Together AI 首日上线 NVIDIA Nemotron 3 Super，开发者可专用推理部署

NVIDIA Nemotron 3 Super 登陆 Together AI，模型为 120B 参数（12B 激活）、Transformer 与 Mamba 混合 MoE 架构，支持 1M-token 上下文窗口，生成速度较当前领先开源模型高 50% 以上。

InternLM 发布 EndoCoT：在扩散模型中扩展内生 CoT 推理

上海人工智能实验室 InternLM 团队发布 EndoCoT 官方实现，用于在扩散模型中扩展内生链式推理（CoT），面向复杂结构化生成任务。该工作已被 ECCV 2026 收录，代码随论文一并开源。

Together AI 在首届 AI Native Conf 发布七项研究与产品更新

Together AI 在首届 AI Native Conf 上发布七项研究与产品成果，覆盖 Kernels、强化学习与算法推理优化三个方向。

Together AI 发布 FlashAttention-4：算法与内核协同设计适配 Blackwell 非对称硬件扩展

Together AI 等团队发布 FlashAttention-4，通过算法与内核协同设计在 Blackwell B200 上最大化 matmul 与其他资源瓶颈的重叠。

Noam Shazeer@NoamShazeerAI 评分6161

Google 发布 Gemini 3.1 Flash-Lite，定位最快最高效、面向高负载工作负载的模型，官方称在推理、可靠性和可扩展性上超过 2.5 Flash 且成本更低。

Together AI 的 CDLM 让扩散语言模型推理最高提速 14 倍且不牺牲质量

Together AI 提出一致性扩散语言模型 CDLM，通过轨迹蒸馏、块级因果注意力与三项联合训练目标，让扩散语言模型在少步推理下保持质量，并支持精确的块级 KV 缓存。在 Dream-7B-Instruct 上，CDLM 将精炼步数减少约 4.1x–7.7x，GSM8K-CoT 延迟最高降低 11.2x，MBPP-Instruct 最高降低 14.5x，多数任务准确率变化很小。

Jakub Pachocki@merettmAI 评分6565

Jakub Pachocki 表示看好 First Proof 挑战，认为前沿新研究可能是评估下一代 AI 模型能力最重要的方式。

OpenAI 用推理模型从真实对话中发现未知 AI 失调行为

OpenAI 提出一种利用推理模型（AI judges）分析真实生产对话的方法，通过识别用户情绪退化来检测和诊断 ChatGPT 的失调行为，发现情绪退化的对话包含 Model Spec 违规的概率约为其他对话的两倍。

Noam Shazeer@NoamShazeer精选AI 评分7676

Noam Shazeer 宣布 Gemini 3 Flash 正式上线，称其将 Gemini 3 的 Pro 级推理能力压缩到延迟、效率和成本接近 Flash 级别的更精简模型中。他表示这是自己目前最喜欢使用的模型，延迟接近真实对话且智能深度不减。模型已在 API、Gemini App 和 Search 中可用，详情见 https://bit.ly/4pTo5YU。

小米 MiMo-V2-Flash 发布：高效推理、编码与智能体基础模型

小米发布 MiMo-V2-Flash 基础模型，主打高效推理、编码与智能体能力。该模型以 MiMo-V2-Flash 为名在 GitHub 新仓库开源，具体参数规模、benchmark 分数与上下文长度尚未在现有信息中披露。

Noam Shazeer@NoamShazeerAI 评分6565

Gemini 3 Deep Think 模式现已面向 Ultra 用户上线。Noam Shazeer 表示该模式使用并行思考线时，在 ARC-AGI-2 和 HLE 等关键推理基准上有明显提升。

Mistral 发布 Mistral 3 系列：含 Mistral Large 3 与 Ministral 3 小模型，全部 Apache 2.0 开源

Mistral 发布新一代模型系列 Mistral 3，包括 Mistral Large 3（41B 激活、675B 总参数的 MoE 模型）和 Ministral 3 的 3B、8B、14B 三种小模型，全部以 Apache 2.0 许可开源。

OpenAI 用稀疏自编码器潜在归因调试模型失准补全

OpenAI 提出用稀疏自编码器（SAE）的潜在归因（latent attribution）方法，替代此前的两步模型对比法，来定位与失准行为因果相关的 SAE 潜在特征。在涌现失准案例中，该方法选出的 top-100 Δ-attribution 潜在特征比 Δ-activation 特征更能通过激活引导让模型远离或走向失准，平均失准变化也更大；研究还用 GPT-5 对引导后的补全打分。

InternLM 发布 ARC-VL：视觉思考、文本推理的视觉语言协同方案

上海人工智能实验室 InternLM 团队开源 ARC-VL，为 CVPR 2026 论文《Think Visually, Reason Textually: Vision-Language Synergy in ARC》的官方实现。该方法在 ARC 任务中让视觉与语言协同工作，以视觉方式进行思考、以文本方式进行推理。

Thinking Machines Lab 发布 On-Policy Distillation 方法：以更低成本逼近 RL 训练效果

Thinking Machines Lab 发布 On-Policy Distillation 博客，提出用教师模型对学生模型自采样轨迹逐 token 计算反向 KL 奖励，把 RL 的 on-policy 优势与蒸馏的密集反馈结合。

Thinking Machines Lab 发布 LoRA Without Regret 研究：LoRA 在多数后训练场景可匹敌全量微调

Thinking Machines Lab 发布研究，系统实验表明在满足两个条件时 LoRA 与全量微调（FullFT）样本效率相同、最终性能相当：将 LoRA 应用于所有层尤其是 MLP/MoE 层，且可训练参数量超过数据集信息量。

InternLM 发布 SIM-CoT：监督式隐式思维链官方实现

上海人工智能实验室 InternLM 团队开源了 SIM-CoT（Supervised Implicit Chain-of-Thought）的官方实现，该工作已被 ICLR 2026 接收。SIM-CoT 通过监督方式实现隐式思维链推理，代码已在 GitHub 公开。

Thinking Machines Lab 解析 LLM 推理非确定性的真正成因并发布批不变 kernel

Thinking Machines Lab 的 Horace He 发文指出，LLM 推理非确定性的主因不是并发加浮点误差，而是服务器负载变化导致 batch size 变化，使非批不变的 kernel 输出随批次改变。

OpenAI 发布推理模型最佳实践指南，讲解 o 系列与 GPT 模型如何分工协作

OpenAI 发布推理模型使用指南，说明 o 系列模型（如 o3、o4-mini）擅长规划、复杂决策和高精度任务，GPT 模型（如 GPT-4.1）更适合快速低成本的明确任务，多数 AI 工作流可组合两者，用 o 系列做规划、GPT 做执行。

Mistral AI 发布首个推理模型 Magistral，含开源 24B 版本

Mistral AI 发布首个推理模型 Magistral，分为 Magistral Small（24B 参数，Apache 2.0 开源）和 Magistral Medium（企业版）两个版本。

小米 MiMo：从预训练到后训练释放语言模型推理潜力

小米发布 MiMo，一个从预训练到后训练全流程优化推理能力的语言模型。该模型旨在释放语言模型的推理潜力，相关代码与模型已托管于 GitHub 的 XiaomiMiMo/MiMo 仓库。