METR 对 OpenAI o3 和 o4-mini 进行了发布前三周的初步自主能力评估。在更新版 HCAST 上，o3 和 o4-mini 的 50% 时间视界约为 1.5 小时和 1.25 小时，分别约为 Claude 3.7 Sonnet 的 1.8 倍和 1.5 倍，是已测公开模型中的最高点估计。
推荐理由：METR 用 HCAST 和 RE-Bench 给出 o3 与 o4-mini 的自主能力数据，并披露 o3 的 reward hacking 案例，为安全评估提供了具体证据。
ARC Prize 发布 GPT-6 Astra 在 ARC-AGI-3 Semi-Private 上的评测结果：Standard harness 下得分 62.7%、成本 $26K，Provider Adapter harness 下得分 99.9%、成本 $19K，均为当时最佳成绩。
推荐理由：ARC Prize 官方实测数据完整，读者可以据此比较 GPT-6 Astra 在两种评测条件下的得分、成本与人类动作效率差异。
DAIR.AI@dair_aiAI 评分6767Qwen 团队发布报告，介绍原生多模态模型 Qwen3.8-Omni-Flash，面向文本、音频和视频的长时程智能体任务，如视频编辑和长音频视频翻译。
Mark Chen@markchen90AI 评分6060We’re sharing a solution to the Navier-Stokes Millennium Prize Problem, one of the deepest problems at the frontier of mathematics. The proof was produced by a group of agents, using an OpenAI next-generation model significantly more capable than GPT-6 Astra. The problem concerns whether the description of smooth three-dimensional fluid motion modeled by the Navier-Stokes equations can break down. It has remained unresolved for roughly 90 years.
OpenAI 公布针对 Navier–Stokes 千年大奖难题的 AI 生成解答，包含一份写作稿和一份 Lean 形式化证明。
推荐理由：OpenAI 官方公布了针对纳维-斯托克斯千年大奖难题的 AI 生成解答，附写作稿和 Lean 形式化证明。
Google Research 推出基于 Gemini 和 Project Astra 的 AMIE (Video)，可进行实时视频临床问诊，感知非语言视觉和听觉线索并引导虚拟体格检查。
推荐理由：原文给出三智能体架构和随机对照结果，读者可以据此了解实时视频问诊 AI 的设计思路与评估方法。
Google DeepMind 在 Nature 发表 WeatherNext AI 模型研究，对气旋路径、强度和风结构的预报平均多出超过 24 小时提前量，相当于约十年的气象学进步。
推荐理由：官方介绍论文与开源模型的关键结果，读者可以据此评估其对气象预报和研究的可用性。
Answer.AI 发布 ModernBERT-Large-Instruct，一个在 ModernBERT-Large（395M 参数）上用 FLAN 指令微调的编码器模型，直接用 MLM 头做分类和选择题，无需架构改动。