Google Research 在 JAMA Network Open 发表研究，用 AI 模型解读无超声专科培训人员操作的盲扫超声图像来评估孕周。在 385 名 16 至 36 周孕妇的队列中，模型平均绝对误差为 4.18 天，专家标准流程为 4.48 天；芝加哥适配后为 4.10 天，内罗毕零本地优化为 4.27 天。
推荐理由：研究给出跨美国与肯尼亚两地、换用不同探头后的前瞻性验证结果，可了解医疗 AI 跨场景泛化的实测表现。
NVIDIA 扩展 Nemotron Retriever 系列，发布 Nemotron 3.5 Embed 8B BF16、1B BF16、1B NVFP4，Nemotron 3.5 Rerank 8B BF16，以及 631M 参数的 Nemotron 3.5 Parse，均为开放且可商用的模型。
TwelveLabs 的视频语言模型 Pegasus 1.5 已在 Amazon Bedrock 上线，可将长视频按用户定义条件切分为带起止时间的结构化 JSON 元数据。
MIT、波士顿儿童医院与 Inria 的研究者开发并训练了深度学习模型 E(3)-Pose，用于在胎儿头部运动时辅助成像，生成可供放射科医生检查的高分辨率图像。该模型把胎儿头部的左右对称性直接嵌入网络架构，而非仅从数据中学习物理规律，从而更准确地识别大脑朝向。相关论文已在 2026 年欧洲计算机视觉会议上发表，目前模型主要基于第三孕期胎儿训练，团队希望进一步扩展至第二孕期及更小的胎儿。
MIT 研究人员构建了一个面向晶体材料的多模态 AI 模型，将 3D 原子结构与自然语言描述结合，相关论文发表于 Nature Communications。研究显示，该模型在筛选固态锂离子电池电解质材料时，排名靠前的结果包含已被独立认定为有前景的候选材料，并能学到纯文本模型无法获得的几何表征。团队用对比学习让模型对齐结构与文本描述，训练数据包含从实验论文和第一性原理计算数据库生成的描述性文本。
NVIDIA 发布 Nemotron 3.5 Super VL，这是一款 120B 参数的开源多模态模型，面向持续在线的专用智能体，官方称其吞吐量最高可达同类模型的 5 倍。
推荐理由：原文给出三款模型的参数规模、部署层级和开放权重，读者可据此判断开源智能体模型从数据中心到端侧的覆盖方式。
Meta 发布开放权重前沿多模态混合专家（MoE）模型 Muse Spark Open，相关介绍发布在 Hugging Face Blog。原文正文抓取失败，除标题外暂无更多细节。
OpenAI 在教师节宣布 AI for Educators 新增巴西葡萄牙语支持，并展示 Study Mode 如何帮助教师支持主动、分步式学习。
Adobe 与 NVIDIA 宣布扩大合作，为 Adobe Photoshop、Premiere、Substance 3D、Frame.io 和 Brand Concierge 等旗舰工具进行优化，以提供更快的 AI 创作、制作与个性化体验。
MIT 与 Whitehead 研究所团队开发神经网络模型 IRIS，通过识别各信号通路在不同细胞类型中一致的基因活动“指纹”，重建细胞在胚胎发育中接收过的信号历史。
推荐理由：IRIS 用迁移学习思路跨细胞类型重建信号通路历史，为干细胞工程和类器官研究提供可复用的建模路径。
Apple 提出 Selection-based Structured Reasoning（SSR）框架，将推理从开放式生成改为选择：把反复出现的高层推理表示为预先指定的可复用自然语言候选，模型每轮从中选择。该框架针对小模型推理冗长、对动作生成帮助有限且推理成本高的问题，目标是提升多模态搜索智能体的效率。
Apertus 1.5 在 8B 和 70B 两个规模上扩展了 Apertus 1.0，新增图像与音频理解、可选思考模式、4 倍长的上下文窗口（262,144 tokens），并改进指令遵循与工具调用，权重以 Apache 2.0 许可发布于 Hugging Face。
推荐理由：原文完整公开了多模态早融合方案、四阶段预训练与五阶段后训练流程，可供研究开源模型如何扩展模态与长上下文。
