Moonshot AI 的 Kimi K3.1 Pro Highspeed 现已在 Amazon Bedrock 提供，沿用 Kimi K3 的 3T 级开放权重架构与 100 万 token 上下文窗口，据 Moonshot AI 报告其输出速度为 Kimi K3.1 Pro 的 2–3 倍，面向长程智能体任务、金融建模与游戏引擎、3D 场景、CAD 脚本等编码场景。
推荐理由：原文给出模型ID、API调用方式与降本手段，可直接用于评估迁移成本和接入路径。
Google DeepMind 宣布发布下一代 DNA 序列模型 AlphaGenome 2，可预测 DNA 序列及其变异对特定人类细胞类型的影响，帮助科学家发现疾病的细胞驱动因素。
推荐理由：原文给出条件模型架构与细胞类型特异的变体召回数据，读者可据此判断它相对上一代在疾病相关变异定位上的实际增益。
微软研究人员发现名为 Lazarus 的后门技术，重编程 LLM 中不到 10 个休眠神经元、无需训练即可给智能体植入后门，模型通过标准评测并表现正常，直到触发条件出现（如时钟跨入 2027 年的午夜）才下载并运行攻击者代码。
推荐理由：原文说明了后门只需改动不到 10 个休眠神经元且无需训练，读者可据此理解模型权重完整性为何成为部署环节的关键风险。
Google DeepMind 宣布 Gemini 4 Carbon 正式向开发者、企业、科学家和消费者开放，定位为最强模型，主打网络安全能力与长程智能体工作流，适用于复杂多步编码调试和开放式科学研究，消耗 token 多于 Gemini 4 Argon。
推荐理由：原文给出 Carbon 与 Argon 的分工、定价和多项基准名次，可据此判断它在复杂任务中的定位与迁移成本。
NVIDIA 在 KubeCon + CloudNativeCon 宣布将用于保护和治理自主智能体的开源运行时 NVIDIA OpenShell 捐赠给 CNCF（Sandbox 项目）。
推荐理由：原文给出三个新组件的公开预览状态与实测启动耗时数据，可据此评估其对 GPU 基础设施部署效率的实际影响。
Google DeepMind 发布 AlphaProof Code，一个多 LLM 智能体形式化验证框架，首次用 AI 在这一深度形式化验证广泛部署的密码学协议 Signal 的实际代码，也是任何方法首次验证此类协议的实现。
推荐理由：原文给出验证深度、耗时与人工复核比例等关键数字，读者可据此评估 AI 形式化验证相对传统方法的效率差异。
Google DeepMind 发布 Gemini Robotics 2.5，称其为迄今最强的视觉-语言-动作（VLA）模型，提升机器人可学技能的广度与学习速度。
推荐理由：原文给出任务广度、工厂实测成功率与安全评测三层数据，读者可据此判断该模型在真实工业场景的可用程度。
NVIDIA 在 CoRL 大会推出开放世界动作模型 GR00T 2，基于 NVIDIA Cosmos 构建，使用含 100,000 小时开源第一人称人类数据训练，无需任务特定演示即可完成 50 项评估任务中的 40 项，每任务 1 个演示时 50 项任务平均成功率 71%，5 个演示时升至 95%。
推荐理由：原文列出了新模型的量化指标和开放评测框架，读者可据此判断其仿真训练到真机部署的迁移路径。
Google DeepMind 宣布推出 Gemini Omni 1.2 Flash，并首次在 Gemini API 和 Gemini for business 中全面可用。
推荐理由：原文列出了时长、价格和一致性三方面的具体变化，读者可据此判断它对批量视频生产成本的影响。
Microsoft Research 发布研究原型 PDD Kit，把形式化验证引入日常软件开发：它在 GitHub Next 的 Chopin 中与开发者协作，把自然语言意图转成 Verus 形式化规范，证明智能体写的代码对每个输入都满足规范，证明覆盖不到的部分则回退为测试。
推荐理由：原文给出从意图到形式化规范再到证明的完整工作流，可迁移之处在于把代码评审重心前移到意图评审。
Google DeepMind 宣布其 AI 规划工具 PlanAssist 将新增覆盖英格兰 12 个地方规划机构，参与总数达 15 个。该工具基于 Gemini 构建，与英国政府、Google Cloud 和 Faculty 合作开发，可校验申请文件与建筑图纸、核查遗产保护限制及规划政策，并起草带完整引用的评估报告，规划官员保留最终决定权。
推荐理由：原文给出试点中评估时间下降58%和报告免改通过率超70%的具体数据，可据此判断该工具在公共审批流程中的实际效用。
Google DeepMind 宣布推出下一个前沿模型 Gemini 4 Carbon，称其为迄今最强模型，具备 SOTA 网络安全与长时程能力，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一。
推荐理由：原文给出了网络安全与长时任务的具体基准分数和分阶段开放路径，读者可据此判断其面向的首批用户与能力边界。
Microsoft Research 机器学习与优化组的 Xinzhi Zhang 与合作者 Zhao Song 证明了 1995 年提出的 Kannan–Lovász–Simonovits（KLS）猜想，表明对数凹分布的最佳平面切割与任意形状切割之差存在与维度无关的普适常数上界。
推荐理由：原文对比了人主导的智能体搜索与同等 token 预算的无引导尝试，可迁移地说明复杂问题中研究者判断的作用。
GitHub 产品负责人 Erin Havens 撰文指出，如今三分之一的 pull request 涉及 AI agent，一年前不足十分之一，若按此速度两年内多数代码可能由 agent 写成。
推荐理由：文章用九个季度数据拆解了泄露密钥与 AI 编码的因果误读，并给出可迁移的预防与修复分工思路。