000 万次。双方还将 MolmoAct 2 集成至 LeRobot，并推动 olmOCR-Bench 成为 Hub 默认 OCR 基准。
vLLM 官方博客精选AI 评分6060 vLLM 官方博客详解 Qwen3.5 在 GB200 上达成 25K TPS/GPU 的优化与复现方法
vLLM 团队发布博客，展示如何通过解耦服务模式在 GB200 NVL72 系统上使 Qwen3.5-397B-A17B-NVFP4 模型达到超过 25,000 total TPS/GPU 的性能。
推荐理由：vLLM 团队公开了 Qwen3.5 在 GB200 NVL72 上实现 25K TPS/GPU 的解耦服务配置、关键优化补丁及复现配方，为高性能推理部署提供直接参考。
Anthropic精选AI 评分6565 Anthropic 回应 AISI 对 Claude Mythos 5 的无防护环境测试报告
Anthropic 官方账号发布声明，提及英国 AI 安全研究所（AISI）近期发表了一份关于 Anthropic 旗下 Claude Mythos 5 模型的评估报告。该报告描述了在移除模型常规安全防护措施的实验环境中，让模型尝试完成特定任务的测试结果。
推荐理由：官方披露了针对自家模型在移除防护后的特定任务测试背景，为理解前沿模型的安全评估流程提供了直接信源。
Sierra BlogAI 评分4040 Sierra 推出 Context Engine：将客户关系转化为竞争优势
Sierra 发布 Context Engine，旨在通过积累客户交互上下文构建企业独有的竞争壁垒。该引擎驱动 Horizon agents 长期追踪业务结果，利用每次互动的反馈数据持续优化决策模型。它帮助企业在保留客户关系所有权的同时，避免向通用基础模型让渡核心价值。