ARC-AGI-3 通过 135 个新颖环境测试模型的抽象推理能力，分析了 GPT-5.5 和 Opus 4.7 的 160 个推理回放，发现三种主要失败模式：局部效应无法转化为全局世界模型、错误抽象映射至训练数据中的游戏、解决单关但未学习游戏机制。
推荐理由：原文通过分析 GPT-5.5 和 Opus 4.7 在 ARC-AGI-3 上的推理轨迹，揭示了模型在抽象推理和世界模型构建中的具体失败模式，可为模型设计提供可迁移的诊断思路。
Together AI 平台已上线 NVIDIA Nemotron 3 Nano Omni 模型。该模型是一个 300 亿参数的开源多模态模型，采用混合 Mamba-Transformer MoE 架构，支持视频、图像、音频和语言的统一推理，上下文窗口达 256K token。
Mistral 发布 Mistral-Medium-3.5-128B-EAGLE 模型，为 Mistral Medium 3.5 的推测解码版本，支持 256k 上下文窗口、多模态输入、可配置推理强度和智能体功能，采用 Modified MIT License 开源，推荐使用 vLLM 或 SGLang 部署。
推荐理由：原文提供了模型架构、能力细节和部署方式，读者可据此判断其在多模态推理和智能体场景中的适用性。
月之暗面发布 Kimi-K2.6，一个开源的原生多模态智能体模型，支持长上下文编码、编码驱动设计、智能体集群协作和主动自主执行。模型采用 MoE 架构，总参数 1T，激活参数 32B，上下文长度 256K，支持图像和视频输入。
推荐理由：原文提供了模型架构、评测数据和部署方式，读者可以据此判断其在长上下文编码、智能体协作和多模态能力上的实际表现与适用场景。
ARC Prize 发布了 ARC-AGI-3 人类测试数据集，包含 458 名参与者在 25 个抽象推理环境中的表现，所有环境均在无先验训练条件下完成。数据集显示人类完成率从 2/12 到 10/10 不等，其中 lp85 环境有 54 次尝试和 15 次成功解决。该数据集开源，提供每环境的完成次数、解决次数及前 10 名回放得分，用于分析人类解决效率和策略。
MiniMax 发布新模型 MiniMax-M2.7，支持模型自进化、复杂技能构建与多智能体协作，具备强工程能力，在 SWE-Pro、VIBE-Pro、GDPval-AA 等多个基准上表现优异，开源权重可于 HuggingFace 获取，推荐使用 SGLang、vLLM 或 Transformers 部署。
推荐理由：模型支持自进化机制和多智能体协作，读者可依据其在多个工程与多模态基准上的表现评估其在复杂任务中的实际能力。
Mistral 发布新模型 Mistral-Medium-3.5-128B，为首个旗舰合并模型，具备 128B 参数、256k 上下文窗口，支持文本与图像输入、推理、编码及智能体功能。
推荐理由：原文给出了模型架构、能力变化和开源入口，读者可以据此判断它在多模态和智能体任务中的实际应用潜力。
Together AI 开源了 Aurora，这是一个基于强化学习的开源框架，能够从实时推理轨迹中学习并异步更新推测解码器中的草稿模型。该框架将推测解码从静态的一次性设置转变为动态、自我改进的飞轮，在实验中，相比训练良好但静态的草稿模型，Aurora 在 Qwen3 和 Llama3 等模型上实现了额外 1.25 倍的加速。
一项研究发现，采用精心设计的“分而治之”框架，Llama-3-70B 或 Qwen-72B 等较弱模型在长上下文任务上的表现可以匹配甚至超越 GPT-4o 的单次处理模式。该框架通过规划器、并行工作器和聚合管理器分解任务，有效降低了因上下文过长导致的模型混淆、任务依赖和聚合噪声。这种方法在问答、检索和摘要等任务中更具成本效益和速度优势，但高度依赖跨块上下文的任务仍适合使用单次处理的强大模型。
ARC-AGI-3 发布，包含数百个由人类游戏设计师手工设计的交互式环境和数千个游戏关卡，要求 AI 智能体在无指令、无规则、无目标的情况下自主探索并学习。人类得分 100%，前沿 AI 得分 0.51%。
推荐理由：ARC-AGI-3 是首个全交互式智能体基准，要求 AI 在无指令无规则环境中自主探索，其设计可作为衡量前沿智能体能力的新标准。
Together AI 扩展其微调服务，新增了对工具调用、推理和视觉语言模型的原生支持。服务升级了训练栈，可更高效地处理 100B+ 参数模型，吞吐量提升最高达 6 倍，并支持最大 100GB 的数据集。
推荐理由：Together AI 的微调服务新增了对工具调用、推理和视觉模型的支持，并提升了大规模模型训练的效率。
Together AI 联合多所大学的研究人员发布了 Mamba-3，这是一个以推理效率为主要目标的新状态空间模型。Mamba-3 通过更复杂的循环公式、复数值状态跟踪和 MIMO 变体提升了性能，其 SISO 版本在 1.5B 规模上，所有序列长度的预填充+解码延迟均优于 Mamba-2、Gated DeltaNet 和 Llama-3.2-1B。
推荐理由：Mamba-3 将设计目标从训练效率转向推理效率，并开源了内核，为关注部署性能的开发者提供了新的架构选择。
Vector 研究人员在 NeurIPS 2025 会议上提交了 80 篇论文，涵盖下一代基础模型、扩散生成系统、强化学习突破和隐私保护联邦方法等多个领域。其中提出 ActiveVOI 框架，用于开放世界智能体的主动知识获取，显著优于现有基于大语言模型和视觉语言模型的规划方法。另一项研究引入连续时间流图蒸馏方法，通过自引导和对抗微调提升性能，适用于不同步数的生成任务。
月之暗面发布 Kimi-K2-Thinking 模型，为开源思考模型最新版本，具备 256k 上下文窗口、INT4 量化和 1T 参数 MoE 架构，支持多步推理与工具调用，在 HLE、AIME25、BrowseComp 等基准上表现领先。
推荐理由：原文提供了模型架构、量化方式、基准评测和部署接口，读者可据此判断其在长链推理和工具调用上的实际能力边界。