Google DeepMind 发布 Gemma Scope 2，一套覆盖 Gemma 3 全部模型尺寸（270M 至 27B 参数）的开源可解释性工具套件。该套件结合稀疏自编码器（SAE）与 transcoder，并新增 skip-transcoder、Cross-layer transcoder 和面向聊天版本的分析工具，可研究越狱、拒绝机制和链式推理忠实度等行为。
推荐理由：Gemma Scope 2 覆盖 Gemma 3 全尺寸并升级稀疏自编码器工具，可了解开源可解释性工具的规模与方法变化。
IBM Research 的开源可配置通用智能体 CUGA 上线 Hugging Face Spaces，可直接试用搭载 gpt-oss-120b 的演示。官方称 CUGA 在涵盖 457 个 API、750 个真实任务的 AppWorld 基准上排名第一，并在 WebArena 上表现靠前。
推荐理由：CUGA 在 AppWorld 与 WebArena 的基准表现和 Langflow 集成，为评估可配置 Agent 框架提供参照。
Google DeepMind 发布升级版 Gemini 2.5 Flash Native Audio，面向实时语音智能体，在复杂工作流、指令跟随和自然对话三项能力上做了改进。
推荐理由：官方给出了新版原生音频模型的三项能力提升与实测评测分数，可用于判断实时语音智能体的当前水位。
llama.cpp server 新增 router 模式，无需重启即可动态加载、卸载和切换多个模型。该功能回应了把 Ollama 式模型管理引入 llama.cpp 的需求，采用多进程架构，每个模型独立运行，单个模型崩溃不影响其他模型。
Google DeepMind 宣布与英国 AI Security Institute（AISI）签署新谅解备忘录，将合作从模型测试扩展到基础安全研究。双方将共享模型、数据与思路，围绕 AI 推理过程（CoT）监控、社会情感失准的经济与伦理影响以及 AI 对经济系统的冲击展开联合研究，并发布联合报告。
Hugging Face 发布教程，展示如何用 HF Skills 让 OpenAI Codex 完成端到端机器学习实验：验证数据集、选择硬件、生成并提交训练任务、监控进度、评估模型并生成报告。
推荐理由：完整演示了把端到端微调实验交给编码智能体的整套流程，可据此迁移到自己的训练任务。
Google DeepMind 宣布与英国政府深化合作，将向英国科学家优先开放 AlphaEvolve、AlphaGenome、AI co-scientist 和 WeatherNext 等 AI for Science 模型。
Google DeepMind 与 Kaggle 联合发布 FACTS Benchmark Suite，在原有 FACTS Grounding 基础上新增 Parametric、Search、Multimodal 三项基准，并将 Grounding 升级至 v2，共含 3,513 个示例。
Hugging Face 发布 Swift 包 swift-huggingface，为 HF Mirror Hub 提供完整客户端，可独立使用，后续将替换 swift-transformers 现有的 HubApi 实现。
密歇根州立大学 Berkley Walker 团队借助 AlphaFold 预测光合作用关键酶 GLYK 的三维结构，发现植物版 GLYK 的三个柔性 loop 在高温下失稳。研究人员用嗜热藻类 GLYK 中更刚性的 loop 替换这些不稳定区域，构建的杂合酶中有一个在高达 65 °C 下仍保持稳定。
Hugging Face 发布 HF Skills，通过 hf-llm-trainer 等技能让 Claude Code、Codex、Gemini CLI 直接提交云端 GPU 微调任务并推送到 Hub。技能支持 SFT、DPO 和 GRPO，可训练 0.5B 到 70B 参数模型并转换为 GGUF 本地部署，官方示例微调 Qwen3-0.6B 约需 20 分钟、0.30 美元。
推荐理由：官方给出从数据校验、选卡到提交训练和转 GGUF 的完整流程与成本区间，可直接照做。
Intel AI Software Group 发布 DeepMath，一个基于 Qwen3-4B Thinking、用 smolagents 构建并用 GRPO 微调的数学推理 Agent，模型输出短 Python 片段在沙箱中执行后回填推理。
