原标题：Experts adopt AI agent's random opinions and think they're their own, Anthropic study finds
Anthropic 实验显示，50 名领域专家在分析任务中高达 86% 的情况下采纳了由抛硬币决定的 AI 代理随机偏好，并误认为这是自己的独立判断。该现象不受专家经验或信任度影响，虽提升了效率但引发了关于“虚假共识”削弱 AI 安全审查的担忧。
原标题：IgE disruptor for food allergy with Claude-enabled antibody design[pdf]
研究团队利用 Claude 智能体进行计算设计，成功开发出一种双表位抗体，旨在物理移除结合在 FcεRI 受体上的 IgE。该方案突破了现有药物 Omalizumab 仅中和循环 IgE 而无法清除受体结合态 IgE 的局限，为治疗严重食物过敏提供了新路径。
原标题：Mistral released the weights of its 1-trillion-parameter Mistral Large 4 and roughly halved its API ...
Mistral 正式开源其万亿参数模型 Mistral Large 4 的权重，并将 API 定价大幅降低约 50%。该模型经过额外强化学习训练，在 Terminal-Bench 基准上超越 GLM-5.3，但在编码代理指数上与后者持平，主要优势在于显著降低了 Token 消耗。值得注意的是，其许可证从 Apache 2.0 改为修改版 MIT，对 Model-as-a-Service 提供商施加了更严格的商业授权限制。
原标题：After the Hugging Face breach, OpenAI extended misalignment monitoring across frontier model trainin...
OpenAI 在 Hugging Face 数据泄露事件后，将其失准（misalignment）监控系统从内部编码代理扩展至所有 GPT-6 Astra 级模型的训练、评估及部署环节。新系统采用四层架构，涵盖激活探针至调查代理，旨在通过实时监控网络日志和工具使用行为，将潜在的安全警报响应时间缩短至 15 分钟内。
原标题：Unscripted calls are hard to collect at scale.
开源社区发布 Joy 数据集，包含 10 万小时、5 万说话人、10 种语言的双通道真实非脚本对话。该数据旨在解决现有语音 AI 依赖合成数据导致的交互僵硬问题，通过提供真实的打断、重叠和自然停顿信号，提升模型对复杂人类对话节奏的理解能力。
原标题：A 10-person startup Phonic has released Phonic-1, which it says is the only voice model that can run...
初创公司 Phonic 发布 Phonic-1，宣称是唯一能在用户说话时执行查询和预订的语音模型。该模型在 Artificial Analysis 语音转语音指数中得分 87.1，略高于 Grok Voice 3.0，并展示了极低的延迟（首音频 0.61 秒）。尽管存在第三方评测数据差异，其已获 2750 万美元 A 轮融资并应用于 Ashby 的 AI 面试场景。
原标题：New Meta paper finds Reinforcement learning post-training makes an agent better on its first attempt...
Meta 最新论文指出，强化学习（RL）后训练虽能提升智能体首次尝试的成功率，但会显著降低其在多次重试场景下的最终解决能力。实验显示，在 WebShop 等基准测试中，基础模型在允许 128 次重试时的表现优于经过 RL 微调的模型，这种现象被称为“锐化税”（Sharpening Tax）。该发现挑战了 RL 普遍增强智能体能力的传统认知，建议开发者在选择具备重试机制的智能体模型时，应重点评估其长期覆盖率而非仅关注首试准确率。
原标题：An updated Model Spec for more capable and beneficial AI
OpenAI 发布新版模型规范，将行为准则重构为忠实于人类意图、最小化伤害、诚实透明、人类自主权与关怀这五大核心价值。此次更新旨在提升模型在指令未明确覆盖场景下的价值对齐能力，同时简化了具体的风格指南并强化了上下文监督机制。
原标题：We’ve announced the Artificial Analysis Progress Index: a single capability scale for every language...
Artificial Analysis 推出 Progress Index，利用项目反应理论（IRT）为 2022 年以来的所有大模型建立单一、可跨时间比较的能力标尺。该指数旨在解决现有 Intelligence Index 因评测集变动导致的历史分数不可比问题，数据显示自推理模型兴起后，前沿模型的竞争格局已从 OpenAI 长期垄断转变为与 Anthropic、Google 的快速交替领先。
原标题：Phonic's Phonic 1 (High) is the new leading Speech to Speech model, debuting at #1 on the Artificial...
Phonic 1 (High) 在 Artificial Analysis 语音转语音指数中以 87.1 分位居榜首，略微领先 Grok Voice 3.0。该模型在 Tau Voice 智能体基准测试中表现卓越（79.9%），同时具备极具竞争力的延迟和成本优势。
原标题：Microsoft’s AI future has fewer jobs
微软正扩大自愿离职买断计划，覆盖美英加印四国约 6 万名员工，规模远超年初的 9000 人。此举旨在通过降低人力成本来保障 AI 基础设施投入，CEO 纳德拉此前已明确“减少人数、增加人均 GPU”的战略导向。
原标题：Grace Blackwell needs a new scheduler: 27% more usable GPUs from the same racks
针对 NVIDIA GB200 NVL72 系统，SkyPilot 指出传统调度器无法充分利用机架内高速 NVLink 互联。通过实施拓扑感知调度、故障自动替换与碎片整理，可在同一硬件规模下将有效利用率提升 27%，避免多节点任务因跨机架通信而退化为 InfiniBand 瓶颈。
原标题：A website is starting to look like a set of callable operations, which is exactly how an agent wants...
AgentWeb 推出新型 Web 基础设施，允许 AI 智能体通过预定义的工具接口直接执行网站任务，彻底摒弃传统的截图识别与模拟点击模式。实测数据显示，该方案在 15 个政府门户及 Amazon、LinkedIn 等登录态站点上实现了 47/47 的任务成功率，中位耗时仅 1.9 秒，单次运行成本低至 3 美元。
原标题：Paris-based Mistral releases "Le Chonk," a strong coding model that still trails China overall
Mistral 发布了其最大规模的开源模型 Large 4（代号 Le Chonk），拥有约一万亿总参数和 520 亿激活参数，采用修改版 MIT 许可证。该模型在独立基准测试中表现出强大的编码能力，但在综合智能指数上仍落后于中国开源模型及 Anthropic/Google 的领先系统。其核心优势在于推理速度、较低的 API 成本以及极高的有害请求拒绝率。
原标题：Fish Audio Drama 3 is the #1 open weights model on both Artificial Analysis Speech Arenas, and #1 of...
Fish Audio 发布 Drama 3，在 Artificial Analysis 语音竞技场中成为排名第一的开源权重模型。该模型在发音鲁棒性基准测试中以 94.6% 的成绩位居所有模型之首，并提供极具竞争力的每百万字符 15 美元定价。