OpenAI 与学术界合作，公开 Kakeya 猜想、指数时间假设与量子色动力学相关模型结果
OpenAI 公布其在 Kakeya 猜想、指数时间假设（Exponential Time Hypothesis）和量子色动力学上的模型结果。研究者可以对这些结果进行验证并在此基础上继续研究，OpenAI 表示将与学术社区合作共同推进科学理解。
#评测/基准
OpenAI NewsAI 评分4242
Mistral AI精选AI 评分6464 Mistral 发布首个时序基础模型家族 Timestral，最大 209M 参数登顶 GIFT-Eval、TIME 与 fev-bench
Mistral 发布首个时序基础模型家族 Timestral，含 5M、28M、123M、209M 四档参数，209M 模型在 GIFT-Eval、TIME 和 fev-bench 三个公开基准上排名第一，仅用此前最优模型约三分之二的参数。
推荐理由：原文给出四档参数规模、三大基准成绩和 CPU 推理延迟，读者可据此评估时序预测场景的选型与部署。
Google ResearchAI 评分5252 Google Earth AI 发布地理空间推理技术报告并扩展早期访问
Google Earth AI 的 Geospatial Reasoning agent 已从原型发展为支持多步地理空间推理和自主训练预测模型的实验系统，发布技术报告并开源 GeoKTools、GeoExpertQueries 两个新基准。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 4 Argon 前沿模型，全球开放 API 与应用访问
Google DeepMind 发布 Gemini 4 Argon 前沿模型，即日起面向开发者和企业通过 AI Studio 与 Gemini API 开放，并向 Ultra/Pro 订阅用户开放 Gemini 应用、AI Mode 与 Antigravity。
推荐理由：官方发布给出了定价、基准成绩和内工程案例，读者可以据此评估它对编码与科研工作流的实际影响。
Microsoft ResearchAI 评分4646 Microsoft Research 播客对话 Jennifer Neville：AI 会错在哪里、失败教会我们什么
Microsoft Research Podcast 的 Chad Atalla 采访微软 partner research manager Jennifer Neville，探讨评估（evaluation）如何推动当今 AI 系统突破传统 benchmark 去满足用户需求，以及测试中出现的“意外失败”。
GitHub Blog · AI & MLAI 评分4848 GitHub 发布开源代码评审基准 ReviewBench
GitHub 推出 AI 代码评审离线基准 ReviewBench，现可公开使用。基准基于 1.039 亿个 GitHub pull request 建模分布，语料包含来自 187 个开源仓库、覆盖 19 种语言的 219 个公开 pull request，采用人类评审、前沿 LLM 与静态分析多来源 golden set，并由资深工程师独立标注，一致性达 96.6%。