Sebastian Raschka 梳理了 DeepSeek V3 到 V3.2 的演进，指出 V3.2 沿用 V3.2-Exp 的架构，核心变化是加入 DeepSeek Sparse Attention（DSA）以提升效率。
推荐理由：以 DeepSeek 技术报告为线索，梳理 V3 到 V3.2 的架构与训练变化，帮助读者看清稀疏注意力和 RL 奖励设计的取舍。
Hugging Face 发布 Transformers v5 首个候选版本 v5.0.0rc-0，主题为互操作性。官方称该库每日 pip 安装量已超 300 万次，累计安装超 12 亿次，支持的模型架构从 v4 时的 40 个增至 400 余个，Hub 上兼容的模型 checkpoint 超过 75 万个。
推荐理由：官方长文给出 v5 在模块化定义、推理接口与量化上的改动，读者可据此判断迁移成本与生态兼容性。
AlphaFold 2 在 2020 年 CASP 14 上仅凭氨基酸序列高精度预测蛋白质结构，解决了困扰生物学界 50 年的难题，并于 2024 年获诺贝尔化学奖。
Google DeepMind 发布案例，密苏里大学的研究者借助 AlphaFold 生成原子级结构预测，再与冷冻电镜图像数据对照修正，解析出“坏胆固醇”关键蛋白 apoB100 的结构。
推荐理由：AlphaFold 与冷冻电镜结合解析 apoB100 结构，读者可了解蛋白质结构预测在疾病研究中的实际作用路径。
Diffusers 官方博客宣布支持 FLUX-2，并给出基于 diffusers/FLUX.2-dev-bnb-4bit 仓库的推理示例，使用 Flux2Pipeline 与 Flux2Transformer2DModel，文本编码器为 Mistral3ForConditionalGeneration。
推荐理由：Diffusers 官方接入 FLUX-2 并给出 4bit 量化示例，读者可了解该模型的显存要求与调用方式。
Hugging Face 博客从注意力机制与 KV 缓存出发，用吞吐量优化推导出 continuous batching：通过并行处理多段对话、完成即换出来提升高负载场景下的推理性能。
Tavily 分享了其深度研究智能体的构建经验，该系统通过自研 agent harness 在上下文管理、工具调用与错误处理上做优化，达到 SOTA。团队曾在七个月前彻底放弃第一版架构重写系统，原因是复杂设计在下一代模型出现后成为瓶颈。
OVHcloud 正式加入 Hugging Face Hub 的 Inference Provider 生态，用户可直接在模型页和 JS/Python 客户端 SDK 中调用其无服务器推理服务。
Google DeepMind 宣布支持美国白宫 Genesis Mission，该项国家级计划将动员美国能源部 17 个国家实验室、产业界与学术界共建一体化科研发现平台。
推荐理由：材料给出 Google DeepMind 与 DOE 合作中优先开放的具体模型清单与时间表，读者可据此判断前沿 AI 进入科研机构的实际路径。
HF Mirror TRL 正式集成 RapidFire AI，可并发启动多组 TRL 配置、甚至在单 GPU 上对比微调与后训练方案，实验吞吐量比顺序对比提升约 16–24 倍。
Hugging Face 的 Open ASR Leaderboard 新增多语言与长音频转写赛道，并发布了一份基于 60+ 个开源与闭源模型的趋势预印本。
Google DeepMind 在 Gemini 应用中上线 AI 图片验证功能，用户上传图片并提问即可检测是否由 Google AI 生成或编辑，背后依据的是 2023 年推出的 SynthID 数字水印技术。
推荐理由：Gemini 应用新增图片 AI 来源验证入口，并给出 SynthID 水印规模与 C2PA 扩展路径等关键细节。
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），这是基于 Gemini 3 Pro 的高保真图像生成与编辑模型，开始在 Google AI Studio 和 Vertex AI 上面向开发者付费预览。
推荐理由：DeepMind 官方给出 Gemini 3 Pro Image 的付费预览入口与分辨率、参考图数量等规格，可据此判断是否接入生产流程。
Google DeepMind 发布新一代图像生成与编辑模型 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro，强调更强的推理与世界知识、图像内多语言文字的准确渲染，以及最高 14 张图像融合、最多 5 人一致性保持。
