Mistral AI 发布首个具身导航模型 Robostral Navigate，这是一个 8B 模型，仅用单个普通 RGB 相机、无需 LiDAR 或深度传感器，在 R2R-CE validation unseen 上达到 76.6% 成功率，比最佳单相机方案高 9.7 个百分点，比使用深度或多相机的最佳系统高 4.5 个百分点。
推荐理由：官方给出单目 RGB 相机在 R2R-CE 上的成功率与训练方法，可据此判断具身导航对传感器配置的依赖程度。
Google DeepMind 与影视公司 A24 宣布达成首个研究型合作伙伴关系，双方将围绕多个项目展开长期研发协作，让艺术家参与塑造新技术与新工作流。Google 同时已对 A24 进行投资。该合作初期聚焦于打通前沿技术与下一代娱乐之间的鸿沟，具体目标与技术产出将随时间演进。
伯克利人工智能研究实验室（BAIR）展示其 2026 届博士毕业生的研究成果，涵盖机器人、大语言模型推理、计算机视觉及 AI 安全等领域。毕业生去向包括 OpenAI、Physical Intelligence、Mistral AI 等机构，以及普林斯顿大学、UCLA 等高校教职。
Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash 两款模型，前者是 Nano Banana 系列中速度最快、成本最低的图像模型，4 秒生成文本到图像，每张 1K 图像 0.034 美元；后者支持高质量视频生成与对话式编辑，输出视频定价为每秒 0.10 美元。
推荐理由：两款模型同日开放开发者入口，并给出延迟、单价与能力边界，便于评估图像到视频的串联工作流。
Google Research 公布两项皮肤健康 AI 研究：一项发表于 JAMA Dermatology 的大规模调查显示，2345 名参与者借助 AI 工具尝试命名皮肤状况的比例达 62%，准确率 23%，约为无辅助对照组 8% 的近三倍。但 AI 组在判断下一步就医建议上未取得统计显著提升，且比对照组更倾向建议较低紧急度的处理方式。
Google DeepMind 发布 Gemini 3.5 Live Translate，一款支持 70 多种语言的近实时语音到语音翻译音频模型，可自动检测语言并保留说话者的语调、节奏和音高。
推荐理由：原文给出 70+ 语言、连续生成语音和几秒延迟等关键指标，读者可据此判断实时语音翻译的可用边界。
Google DeepMind 发布 Gemma 4 12B，一款面向笔记本电脑的智能体多模态模型，介于 E4B 与 26B MoE 之间，是首个支持原生音频输入的中等规模 Gemma 模型。
推荐理由：Gemma 4 12B 去掉多模态编码器并把视觉音频直接接入 LLM，读者可据此判断本地多模态智能体的硬件门槛。
Google Research 在 Nature 发表研究，提出 PHRM 系统，利用手机前置摄像头在面部解锁后采集 8 秒面部视频，通过端侧深度学习估算心率，与心电图对比的平均绝对百分比误差低于 10%，覆盖所有肤色人群。
推荐理由：Google 用手机前摄在解锁后被动测心率，并公开迄今最大规模手机视频数据集与预训练模型。
Google Research 在 I/O 2026 上公布多项进展，包括基于 ERA 与 Co-Scientist 的 Gemini for Science 科研工具套件，以及用于科学假设生成的 Hypothesis Generation 和基于 NotebookLM 的 Literature Insights。
推荐理由：Google Research 在 I/O 2026 集中披露科研智能体、健康 AI 与量子计算进展，可据此了解其研究到产品的转化路径。
Google DeepMind 在实验性原型 Project Genie 中上线 Street View grounding 能力，用户可通过 Maps 图钉选择美国境内地点，并叠加 Desert Sands、Stone Age、Ocean World、B&W film 等风格，再描述角色来生成以真实影像为起点的可交互世界。
推荐理由：Genie 接入 Street View 真实影像后，读者可了解世界模型如何以真实地点为锚点生成可交互环境。
Google DeepMind 发布 Gemini Omni 家族首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本输入生成高质量视频，并通过自然语言多轮对话编辑视频。
推荐理由：Gemini Omni Flash 把视频生成与对话式编辑合并到同一模型，读者可据此判断多模态创作入口的变化。
Google 宣布扩展内容透明度与验证工具，把 SynthID 验证从 Gemini 应用扩展到 Search，并将在未来几周进入 Chrome；该验证功能此前已在全球被使用 5000 万次。
推荐理由：Google 把 SynthID 与 C2PA 验证铺到 Search、Gemini、Chrome 和 Pixel，读者可了解内容溯源工具的实际覆盖范围。
