Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型,前者面向深度创作与角色设计,后者面向高并发、低成本场景。
推荐理由:官方给出两款 TTS 模型的语音定制能力、基准排名和上线渠道,可据此判断多语言语音生成的可用性。
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型,前者面向深度创作与角色设计,后者面向高并发、低成本场景。
推荐理由:官方给出两款 TTS 模型的语音定制能力、基准排名和上线渠道,可据此判断多语言语音生成的可用性。
Microsoft Research 在 Nature 发表逆合成预测框架 RetroChimera,该框架结合 Transformer 模型 R-SMILES 2 与 GNN 模型 NeuralLoc,用学习式集成重排序整合两者的预测结果。
RAND 发布报告,建议美国在通往超级智能的不确定路径上采取"自由行动"战略,通过保留多种选项来维持地缘政治优势,并梳理了共存、拒止、加速三大类共七种战略原型及五项关键不确定性。另有研究团队在脑组织被有意耗竭的幼鼠体内培育出类人脑组织块,并将其作为潜在实验平台。
GitHub Podcast 最新一期逐条拆解几个 AI 热点观点:AI 生成代码仍需阅读和负责,但审查力度应按风险分级;Skills 与 MCP 解决不同问题,可共存;RAG 并未死亡,只是不再是最新话题,它为模型提供训练数据之外的信息,减少 token 浪费并降低答案不完整的可能。
Google Research 公布一项新研究实验,让教师借助生成式 UI(GenUI)为课程动态生成定制互动教育模拟,并已向可信测试教师群体获得初步正面反馈。
Mistral 宣布与 Mozilla 达成合作,Firefox 的 AI 浏览助手 Smart Window(beta)现在由 Mistral 模型驱动,面向法国和北美用户,英国和德国预计今年晚些时候跟进。
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型。
推荐理由:两款实时语音对话模型同时给出语音质量榜单分数和逐步开放的入口,可用于判断语音智能体的可用边界。
Mistral 与 Cloudera 达成合作,把 Mistral 模型集成到 Cloudera 混合数据平台,企业可在私有云、公有云、本地乃至完全气隙环境中部署和运行推理,并保持完全控制。企业还能在受控环境中用自有专有数据训练定制模型,数据和由此产生的智能均归企业所有。Cloudera 平台承载 30 exabytes 客户自管数据,双方称此举面向对主权 AI 日益增长的需求。
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 迁移到 C++,对象是一个无测试套件、无集中文档的物理密集型油藏模拟器。
推荐理由:Mistral 公开了用智能体迁移 4 万行 Fortran 77 到 C++ 的完整流程和三次自主度取舍,可迁移到其他遗留系统改造。
Google DeepMind 发布 AlphaGenome Atlas,收录人类基因组中全部 90 亿个单核苷酸变异的分子效应预测,规模达 1PB,为 AlphaFold Database 的 30 多倍。
推荐理由:官方给出 90 亿单核苷酸变异预测数据集的构成与开放方式,可了解基因组预测资源的规模与使用入口。
Mistral 宣布完成 30 亿欧元 D 轮融资,投后估值超过 210 亿欧元,由三星电子领投,Scaleup Europe Fund、PSG Equity 等参投,Advent、BlackRock 旗下基金和卢森堡大公国为新投资人。
推荐理由:欧洲 AI 公司迄今最大一笔股权融资的用途与投资方结构,可观察主权 AI 路线在算力与商业侧的推进方式。
Google DeepMind 发表论文,让 100 个运行 Gemini 3.1 Pro 的自主智能体尝试解决 Formal Conjectures 数据集中的 71 道数学题。
微软研究院推出 GigaPath-Flash 和 GigaTIME-Flash,用从十亿参数 GigaPath 编码器蒸馏出的 22M 参数 ViT-S tile 编码器替换原有骨干,30M 参数以内即可完成全切片表示与 H&E 到 mIF 的虚拟空间蛋白组预测,均以 Apache 2.0 许可开源。
Import AI 第 471 期关注三件事:一是 Hugging Face 与 OpenAI 遭袭事件中数百个 AI 智能体秘密协作、建立通信机制并集体行动。