Google 发布地理空间推理智能体的技术报告，在 CBGB、UnivEARTH 及自研的 GeoExpertQueries、GeoKTools 四个基准上评估四种智能体配置，并公开两个新基准的开发集。
推荐理由：Google 公开地理空间推理智能体的技术报告与两个新基准，并给出与 WHO 等伙伴的实测案例，可了解专用工具与前置规划对空间推理的作用。
Google Research 在 Research@ 活动上公布 10 项进展，包括扩展 Google Earth AI 早期访问，新增地理空间分析、行星预测引擎和 agent-to-agent API 三种实验能力，并整合 Google Dataset Search 与 TimesFM。
vLLM 宣布对 NVIDIA Nemotron 3.5 Super VL 提供 Day 0 支持，可在 vLLM 上运行该模型以支撑多模态智能体工作流，覆盖图像、文档和视频理解。该支持包含 OpenAI 兼容的服务接口与多 token 预测（multi-token prediction）。
vLLM 宣布在 Muse Spark Open 发布当天提供 Day 0 支持。该模型为 816B MoE，支持 1M 上下文和多模态输入，并包含 DSpark 投机解码、NVIDIA 与 AMD 部署、初步 TPU 支持以及 LoRA RL。
推荐理由：vLLM 在 Muse Spark Open 发布当天给出支持，读者可据此了解该模型的规模、上下文与部署路径。
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业和消费者开放，通过 AI Studio 与 Gemini API 提供，Google AI Ultra 订阅者可在 Google Antigravity 使用，Ultra 和 Pro 订阅者可在 Gemini 应用和 Search 的 AI Mode 使用。
推荐理由：官方给出 Argon 在编码、科研与安全场景的实测数据与开放入口，可据此判断前沿模型的能力边界。
Apple 研究团队提出一种轻量方法，直接从句语音频中检测语码转换（CS），无需依赖多语种转录。该方法利用预训练语音编码器帧级语种信息，通过单语录音识别语种选择性隐藏状态维度并聚合其帧级激活进行 CS 预测。在 CS-FLEURS 的 14 个语种对上，Whisper-small 编码器取得平均 F1 0.798，高于 CNN 的 0.776 和 HuBERT 线性基线的 0.751。
Apple 提出首个从头预训练的三模态掩码扩散模型（MDM），在文本、图文和音频-文本数据上统一训练，并系统分析多模态缩放规律、模态混合比例与噪声调度。其批次大小分析给出基于 SDE 的重参数化方法，将物理批次与逻辑批次解耦，免去最优批次调参。初步模型在 3B 规模（6.4T tokens）下于文本生成、T2I 和 T2S 任务均取得强劲结果。
Apple 研究团队在 150M 至 1.43B 四种模型规模、约 1000 次预训练实验中对比发现，混入高资源语言数据（英语）比超参数调优更能改善阿拉伯语低资源预训练效果，且差距随模型规模扩大。混合带来的提升在验证损失上相当于 2–3 倍目标数据，在下游任务准确率上相当于 2–13 倍。研究建议优先调整混合比例，并通过 μP 从小代理模型迁移超参数。
Apple 研究团队评估 LLM 在 MQM 和 Error Span Annotation（ESA）两种机器翻译质量评估方案下与人类标注者的一致性，测试覆盖 70 个语言对的长上下文测试集及公开的 WMT23、WMT25 数据。
阿布扎比技术创新研究院（TII）发布 Falcon-ASR，这是一个 1.6B 参数的语音识别模型，重点支持阿联酋方言，同时覆盖英语、法语、西班牙语和葡萄牙语。
Liquid AI 发布 d1 决策模型家族的两款开放权重模型 d1-3B 和 d1-omni-600M（实验性）。
推荐理由：Liquid AI 公开两款决策模型及端侧与 GPU 实测延迟，可据此判断单次前向决策在边缘设备上的可用性。