Google DeepMind 发布 Gemini 3.5 系列首个模型 3.5 Flash，定位为面向智能体与编码的前沿模型，即日起在 Gemini 应用、Google 搜索 AI Mode、Google Antigravity、Gemini API、Google AI Studio、Android Studio 及 Gemini Enterprise 上线。
推荐理由：官方给出 3.5 Flash 在编码与智能体基准上的具体分数和开放渠道，可据此判断速度与质量的取舍。
Google DeepMind 宣布 AI co-clinician 研究计划，探索 AI 智能体在医生临床监督下协助患者诊疗。在 98 个真实初级保健查询的盲评中，该系统 97 个案例零关键错误，医生更偏好其回答而非主流证据综合工具；在 140 项问诊技能评估中，AI 在 68 项达到或超过初级保健医生水平，但专家医生在识别危险信号和指导关键体格检查上整体更优。
推荐理由：DeepMind 公开 AI co-clinician 研究计划，给出医生盲评与实时多模态模拟的对比数据，可了解医疗智能体当前能力边界。
Google DeepMind 发布 Gemini Robotics-ER 1.6，这是其推理优先机器人模型的升级版，强化了空间推理与多视角理解，并新增仪表读数能力，可读取压力表、液位计和数字读数。
推荐理由：官方给出与上一代及 Gemini 3.0 Flash 的对比和仪表读数新能力，可据此判断机器人高层推理的进展。
Google 发布 Vibe Coding XR 工作流，将 Gemini 的长上下文推理与基于 WebXR、three.js、LiteRT.js 的 XR Blocks 框架结合，把自然语言提示直接转成具备物理感知的 Android XR 应用，官方称耗时在 60 秒以内。
Mistral AI 发布 Mistral Small 4，这是 Mistral Small 系列的下一个重要版本，也是 Mistral 首个把 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力统一到单一模型中的模型，采用 Apache 2.0 许可。
推荐理由：Mistral 首次把推理、多模态与编码智能体能力合并进单一开源模型，并给出可切换的推理强度参数。
Berkeley AI Research 提出基于互信息的成像系统设计框架，直接评估并优化系统信息含量。该框架在 NeurIPS 2025 论文中验证了其在四个成像领域预测性能的能力，优化结果匹配 SOTA 方法且无需任务特定解码器。
Mistral 发布 Mistral OCR 3，在表单、扫描文档、复杂表格和手写内容上相对 Mistral OCR 2 的整体胜率为 74%，官方称其准确率超过企业级文档处理方案和 AI 原生 OCR 方案。
推荐理由：官方给出与前代在表单、手写、扫描件上的胜率对比和每千页定价，可据此判断文档解析的替换成本。
Mistral 发布 Mistral 3 系列，包括 14B、8B、3B 三个小尺寸稠密模型和迄今最强的 Mistral Large 3，后者为稀疏 MoE，41B 激活参数、675B 总参数，全部以 Apache 2.0 许可开源。
推荐理由：Mistral 3 全系以 Apache 2.0 开源并给出从 3B 到 675B 的规格与部署路径，读者可据此判断开源前沿模型的可用边界。
Mistral 对 Pixtral-12B 进行 LoRA 微调后，在 Aerial Image Dataset（AID）卫星图像分类任务上较基座模型显著提升，改善了密集住宅与中等住宅等易混淆类别的区分能力，并减少了模型幻觉出的无效类别名。
Mistral 为 Le Chat 上线一批新功能，包括预览版 Deep Research 模式、由新语音模型 Voxtral 驱动的语音模式、由推理模型 Magistral 支持的多语言推理、用于整理对话的 Projects，以及与 Black Forest Labs 合作的高级图像编辑。
推荐理由：官方一次性放出深度研究、语音、推理与图像编辑多项能力，可据此判断 Le Chat 的助手定位走向。
Mistral AI 发布 Mistral Medium 3，称其在多项基准上达到 Claude Sonnet 3.7 的 90% 或以上，价格为每百万 token 输入 0.4 美元、输出 2 美元。
推荐理由：官方给出 Mistral Medium 3 的定价、对标模型与部署门槛，可据此判断企业自部署的成本与可行性。
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上提升文本性能与多模态理解，上下文窗口扩展至 128k tokens，推理速度达 150 tokens/s，以 Apache 2.0 许可开源。
推荐理由：官方给出 128k 上下文、150 tokens/s 与 Apache 2.0 开源等参数，可据此判断小模型在端侧与多模态场景的可用性。
Mistral AI 发布 OCR API mistral-ocr-latest，可接收图片和 PDF，按顺序交错输出文本与图像，定价为 1000 页/美元，批量推理约可翻倍。
推荐理由：官方给出与 Google、Azure、Gemini 系列的横向基准对比和定价，可据此判断文档解析选型。