推荐理由：Google DeepMind 官方介绍 Nano Banana Pro 的能力边界与全平台上线节奏，便于判断图像生成工作流的变化。
AnyLanguageModel 是一个 Swift 包，作为 Apple Foundation Models 框架的 drop-in 替代，只需把 import FoundationModels 换成 import AnyLanguageModel 即可保持相同 API。
推荐理由：AnyLanguageModel 用 Apple Foundation Models 的统一 API 接入本地与云端模型，读者可据此评估跨后端切换的成本。
OpenAI 发布网络研讨会，介绍如何在软件开发的完整生命周期中运用 Codex。
ServiceNow 将 15B 推理模型改造成 Mamba 混合架构，旗舰版 Apriel-H1-15b-Thinker-SFT 在几乎不损失推理质量的前提下实现 2.1 倍吞吐，总训练量 76.8B token。
Google DeepMind 发布 Gemini 3 Pro，称其在各项主要 AI 基准上超过此前版本，并在编码上超过 2.5 Pro，兼顾智能体工作流与复杂零样本任务。
推荐理由：官方给出 Gemini 3 Pro 的定价、基准成绩和配套工具入口，可据此判断它在编码与智能体工作流中的位置。
Google DeepMind 宣布在新加坡开设新研究实验室，聚焦推进 Gemini 核心能力，并投入语言与文化包容性等基础研究。过去一年其亚太团队规模已扩大一倍以上，新实验室将与当地政府、企业和学术机构合作。此外 AI Singapore 基于 Gemma 3 多模态能力推出了首个多模态模型 SEA-LION v4。
Google DeepMind 发布 Gemini 3，首发 Gemini 3 Pro 预览版并当天上线 Gemini 应用、AI Studio、Vertex AI 和新的智能体开发平台 Google Antigravity。
推荐理由：Gemini 3 Pro 与 Deep Think 的同期亮相，加上多项基准的提升，可供读者判断前沿模型的推理与智能体能力走到哪一步。
OpenAI 举办了一场网络研讨会，介绍其在工作中如何使用 ChatGPT Atlas。
Google DeepMind 与 Google Research 发布天气预报模型 WeatherNext 2，称其生成预报速度提升 8 倍，分辨率最高可达 1 小时级，可在单个 TPU 上不到一分钟生成一次预测。
推荐理由：官方公开了生成式天气预报模型的速度、分辨率提升与多个落地入口，可据此判断这类模型进入实际产品的节奏。
HF Mirror 的 kernels 库支持用 kernel-builder 构建并向 kernels-community 分享 GPU 内核，覆盖 CUDA、ROCm、Metal、XPU 等后端，并与 PyTorch 无缝集成。
AMD 联合 Hugging Face 和 Data Monsters 举办 AMD Open Robotics Hackathon，首站 12 月 5-7 日在东京，第二站 12 月 12-14 日在巴黎。
Google DeepMind 发布 SIMA 2，通过将 Gemini 模型作为智能体核心，使其从单纯执行指令升级为能在虚拟 3D 世界中推理目标、与用户对话并自我改进的游戏伙伴。
Hugging Face 宣布与 Google Cloud 建立更深层合作，让企业能在 Google Cloud 上用开放模型构建自己的 AI。
Google DeepMind 在 Nature 发表新论文，提出一种三步对齐方法，用认知科学的"odd-one-out"任务发现视觉模型常依赖背景色、纹理等表层特征，与人类判断系统性错位。团队以 SigLIP-SO400M 为基座训练适配器作为"教师"，生成含百万张图像、数百万条类人判断的 AligNet 数据集，再微调其他模型，使其内部表征按人类概念层级重新组织，从而提升鲁棒性与泛化能力。
Google 与北爱尔兰教育当局 C2k 合作的六个月试点显示，参与教师借助 Gemini 平均每周节省 10 小时，并将时间投入学生互动与专业发展。试点共记录 600 多个 Gemini 用例，涵盖行政事务、爱尔兰语课程与包容性教学，NotebookLM 的 MindMap、播客功能也被用于个性化学习。C2k 计划在试点成功后向更多北爱尔兰教师推广 Gemini 培训。