每条发布 = 一张工具卡 · 命中 "新工具 / 产品更新 / 模型发布 / 平台" 标签(itemType=tool_release)· 按时间排序
据 Scott Aaronson 整理，OpenAI 在顾问组推荐下一次性公开 372 项数学突破结果，其中包括 Subhash Khot 的唯一游戏猜想（UGC）证明、L=BPL、Fourier 变换整数乘法低于 O(n log n) 的新上界、Unitary Synthesis 问题的正面解答、Parity 不在 QAC0 等，部分配有 Lean 证书。
推荐理由：原文列出 372 项数学突破与所用算力、问题类型，可帮助读者判断新模型在深度推理上的实际边界。
Mistral 发布 Mistral Large 4（ML4）公开预览，称其为 1 万亿参数、49B 激活参数的多模态模型，在 Mistral 自己的欧洲数据中心用 3,800 块 NVIDIA Grace Blackwell GPU 从头训练，preview API 即日在 Mistral Studio 开放，权重计划于本月底发布。
推荐理由：原文给出 1T 总参数 / 49B 激活参数、训练规模与多项基准结果，可作为评估开源权重前沿模型多模态与智能体能力的参考。
Mistral 发布 Mistral Large 4（昵称 le Chonk）公开预览 API，模型为 1 万亿总参数、490 亿激活参数的原生多模态模型，权重计划本月底开源，由 Mistral 欧洲自建数据中心用 3,800 张 NVIDIA Grace Blackwell GPU 训练。
推荐理由：1 万亿参数原生多模态模型公开预览并在网络安全、编码与视觉任务上对标开源前沿，可作为开源权重模型能力上限的参考基线。
德国 AI 公司 Aleph Alpha 发布开放权重大语言模型 Kolibri，总参数 78B、激活参数约 3.5B，采用混合专家架构，基于 Apache 2.0 许可证开源。
推荐理由：提供了模型的技术架构、性能数据、对比基准和可用入口，读者可以据此判断这个模型在德语场景和本地部署需求下的适用性。
开发者发布 Slipstream 引擎，可在 64GB Mac 上以 41-52 tok/s 运行 95.5 GiB Qwen3.8-Flash-Next 模型，比 llama.cpp 快 1.76 倍。
推荐理由：原文给出了新推理引擎的具体性能数据、架构设计和与 llama.cpp 的对比，读者可以据此判断它在本地运行大模型场景下的实际价值。
xAI 的 Grok 4.7 现已在 Amazon Bedrock 上线，支持 50 万 token 上下文窗口和低/中/高/xhigh 四档可配置推理 effort。该模型定位为 xAI 最强的编码和知识工作模型，强调在困难任务上工作更久并更仔细地自我验证，支持 Responses、Chat Completions 和 Converse API，可通过跨区域推理配置文件路由。
推荐理由：提供了模型在 Bedrock 上的具体接入方式、API 接口和定价策略，读者可据此评估集成成本和工作流适配性。
Anthropic 发布 Claude Sonnet 5.5，输出速度快 30% 以上，单任务成本降低达 30%。在 Terminal-Bench 4.0 上从 10.3% 跃升至 70.6%，CursorBench 4.0 达 55.5%，仅比 Opus 5.5 低 2 分。
推荐理由：原文给出了 Claude Sonnet 5.5 在多项基准上的具体分数和与 Opus 5.5、GPT-6 Sol 的对比，以及成本和速度数据，读者可据此判断是否值得切换模型。
NVIDIA Vera Rubin NVL72 系统首次提交 MLPerf Inference v6.1 预览测试，在 Qwen3-VL 基准上提供高达 3.7 倍于 GB300 NVL72 的吞吐量，在 DeepSeek-R1 上达到 2.5 倍。GB300 NVL72 在 288-GPU 四机架扩展测试中实现 99% 扩展效率，软件优化相比 v6.0 提升高达 1.6 倍性能。
推荐理由：给出了具体的性能倍数和扩展效率数据，读者可以据此评估新硬件对推理工作负载的实际价值。
本教程展示如何使用 TRL 库的 GRPO 方法微调 LFM2.5-350M 以提升结构化输出能力。实验使用约 500 个样本训练 100 步，在 IFStruct 基准上的准确率从 22.6% 提升至 29.7%（JSON 格式提升 13.9 个百分点），所需资源仅需免费层 Colab 或 Kaggle GPU。
推荐理由：原文给出了具体的方法论（GRPO + 奖励函数设计）和可量化的性能提升，读者可以据此判断轻量微调是否适合自己的结构化输出场景。
Google DeepMind发布Gemini 3.8 Flash和3.8 Flash Cyber两款新模型。3.8 Flash在DeepSWE v1.1基准上超越多数更大规模的frontier模型，在HLE-Verified上达54.9%，价格为每百万输入token 0.75美元、输出token 3.75美元。
推荐理由：原文给出了在软件工程、Agent任务和多步推理方面的具体性能提升数据和成本对比，读者可据此判断模型能力变化。
Liquid AI 发布 LFM2.5 系列的 DSpark 草稿模型检查点，包括 LFM2.5-1.2B-Instruct、LFM2.5-2.6B 和 LFM2.5-8B-A1B 三款。
推荐理由：给出了在 H100 和 MacBook M4 Max 上的具体加速数字，以及 llama.cpp 和 SGLang 的集成方式，读者可以据此判断迁移成本和预期收益。
Mistral 宣布 Mistral Regional Endpoints 正式可用，客户可选择在欧洲或美国运行推理；Mistral Priority Tier 进入公开预览，为关键任务负载提供 SLA 保障。
推荐理由：原文给出了区域推理控制和开放模型支持的具体能力变化，读者可以据此判断它如何满足数据驻留与合规需求。
Nunchaku 4-bit 扩散模型推理引擎现已原生集成到 Diffusers，支持通过 from_pretrained() 直接加载预量化模型，无需本地 CUDA 编译。
推荐理由：原文给出了 Nunchaku Lite 的性能数据、实现方式和可用入口，读者可以据此判断这个量化推理方案是否适合自己的场景。
Google DeepMind 推出 Gemini for Science 套件，包含三个实验工具：Hypothesis Generation（基于 Co-Scientist。
推荐理由：Google 一次性推出三个科学实验工具和 Science Skills，给出了明确的实验阶段和合作机构，读者可以判断这些工具对其研究流程的实际价值。
已经到底了