模型推理能力的进展：思维链、推理模型、数学与逻辑基准的突破与争议。
Hugging Face 发布 PyTorch 性能剖析教程第 3 部分，在 NVIDIA A100-SXM4-80GB 上对比朴素 attention、in-place masking 与 SDPA 的 math、efficient、flash、cuDNN 后端。
推荐理由：文章用同一 A100 环境对比多种 attention 实现的 profiler trace，可帮助读者把 kernel 数量、显存访问和后端选择联系起来。
Hugging Face 宣布 transformers 的 vLLM 建模后端已升级，兼容架构可通过 --model-impl transformers 达到或超过 vLLM 手写原生实现的吞吐。
推荐理由：文章给出三种 Qwen3 配置的实测吞吐和启用参数，模型作者可据此省去为 vLLM 单独移植优化代码的工作。
Mistral AI 发布 Apache-2.0 许可的 Leanstral 1.5，模型拥有 119B 总参数和 6B 激活参数，面向 Lean 4 形式化证明与代码验证，权重已在 Hugging Face 开源，并提供免费 API leanstral-1-5。
推荐理由：官方给出 Lean 4 形式化证明基准、代码验证案例和免费 API 入口，可帮助读者判断模型在真实证明工程中的适用边界。
Google Research 推出面向表格数据分类和回归的基础模型 TabFM，可将整张表作为统一提示词，在单次前向传播中对未见过的表格生成零-shot 预测。
推荐理由：原文说明了 TabFM 的零-shot 表格预测机制、训练数据来源和 BigQuery 入口，便于理解其对传统表格建模流程的替代思路。
Google 宣布为已部署的冻结 Gemini Nano v3 模型加装轻量 MTP 头，并已在 Pixel 9 和 Pixel 10 系列推出，用于加速 AI Notification Summaries 和 Proofread。
推荐理由：文章解释了冻结 Gemini Nano v3 主干并加装 MTP 头的移动端加速方案，可帮助理解端侧 LLM 在内存和能耗约束下的工程取舍。
Google Research 介绍将在 COLM 2026 发表的论文 Thinking to Recall，发现开启推理后，Gemini-2.5 Flash、Gemini-2.5 Pro 和 Qwen3-32B 能召回关闭推理时几乎无法得到的简单单跳事实答案。
推荐理由：文章用受控实验区分计算缓冲与事实启动两种机制，并审计中间事实幻觉对最终答案的影响，可帮助理解推理型模型的知识召回边界。
Google DeepMind 发布实验性开源模型 DiffusionGemma，采用 26B MoE 架构、推理时激活 3.8B 参数，并以 Apache 2.0 许可证在 Hugging Face 开放权重。
推荐理由：原文给出并行文本扩散的架构取舍、硬件门槛和本地推理速度，可帮助判断其适用场景。
Google DeepMind 发布 Gemma 4 12B，这是一款面向笔记本本地运行的智能体多模态模型，可在 16GB VRAM 或统一内存上运行。模型采用无独立多模态编码器的统一架构，视觉和音频输入直接进入 LLM 主干，并内置 Multi-Token Prediction drafters 以降低延迟；官方称其基准性能接近 26B MoE，且总内存占用不到一半。
推荐理由：官方说明了无编码器统一架构、16GB 内存本地运行和 Apache 2.0 开放方式，便于评估端侧多模态智能体开发可行性。
Anthropic 在 Claude Platform 6月9日版本说明中发布 Claude Fable 5，并面向 Project Glasswing 参与者发布 Claude Mythos 5。
推荐理由：官方说明集中列出新模型规格、价格与 API 行为变化，开发者可据此评估迁移成本和智能体工作流适配点。
Mistral 在 AI Now Summit 2026 发布面向工业工程的集成 AI 栈，并与 Airbus、BMW Group、ASML 合作覆盖设计、仿真和生产场景。
推荐理由：原文集中呈现 Mistral 在工业工程、长程智能体和自有推理基础设施上的产品布局，可对照其企业级全栈策略。
Mistral 发布 128B 稠密开放权重模型 Mistral Medium 3.5，公开预览并成为 Vibe 和 Le Chat 默认模型，支持 256k 上下文、可配置推理强度与视觉输入。
推荐理由：可了解 Mistral Medium 3.5 的参数规模、开放权重、定价，以及它如何支撑 Vibe 云端异步编码智能体。
Google DeepMind 发布 Gemini 3.5 模型系列，首发 Gemini 3.5 Flash，主打智能体、编码和长程任务能力。
推荐理由：官方给出 3.5 Flash 的基准成绩、可用入口和 3.5 Pro 节奏，便于判断其面向智能体与编码工作流的定位。
Berkeley AI Research 发布综述，提出自适应并行推理让模型在推理时自行决定是否拆分任务、生成多少并行线程以及如何汇总结果。文章比较 self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild!
