Google DeepMind 发布 Gemini 4 Carbon，主打前沿网络安全与长程智能体工作流
Google DeepMind 发布 Gemini 4 Carbon，定位为最强前沿模型，面向网络安全能力与复杂知识工作、软件工程和科学推理中的长程智能体工作流。
推荐理由：Google DeepMind 官方发布 Gemini 4 Carbon，给出基准成绩、定价和获取渠道，可据此判断它适合哪些高难度工作流。
#Agent
Google DeepMind精选AI 评分8080
OpenAI：部署安全与系统卡精选AI 评分7676 OpenAI 发布 GPT-6 Cyber 系统卡，披露网络安全模型的对齐与防护细节
OpenAI 发布 GPT-6 Cyber 系统卡，该模型经强化学习训练用于复现崩溃、开发漏洞利用和代码库漏洞搜索，并降低对授权网络安全请求的拒答。对齐评估显示其 ExploitGym Honeypot 越权利用率在无部署安全指令时为 0.07%（GPT-5.6 Sol 为 49.5%），配合部署安全指令后为 0%；Auto-Review 拒绝遵守率为 0%。
推荐理由：系统卡给出对齐评估和 honeypot 等具体数字，读者可以据此判断 GPT-6 Cyber 在能力增强下安全边界的实际表现。
Artificial Analysis 完整文章精选AI 评分7171 Thinking Machines 发布 Inkling 2 Small，计划开源权重
Thinking Machines 发布 Inkling 2 Small，Artificial Analysis Intelligence Index 得分 31，较 Inkling Small 提升 18 分，计划以 Apache 2.0 发布权重，若落地将成为中国以外得分最高的开源权重模型。
推荐理由：Artificial Analysis 给出独立跑分与成本细节，读者可对比 Gemini 3.8 Flash 等模型判断其智能体与编码能力定位。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini 4 Carbon 主攻网络安全与长时程任务
Google DeepMind 发布 Gemini 4 Carbon，定位为其最强模型，主打网络安全和长时程能力，在 Artificial Analysis Intelligence Index v5.0 以 59 分排名第一。
推荐理由：原文给出具体基准分数、定价和分阶段开放计划，可据此判断这款安全向旗舰模型在攻防场景的实际能力边界。
Together AI 研究与产品博客精选AI 评分7575 Meta Muse Spark Open 上线 Together AI，面向智能体编码场景
Meta 的 Muse Spark Open 开放权重模型已在 Together AI 上线，Together AI 是 Day 0 上线合作方。模型具备 1M token 上下文窗口、长程自主规划与子智能体协调、计算机使用与网页浏览、多模态输入和意图说明能力。
推荐理由：原文给出了模型能力、定价和 API 用法，读者可据此评估它在智能体编程工作流中的实际落地价值。
Google Blog：AI精选AI 评分8383 Google 发布 Gemini 4 Argon，面向开发者与企业全球开放
Google 发布 Gemini 4 Argon 并全球开放，开发者经 AI Studio 与 Gemini API 使用，Google AI Ultra 及 Pro 订阅者可在 Gemini 应用、Antigravity 和 Search 的 AI Mode 中使用。
推荐理由：官方发布给出了定价、基准成绩和内部工程实绩，读者可以据此评估该模型在编码、科研和智能体场景的适用度。
Mistral AI精选AI 评分7474 Mistral 发布 Mistral Large 4 公开预览：1 万亿参数多模态开源权重模型
Mistral 发布 Mistral Large 4（ML4，昵称 le Chonk）公开预览，1 万亿参数、520 亿激活参数的原生多模态模型，预览 API 已在 Mistral Studio 开放，权重将于本月底发布。
推荐理由：官方给出具体基准数字、开放权重时间表和欧洲自建训练基础设施，读者可据此判断它在开源模型中的位置。
Fireworks AI精选AI 评分6363 Fireworks Research 发布 Ember-1：以 40% 更少 token 达成 Kimi K3 同等质量
