模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
Liquid AI 发布 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 的 DSpark 草稿模型，通过 speculative decoding 提升推理吞吐。
推荐理由：文章同时给出 H100 与 M4 Max 的吞吐对比、function-calling 延迟变化及 llama.cpp 和 SGLang 接入方式，便于评估 DSpark 在云端与端侧部署中的收益。
Google DeepMind 发布 Gemini 3.7 Flash，称其在编码、知识工作和 Web 开发流程上较 Gemini 3.6 Flash 有明显提升。
推荐理由：Gemini 3.7 Flash 的基准对比、价格和接入方式较为完整，便于判断其在编码与智能体工作流中的升级幅度和适用场景。
Google Research 介绍一项关于 LLM 事实性的研究，提出 knowledge profiling 和 WikiProfile，用于区分事实是否被编码及能否被召回。
推荐理由：文章用 WikiProfile 区分事实编码与召回，数据显示前沿模型的瓶颈更多在已存知识的访问，而非知识缺失。
Google Research 发布 AMIE（Video），该系统基于 Gemini 和 Project Astra，可实时进行音视频临床会诊，感知非语言线索、引导虚拟体格检查并开展临床推理。
推荐理由：文章将 AMIE（Video）的异步多智能体架构、随机视频研究结果与模拟场景限制放在一起，便于理解其能力边界。
Microsoft Research 介绍 CARE-X，一款结合报告生成、结构化预测、辅助监督和 DAPO 强化学习的胸部 X 光 VLM。CARE-X 在多项报告生成、问答、定位和分类任务上进行评估；独立实验还将 Qwen3-VL-4B-Instruct 与确定性测量工具结合，在五类测量依赖条件上的平均 F1 提升 43.6 个百分点。
推荐理由：文章展示了如何将生成、结构化预测与确定性测量工具结合，用于提升胸部 X 光任务中的定位、分类和定量判断能力。
ALTK-Evolve 与 ACE 都让智能体从自身轨迹学习可复用经验，但前者按任务和模型能力选择交付 guideline，后者每步注入完整 playbook。
推荐理由：文章在同一 AppWorld 与基础 ReAct 智能体上比较两种记忆交付方式，展示按模型能力调节上下文如何兼顾任务成绩与 tokens 成本。
Google DeepMind 发布 Gemini Robotics 2，通过 Gemini Robotics 2、Gemini Robotics ER 2 和 Gemini Robotics On-Device 2，支持人形机器人全身控制、灵巧操作、多步骤推理与多机器人协作。
推荐理由：原文系统梳理了 Gemini Robotics 2 的三类模型分工、机器人适配方式与安全机制，便于理解其从单机控制走向协作任务的技术路径。
Thinking Machines 发布开放模型 Inkling 及 Inkling-Small，支持文本、图像和音频输入，并具备 Agent 能力与 1M context。
推荐理由：文章同时拆解了 Inkling 的 MoE、混合注意力与多模态输入架构，并给出不同量化版本的显存需求和部署路径，便于评估落地成本。
Mistral AI 发布 8B 模型 Robostral Navigate，仅使用单个 RGB 摄像头和自然语言指令控制机器人自主导航。该模型在 R2R-CE validation unseen 上达到 76.6% 成功率，比最佳单摄像头方案高 9.7 个百分点，比使用深度或多摄像头的最佳系统高 4.5 个百分点。
推荐理由：文章将单 RGB 摄像头导航的基准表现、训练数据规模与 prefix-caching 方法放在一起，便于理解其技术取舍。
Mistral AI 发布 Leanstral 1.5，这是一款采用 Apache-2.0 许可、119B 总参数且仅 6B active parameters 的模型，面向 Lean 4 形式化验证。
推荐理由：文章同时给出形式化数学基准、成本对比和真实代码验证案例，便于评估 Lean 4 证明智能体从题目求解到仓库级任务的实际能力。