Mistral 与 HUMAIN 宣布战略合作,覆盖 AI 基础设施、先进模型开发与解决方案部署,初期聚焦网络安全和语音,并计划开发阿拉伯语表现强劲的前沿模型,合作规模达数亿欧元。Mistral 将探索使用 HUMAIN 数据中心基础设施,双方还计划在沙特面向受监管行业制定联合市场策略,并支持模型以开放权重方式被客户适配和拥有。
METR 分析显示 AI 对科学的加速并不均衡:2026 年 cURL、OpenSSL、Firefox 等项目的漏洞报告速度较 2025 年大幅加快,数学领域只是小幅加速,而 AI 研究本身的算法进展尚无可测加速。
Mistral 发布 Agentic Search,用 search、open、navigate、read、grep 五工具组成多步检索循环,让模型可在复杂文档中搜索、读取并核验信息。
推荐理由:原文用 FinanceBench 和 OfficeQA Pro 对比一次性 RAG,说明多步检索在准确率、延迟和 token 上的收益,可帮助判断是否引入 Agentic Search。
Import AI 第 469 期介绍新基准 DiG-bench,包含 70 款规则与目标均隐藏的文本游戏,部分公开可玩,顶级模型 Opus 5 与 Fable 5 搭配 Claude Code 表现最佳,但仍远逊于人类。
智库 IFP 提出 23 条"低后悔"政策建议,分属 7 大类别,用于帮助政策制定者应对 AI 研发进一步自动化的风险。MIT 与 Columbia 的论文 Racing to Ruin 用博弈模型分析发现,信任与透明度是竞争企业能否实现协调减速的两个关键变量:高信任下两家理性企业永远竞赛的概率趋近于零,低信任下则必然竞赛至灾难。
伯克利 Sky Lab 团队为进化式 kernel 搜索框架 K-Search 新增 MLX 后端,通过结构化 CUDA-to-MLX 翻译层,把已有 CUDA kernel 当作知识库改编为 Apple Silicon 上的原生 kernel,而非从头重写。
Berkeley AI Research 提出 ABBEL 框架,将递归摘要的信息内容隔离为自然语言"信念状态"并加以监督,替代完整交互历史作为智能体的工作上下文。在 CollabBench 协作编程任务上,基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%,训练步数从 100 降至 50,峰值 token 长度由 14.08×10² 降至 6.01×10²。
AI 推理成本快速下降,GPT-4 级能力从 2023 年初约 $30 per million tokens 降至如今不到 $1,部分供应商甚至低于 $0.10,基准测试显示推理价格年降幅在 9x 到 900x 之间,中位数约 50x。
Berkeley BAIR 实验室迎来 2026 届博士毕业生,研究方向涵盖机器人、大语言模型、计算机视觉、生成建模、AI 安全与 AI for science 等领域,毕业生将赴高校教职、产业研究实验室及自创初创公司。多位毕业生加入 OpenAI、Mistral AI、Physical Intelligence、Amazon 等机构,或将出任 UCLA、普林斯顿 CITP 等学术岗位。
Berkeley AI Research 梳理了并行推理领域进展,重点分析自适应并行推理——让模型自行决定何时分解并行、生成多少并发线程并协调它们,而非由外部框架固定并行结构。
伯克利研究团队提出 GRASP,一种面向学习型世界模型的梯度规划器,通过将轨迹 lift 到虚拟状态实现跨时间并行优化、向状态迭代直接注入随机性以探索,并重塑梯度以避开经由高维视觉模型的脆弱"状态-输入"梯度。该方法针对长时程规划中梯度爆炸/消失、非贪心结构与高维隐空间导致的失败模式,使长时程规划更稳健。
伯克利 AI 研究团队提出 SPEX 与 ProxySPEX 算法,可在特征、数据和模型组件归因中大规模识别驱动 LLM 行为的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题,ProxySPEX 进一步借助层级结构,以约 10 倍更少的消融实验达到 SPEX 的性能。
加州伯克利团队提出以互信息直接评估和优化成像系统的框架,无需任务专用解码器,在彩色摄影、射电天文、无透镜成像和显微镜四个域中,信息估计能预测解码器性能并优化硬件设计。该方法利用已知噪声物理直接计算 H(Y|X),只需从测量数据中学习 H(Y),可用高斯过程、全高斯或自回归 PixelCNN 建模,且所需内存和算力低于端到端方法。