推荐理由：文章梳理自适应并行推理的控制流、推理系统和奖励设计，可帮助读者理解降低长推理延迟的工程取舍。
Google DeepMind 宣布 AI co-clinician 研究计划，探索在医生监督下由 AI 智能体辅助患者诊疗，并发布相关技术报告与模拟评测。医生侧评测覆盖 98 个初级保健问题，系统在 97 个案例中没有关键错误；在 OpenFDA 的 RxQA 开放式用药问答上也优于其他前沿模型。
推荐理由：材料同时给出医生辅助与患者远程问诊两类评测，可帮助读者理解医疗 AI 从文本问答走向实时多模态协作的边界。
Anthropic 于 4 月 16 日发布 Claude Opus 4.7，面向复杂推理和智能体编码，定价为 $5 / $25 per MTok，与 Claude Opus 4.6 相同。
推荐理由：官方版本说明集中列出新模型规格、价格、API 破坏性变更与迁移入口，便于开发者评估升级成本。
Google DeepMind 推出 Gemini Robotics-ER 1.6，这是面向机器人的高层推理模型升级，已通过 Gemini API 和 Google AI Studio 向开发者开放。
推荐理由：官方说明了空间推理、多视角理解和仪表读数等能力变化，并给出 Gemini API 与 Google AI Studio 的可用入口。
Google DeepMind 发布 Gemma 4 开源模型系列，包含 E2B、E4B、26B MoE 和 31B Dense 四种规格，采用 Apache 2.0 许可。
推荐理由：官方给出 Gemma 4 的四种规格、上下文长度、端侧与本地硬件适配及 Apache 2.0 许可，便于评估开源部署路径。
Mistral AI 发布 Mistral Small 4，将 Magistral 的推理、Pixtral 的多模态和 Devstral 的智能体编码能力统一到单个模型中，并采用 Apache 2.0 许可证。
推荐理由：官方给出架构参数、效率提升和部署配置，可帮助技术团队评估单模型替代专用模型的可行性。
Google Research 联合 Cornell University 等机构发表 PNAS 论文，评估六款 LLM 回答高温超导专家级问题的能力。专家围绕 67 个问题按 0 到 2 分盲评，NotebookLM 和使用相同精选来源的定制 RAG 系统总体表现最好。开放联网模型更容易混合成熟理论与高度推测性理论，所有受测系统还存在时间与语境理解、论文召回、表格和图像理解不足。
推荐理由：研究用专家盲评比较开放联网模型与封闭可信资料库系统，为科研场景中的知识准确性和证据引用提供参照。
Mistral 发布面向 Lean 4 的开源代码智能体 Leanstral，模型为 Leanstral-120B-A6B，采用高稀疏架构和 6B 激活参数，权重以 Apache 2.0 许可开放。
推荐理由：原文给出 Apache 2.0 权重、Mistral Vibe 与免费 API 入口，并用 FLTEval 展示其在 Lean 4 证明工程中的成本和性能位置。