Grok 4.7 现已通过 Amazon Bedrock 上线，提供 500K token 上下文窗口和低、中、高、超高四档可配置推理力度。该模型面向编码、长时运行智能体和知识工作，支持 Responses、Chat Completions 和 Converse API。xAI 称其为最擅长编码和知识工作的模型，强调持久工作与自我校验。
推荐理由：Grok 4.7 登陆 Bedrock，文章梳理了 500K 上下文、四档推理级别与成本权衡，适合评估长任务智能体工作负载。
GPT-6 Sol 和 GPT-6 Luna 现已通过 Amazon Bedrock 正式可用，API 定价较 GPT-5.6 前辈显著降低。Sol 面向开发中的复杂重复任务，编码和计算机使用能力提升，内部评估事实错误约减半；Luna 面向高频任务，支持调整推理成本，两者均支持显式提示词缓存。
推荐理由：原文说明 GPT-6 Sol 与 Luna 在 Amazon Bedrock 上的正式可用性，并给出各自定位、更低的 API 定价与提示词缓存细节，可据此按任务成本选型。
NVIDIA Vera Rubin NVL72 首次提交 MLPerf Inference v6.1 评测，在 Qwen3-VL 上吞吐量最高可达 GB300 NVL72 的 3.7 倍，在 DeepSeek-R1 上提升达 2.5 倍。GB300 NVL72 四机架扩展效率达 99%，软件优化较 v6.0 提升最高 1.6 倍。
推荐理由：原文给出了 Vera Rubin 在 MLPerf 上相对 GB300 的具体吞吐提升倍数和扩展效率，读者可据此评估新一代平台在推理经济性上的实际价值。
Google DeepMind 发布 Gemini 3.8 Flash 和 3.8 Flash Cyber 两款新模型，3.8 Flash 保持与 3.7 Flash 相同的每百万输入 token 0.75 美元、输出 3.75 美元定价。
推荐理由：原文给出 3.8 Flash 的定价、编码与智能体基准成绩，以及 Cyber 版的安全管控方式，可据此判断其在企业自动化中的定位。
微软研究院推出 MindTopo 基准，评估多模态大语言模型对连通、封闭、排序、分离和打结等拓扑关系的理解，发现模型在静态识别上远优于交互规划。基准在五个拓扑类别上分别测试推理与规划，并在可控模拟器中提供精确真值以分离感知与规划两类失败。当前模型常在规划多步后失去结构关系或提出违反物理约束的动作，静态识别也会因漏看墙或开口而失败。
针对长程交互中递归摘要带来的性能损失，Berkeley AI Research提出ABBEL框架，将摘要组织为自然语言信念状态并引入信念评分以监督其信息内容。在CollabBench协作编码环境中，ABBEL将全上下文模型的性能差距缩小约50%，训练步数由100步减至50步，同时峰值上下文token大幅降低。
Calico Life Sciences 的 AI/ML 负责人 Matt Onsum 和首席科学家 Katherine Labbé 使用 Co-Scientist 梳理衰老生物学中分散的发现，提出值得检验的假设。团队在整合应激反应（ISR）研究中生成关于代谢如何调节 ISR 的新假说，并借助工具优化实验设计，实验结果对 ISR 在健康与疾病中的作用具有重要含义，计划发表。
GRASP是一种新的基于梯度的规划器，用于学习动力学（世界模型），通过将轨迹提升为虚拟状态实现时间并行优化、直接向状态迭代添加随机性进行探索、重塑梯度以避免高维视觉模型中的脆弱梯度，从而让长视野规划变得实用。这项工作针对现代世界模型在长视野规划中的病态优化、非贪心局部极小和高维空间失效问题，提出了更鲁棒的梯度规划方法。
Google DeepMind 发布开源模型 Gemma 4，提供 E2B、E4B、26B MoE 和 31B Dense 四个尺寸，采用 Apache 2.0 许可，31B 模型在 Arena 文本榜单位列开源模型第 3。新模型支持 140+ 语言、最高 256K 上下文、原生多模态与语音输入，可离线运行于手机等边缘设备，并兼容 Hugging Face、vLLM、Ollama 等主流工具。
推荐理由：官方披露 Gemma 4 四个尺寸与 Apache 2.0 许可，有助于评估其智能-参数比优势和本地部署门槛。