Mistral AI

SageMaker JumpStart 2026 年回顾：新增 100+ 模型

AWS 发布 Amazon SageMaker JumpStart 2026 年前三季度回顾，称其新增来自 30 家提供商的 100 多个模型，其中阿里巴巴 Qwen 贡献 29 个、NVIDIA 17 个、Mistral 7 个、Google 6 个、IBM 和 Cohere 各 4 个。新增模型覆盖推理、MoE、智能体、代码生成、语音、多模态、图像视频生

新基准 Taste-Bench 揭示 AI 智能体长期决策品味差，最佳模型仅 59.7%

微软与香港城市大学的研究者提出 Taste-Bench，用「决策分叉」方法评测 AI 智能体在长任务中做长期决策的能力（即「品味」）。测试 14 个模型，最好的 GPT-5.6 Sol 仅 59.7%，接近随机猜测；当关键线索只在后续工作中出现时，准确率跌至 21%。研究者还通过蒸馏教师模型判断力，使学生模型在未见任务上从 30% 提升到 47.9%，并在

Meta 发布 Muse Spark Open 等模型，重塑开源前沿格局

Meta 发布开放权重模型 Muse Spark Open（816B 总参数/42B 激活参数，1M 上下文，原生多模态），成为当前最强的美国开源模型，显著缩小了美国与中国开源模型之间的差距。文章同时提到 Reflection 的 Beam 和 Mistral Large 4 等新模型，并分析 Meta 自定义许可证中的署名、营收门槛等限制可能影响采用。此外

英伟达发布 Nemotron 3.5 Super VL 开源多模态模型，面向企业智能体

英伟达发布开源多模态模型 Nemotron 3.5 Super VL，拥有 1200 亿参数，面向企业级持续运行的 AI 智能体，可处理文本、图像、文档和视频。该模型采用混合专家架构，每 token 仅激活 120 亿参数，并与 Mistral AI、Thinking Machines Lab、Perplexity、Black Forest Labs 组成的

另有 1 家信源报道

法国生态借 NVIDIA 技术规模化落地智能体计算

法国企业正在太空、金融服务、公共部门和科研等领域大规模部署基于 NVIDIA 技术的智能体计算。Bull 计划于 2028 年生产 NVIDIA Vera Rubin Ultra NVL72 系统；搭载 NVIDIA Jetson AGX Orin 和 Mistral 模型的首颗 Altair-1 卫星已入轨。LINAGORA 与 Docaposte 基于

OpenAI 发布 722 篇数学论文，称解决 500 个开放问题中的 90 个

OpenAI 发布了一个未公开内部模型产出的 722 篇数学手稿，覆盖 372 个结果族，来自约 4000 个研究问题的评估，平均每个结果约用 3 小时 ChatGPT Pro 算力。其中 Result 003「准黎曼假设」被评论者称为数学史上最重要时刻之一，并声称在整数乘法、弹性逆问题及黎曼、Hodge、BSD 等方向取得进展。模型本身未发布，结果尚未独立

Reflection 发布开放权重模型 Beam，对标中国开源模型

Reflection AI 发布首个前沿开放权重模型 Beam，这是一个 5010 亿参数、230 亿激活参数的文本混合专家模型，预训练于 23.8 万亿 token，支持 100 万 token 上下文。公司声称 Beam 在高级推理基准上可媲美 Z.ai 的 GLM-5.2，并超越西方领先开放模型，同时推理算力消耗低 3-4 倍，但该性能声明尚未被独立验

另有 1 家信源报道

找到着法不等于赢棋：XiangqiBench 闭环评估 LLM 智能体

研究者提出 XiangqiBench，一个可执行的中国象棋基准，用于闭环评估 LLM 智能体：从 119 个有引擎或仅将军搜索支持的战术残局出发，智能体需执红方对抗引擎防守方并完成将死。研究记录了 12 个前沿 LLM 在两种观察协议下的 8,568 条多轮轨迹，发现三种看似胜任的信号均高估闭环成功率：转换差距（26.1% 走对参考首步但仅 13.9% 获胜

LiteLLM 发布 v1.105.0-dev.2，含镜像签名验证与多项修复

LiteLLM 发布 v1.105.0-dev.2 开发版本，所有 Docker 镜像均使用 cosign 签名，并提供了基于固定 commit hash 和 release tag 两种验证方式。该版本包含大量修复与功能更新，涉及路由、Bedrock、成本计算、代理安全、Agent 权限、追踪（traces）存储与 OTLP 接入等。

OpenRouter 从种子轮到 Stripe：中立路由层与 token 经济安全

OpenRouter 联合创始人兼 CEO Alex Atallah 与 AMP 的 Anjney Midha 在 Latent Space 播客中回顾了 OpenRouter 从 Llama、Alpaca、Mistral 等早期开源模型浪潮中起步，成长为服务超 1000 万开发者的中立模型路由层的过程。节目讨论了模型实验室在分发上的困境、Mistral 价