Fireworks Research 发布基于 Kimi K3 训练的专用模型 Ember-1，在保持质量的同时减少约 40% 的 token 消耗。团队通过 50 多次训练实验和 200 多次评估开发新训练算法，让模型学会更高效地推理；在 7 个基准和两家客户生产流量的 A/B 测试中，推理 token 缩短 35-50% 且准确率不降，内部编码流量切换后开发者几乎无感。
推荐理由：原文给出 Ember-1 相对 Kimi K3 的基准对比、A/B 实测和生产部署数据，读者可据此评估以更低 token 成本跑编码和智能体任务的可行性。
Fireworks AI精选AI 评分7171 Fireworks 评测 DeepSeek-V4.1-Flash：DeepSWE 达 GPT-6 Astra 水准、单任务成本仅 1/15
Fireworks 发布 DeepSeek-V4.1-Flash 基准评测，在 DeepSWE 上以 74.34% pass@1 达到 GPT-6 Astra 级编码准确率，单任务成本 $0.43，约为 Astra 的 1/15。
推荐理由：Fireworks 用自家 DeepSWE 实测数据拆解成本结构，指出缓存命中而非输出才是 agent 开销主因，方法可迁移。
Together AI 研究与产品博客精选AI 评分7474 Thinking Machines Lab 发布多模态 MoE 模型 Inkling，Together AI 提供 Day 0 接入
Thinking Machines Lab 发布多模态 MoE 模型 Inkling，Together AI 同步在 Serverless 平台提供 Day 0 接入。
推荐理由：原文给出了 Inkling 的架构细节和 Together AI 的 Day 0 上线入口，读者可以据此评估其在生产推理中的可用性。
Cognition 模型 / Devin 博客精选AI 评分7272 Cognition 发布 SWE-1.7：基于 Kimi K2.7 的前沿级编码模型
Cognition 发布迄今最强模型 SWE-1.7，以更低成本达到前沿级智能，基于 Kimi K2.7 底座，今日已在 Devin 的 Web、Desktop 和 CLI 中通过 Cerebras 以 1000 TPS 提供。
推荐理由：官方详细披露了 RL 训练方法、跨洲多集群架构和基准数据，读者可借此了解低成本训练前沿编码模型的可行路径。
OpenAI：部署安全与系统卡精选AI 评分7070 OpenAI 发布 GPT-5.3-Codex 系统卡，披露安全评估与 Apollo 破坏能力测试结果
OpenAI 发布 GPT-5.3-Codex 系统卡，公布不允许内容、生物化学和网络安全领域的评估结果。
推荐理由：官方系统卡给出 GPT-5.3-Codex 的沙箱机制、生物化学风险评级和 Apollo 发现的更强破坏能力评估结果，可帮助读者了解其安全边界。
OpenAI：部署安全与系统卡精选AI 评分6464 OpenAI 发布 GPT-5.1-Codex-Max 系统卡，披露安全评估与沙箱机制
OpenAI 发布 GPT-5.1-Codex-Max 系统卡，说明该模型在禁用内容、Agent 沙箱和生物化学风险上的安全评估。Codex agent 默认禁用网络并将文件编辑限制在当前工作区，云端跑在 OpenAI 隔离容器中，macOS 用 Seatbelt、Linux 用 seccomp 和 landlock 实现本地沙箱。
推荐理由：OpenAI 官方系统卡披露 GPT-5.1-Codex-Max 的安全评估细节，包括沙箱机制与生物化学风险评级，可供部署决策参考。
Cognition 模型 / Devin 博客精选AI 评分6161 Cognition 发布 SWE-grep 与 SWE-grep-mini，用 RL 训练快速并行上下文检索模型
Cognition 发布 SWE-grep 和 SWE-grep-mini，用多轮强化学习训练的智能体检索模型，检索能力比肩前沿编码模型但耗时少一个数量级。模型每轮最多发出 8 个并行工具调用、最多 4 轮，借助 Cerebras 推理分别达到超过 2,800 tokens/秒和超过 650 tokens/秒。
推荐理由：官方披露了多轮 RL 训练并行检索模型的方法与训练细节，读者可以据此理解快慢模型分工的实现路径。
已经到底了