Google Research 将 Multi-Token Prediction（MTP）改造到冻结的 Gemini Nano v3 模型上，并部署至 Pixel 9 和 10 系列。
推荐理由：文章展示了如何在不改变 Gemini Nano v3 基础能力的前提下，通过冻结主干和零拷贝 MTP 降低移动端推理开销。
Google Research 研究发现，开启 reasoning trace 可帮助 Gemini-2.5 Flash、Gemini-2.5 Pro 和 Qwen3-32B 找回关闭推理时难以恢复的单跳事实。
推荐理由：文章通过受控实验拆解推理提升单跳事实召回的两种机制，并将中间事实的可靠性与最终答案准确率联系起来。
Google DeepMind 发布实验性开放模型 DiffusionGemma，采用文本扩散和并行生成，在专用 GPU 上实现最高 4 倍的文本生成速度。该 26B MoE 模型推理时激活 3.8B 参数，量化后可适配 18GB VRAM，并以 Apache 2.0 许可发布。DiffusionGemma 面向本地、低并发的交互式工作流，但整体输出质量低于标准 Gemma 4。
推荐理由：文章具体说明了 DiffusionGemma 在本地低并发推理中的速度优势，也交代了输出质量与标准 Gemma 4 的取舍。
Google DeepMind 发布 Gemma 4 12B，这是一款面向笔记本本地运行的统一无编码器多模态模型，支持原生音频输入，并提供多步推理和智能体工作流能力。该模型在标准基准上的表现接近 26B MoE 模型，支持使用 16GB 内存本地运行，并以 Apache 2.0 许可证发布。
推荐理由：文章从架构、资源占用和本地部署入口三个层面，说明 Gemma 4 12B 如何将多模态智能带到消费级笔记本。
Google Research 在 I/O 2026 集中介绍了 Gemini for Science、AI 医疗研究、端侧平台、极端天气预测、Gemini 能力改进和量子计算等方向的进展。文章还介绍了 Google Antigravity 2.0 的多智能体开发工作流、Gemma V4 上线一个月下载量超过 100 million，以及 MedGemma 下载量超过 5M。
推荐理由：文章集中梳理 Google Research 在科学发现、医疗、开发者工具和量子计算等方向的 I/O 研究进展，呈现研究成果如何进入具体产品与实验。
Mistral AI 发布 Mistral Medium 3.5 public preview，这是一款 128B dense open-weight 模型，成为 Mistral Vibe 和 Le Chat 的默认模型。
推荐理由：文章同时交代模型规格、编码基准与部署方式，并说明它如何支撑云端并行编码和多步骤工作流。
Google DeepMind 发布基于 Gemini 的 Co-Scientist 多智能体系统，可迭代生成、辩论和演化复杂科学问题的研究假设。系统通过生成、反思、排名、演化和元评审等智能体协作，并结合 web search、ChEMBL、UniProt 及 AlphaFold 等工具探索研究方向。
推荐理由：文章拆解了 Co-Scientist 的多智能体协作与假设竞赛机制，并展示其在多项生命科学研究中的应用。
Google Research在 ICLR 论文中提出 ReasoningBank，从智能体的成功与失败经验中提炼结构化推理记忆，并通过 MaTTS 支持测试时自我演化。
推荐理由：文章展示了如何把成功与失败轨迹提炼为可复用的推理记忆，并用 WebArena 与 SWE-Bench-Verified 结果说明其效果与效率变化。
Google Research在发表于 Transactions on Machine Learning Research 的论文中提出 Simula，用推理优先的方法从第一性原理构建合成数据集。
推荐理由：文章将合成数据生成重构为机制设计问题，拆分覆盖、多样性、复杂度与质量，给出可控且可评估的数据构建路径。
Google DeepMind 发布 Gemini Robotics-ER 1.6，升级空间与物理推理、多视角理解和任务成功检测能力。模型新增仪表读数能力，可通过工具调用、agentic vision 和代码执行解读压力表等设备。
推荐理由：文章集中展示了 Gemini Robotics-ER 1.6 在多视角成功检测、仪表读数和安全约束上的改进，并说明开发者如何调用该模型。