OpenAI 解雇了与 METR/Hugging Face 事件相关的三名安全研究员 Tomek Korbak、Mikita Balesni 和 Jasmine Wang，他们发表公开信称被解聘是因"将安全置于公司近期利益之上"；OpenAI 则表示他们泄露了机密信息。
AI 评测平台 Arena 完成 2 亿美元 B 轮融资，估值约 31 亿美元，由 Lightspeed Venture Partners 与 Khosla Ventures 领投，Salesforce Ventures、01 Advisors、Dell Technologies Capital、Endeavor Catalyst、a16z、Felicis 等参投。
Mistral Large 4 与 Claude Opus 5.5、GPT-6.1 Sol、Gemini 3.8 Flash 同批生成“穿渔网袜的犰狳在火星上横穿马路”的 SVG，用于展示模型创意与指令理解能力。正文未给出具体模型参数、评测分数或生成效果对比。
Mistral 发布 Mistral Large 4 预览版，模型总参数 1 万亿、激活参数 49B，使用自有 3,800 张 NVIDIA Grace Blackwell GPU 训练，现已通过 Mistral API 提供，并计划在当月底开源权重。
Anthropic 发布 Claude Haiku 5.5，官方称其运行成本平均比 Haiku 4.5 低约 75%，定价对齐 OpenAI GPT-6 Luna：100K tokens 以下输入 $0.10、输出 $0.50 每 1M tokens；超 100K tokens 提价 5 倍。
Simon Willison 介绍 Anthropic 发布的 Claude Haiku 5.5，主打低价快速场景。
Anthropic 发布 Claude Haiku 5.5，平均价格较 Haiku 4.5 下降约 75%，100k 以内 prompt 的请求降幅最高可达 90%。
NVIDIA 在 Hugging Face 博客公布，基于 Nemotron 3 微调的系统在 IOI 2026 与 IMO 2026 上同时达到金牌级别。
推荐理由：展示了同一基座在算法竞赛与数学奥赛两条赛道上达到金牌水平所用的微调与推理组合策略，并公开了数据集与复现入口。
微软研究院播客邀请 partner research manager Jennifer Neville 与应用科学家 Chad Atalla 对谈，探讨评估在推动 AI 系统性能边界、满足用户需求中的作用，以及模型在传统 benchmark 之外出现的"意外失败"。
GitHub 发布开源代码审查基准 ReviewBench，含 219 个跨 19 种语言的公开 PR，与 1.039 亿个 GitHub 真实 PR 对齐分布。它通过人类评审、前端 frontier LLM 与静态分析构建多源 golden set，由资深工程师独立标注并达 96.6% 一致率。该基准已用于 Copilot 代码审查（CCR）的离线评估，并被验证其离线指标变化方向与线上实验一致。
Microsoft 与 Hugging Face 推出 ThinkingBox，通过隔离的 MCP 工具会话检查 AI 智能体留下的终端后端状态与副作用，而非只看回答和工具调用。
OpenAI 上线 GPT-6.1 Sol，定价 $2/$10 每百万输入/输出 token，比 Astra 便宜 81%，并以 39% 更低成本高出 GPT-6 Sol 1.52 分；Claude Sonnet 5.5 [Max] 进入 Agent Arena 第三名，Anthropic 包揽前三。
Google DeepMind 发布新一代前沿模型 Gemini 4 Argon，面向软件工程、法律与金融知识工作以及网络安全防御等长链路复杂流程。模型输出 token 上限从 64K 提升到 1M，定价为输入 $2 / 输出 $10 每百万 token，缓存输入享 95% 折扣。
推荐理由：官方一次性放出 1M 输出 token、$2/$10 per M tokens 定价与 Fairwind 安全分阶段策略，方便和同代前沿模型直接做能力与部署节奏比较。
Hugging Face 推出 Open TTS Leaderboard，采用客观指标对开源及多语言 TTS 模型进行可扩展评测，覆盖英文、中文等多语种 Seed TTS Eval 与 CV3 Eval 数据集，并加入声音克隆（voice cloning）维度的说话人相似度对比。
Google DeepMind 发布两款文本转语音模型 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS，分别面向深度创意角色设计与高吞吐低成本场景。
推荐理由：两款 TTS 模型在多角色台词导演、长音频一致性和音色克隆安全机制上做了系统级说明，读者可对照自身配音与多语种本地化场景评估。
Mistral 推出 Agentic Search，作为 Mistral Search Toolkit 与 Libraries（Studio、Vibe 内置）的检索组件，模型可对 search、open、navigate、read、grep 五种工具进行多轮调用，从而在长文档与跨源场景中查找、打开并核验信息。
DiG-bench 是一个由牛津、普林斯顿、Swiss AI Lab 等机构联合发布的游戏发现基准，包含 70 个隐藏规则的小型交互游戏，目前 21 个已公开、其余私有，用于衡量模型在未知环境中通过探索发现规则的能力。