Strands Agents SDK 发布 mcp/v0.3.0 版本

Strands Agents SDK 发布 mcp/v0.3.0 版本，包含大量功能更新。主要变更包括：MCP 客户端切换到 @modelcontextprotocol/client 2.0、新增 Agent.shutdown() 清理机制、默认使用 opus 5 和高思考模式、合并 Strands harness、新增 bm25 搜索策略、支持 MCP S

LiteLLM 发布 v1.104.0-dev.1：镜像签名验证与认证安全增强

LiteLLM 发布 v1.104.0-dev.1 开发版本，所有 Docker 镜像使用 cosign 签名，并提供了基于固定 commit hash 和 release tag 的两种验证方式。本次更新包含多项认证安全增强（泄露密码检测、自助改密、强制重置密码）、代理性能优化、OpenRouter 价格同步以及大量 UI 死代码清理。

OpenRouter 排行榜：425 个模型的价格、实测速度与韩语质量

该项目基于 OpenRouter 公开 API 构建了一个覆盖 425 个模型的排行榜，展示每百万 token 价格、服务商、精度、可用性、上下文长度、实测响应速度和韩语质量。作者对 330 个模型从敬语、韩国制度知识、格式遵循、术语等七个维度独立评分，发现约三分之一模型韩语评级为 F，且质量、性价比、速度领先者几乎从不重合。此外，作者用付费 API 对 3

Kimi K3 上线 Amazon Bedrock

Moonshot AI 的 Kimi K3 模型在 Amazon Bedrock 上线，据 Moonshot AI 称这是其最强模型，也是首个达到 2.8 万亿参数的开源模型，具备原生视觉能力和 100 万 token 上下文窗口，相比 Kimi K2 扩展效率提升约 2.5 倍。Kimi K3 是 Bedrock 上首个支持显式提示缓存的开源权重模型，可降

Wood Mackenzie 基于 Amazon Bedrock AgentCore 构建共享智能体平台 APEX

Wood Mackenzie 在 AWS 博客中介绍其基于 Amazon Bedrock AgentCore 构建的共享智能体平台 APEX（Agentic Platform for Energy eXperience）。文章指出企业 AI 实验普及但仅约四分之一组织将智能体投入生产，Wood Mackenzie 内部 88% 的 AI 概念验证未能规模化部

Strands Agents SDK TypeScript v1.18.0 发布

Strands Agents SDK 发布 TypeScript 版本 v1.18.0，新增 BM25 搜索策略、TypeScript 版 web fetch 工具、双向流式（bidi）实时转录与音频输出、上下文策略预设与会话管理器集成，并自动使用会话 ID 作为 OpenAI prompt-cache 键。同时修复了结构化输出重试、Mistral 图像块保

混合专家语言模型可成为强大高效的检索器

该研究系统比较了混合专家（MoE）与稠密LLM作为一阶段检索器的效果与效率。在相同训练流程下，MoE检索器在BEIR上比激活参数量相当的稠密模型高1.4–3.0 nDCG@10，其中一个MoE检索器以少59%的激活参数和低18%的查询编码时间匹配8B稠密检索器。研究还表明，无需重训练或重建索引即可减少查询编码使用的专家数，保留99%以上效果并将查询编码时间最

用 NVIDIA Transformer Engine 在 JAX 中加速无丢弃 MoE 训练

NVIDIA 技术博客介绍如何利用 JAX 和 NVIDIA Transformer Engine 加速无丢弃（dropless）MoE 训练。文章指出 MoE 训练面临动态路由、不规则张量、all-to-all 通信等瓶颈，在 DeepSeek-V3 于 GB200 上的基线仅 103 TFLOPS/GPU，通信占内核时间 84%。通过 Transform

AWS 生成式 AI 定制化光谱：从提示工程到自定义模型

AWS 发布博客，提出生成式 AI 定制化光谱的 8 步决策框架，帮助团队在提示工程、RAG、微调、继续预训练和从零训练之间做出选择。框架分为 USE、ENHANCE、TRAIN 三类，并映射到 Amazon Bedrock 等 AWS 服务。核心原则是从最简单的方法开始，仅在准确率、延迟或领域需求不满足时才升级。

基于 LLM 的模型无关 PII 检测

AWS Machine Learning Blog 介绍了一种基于 LLM 的模型无关 PII 检测器，通过指令驱动检测逻辑，可在 Amazon Bedrock 或自托管模型上运行。该方案将实体类型和输出格式变为可配置项，无需重新训练即可扩展检测范围，并在五个公开 PII 语料库上与包括 OpenAI PrivacyFilter 在内的九种 LLM 检测器进