Mistral 与 Cloudera 合作将专业、主权 AI 引入企业数据
Mistral 与 Cloudera 宣布合作,将 Mistral 模型集成到 Cloudera 的混合数据平台中,使企业能在私有云、公有云、本地及完全隔离的环境中部署 AI 模型并保持完全控制。该合作旨在满足对主权 AI 日益增长的需求,让企业能够利用自身专有数据训练定制化模型,并拥有数据和生成智能的所有权。
Mistral 与 Cloudera 宣布合作,将 Mistral 模型集成到 Cloudera 的混合数据平台中,使企业能在私有云、公有云、本地及完全隔离的环境中部署 AI 模型并保持完全控制。该合作旨在满足对主权 AI 日益增长的需求,让企业能够利用自身专有数据训练定制化模型,并拥有数据和生成智能的所有权。
Mistral AI 协助一家欧洲能源运营商将 4 万行 Fortran 77 代码迁移至 C++。项目构建了数值对等性测试框架以验证迁移正确性,并部署了包含规划、编码、测试和代码质量审查的 AI 智能体工作流来理解和重构代码。AI 智能体通过文档库和 Mistral OCR 整合分散的文档,并自动生成代码文档。
Google DeepMind 发布了 AlphaGenome Atlas 平台,它包含对人类基因组中 90 亿个单核苷酸变异(所有可能的单字母变化)影响的预测。
推荐理由:原文介绍了 AlphaGenome Atlas 的功能、数据规模、可用入口和初步应用案例,读者可以据此判断它对基因组研究的潜在影响。
Mistral 宣布完成 30 亿欧元 D 轮融资,投后估值超过 210 亿欧元,成为欧洲科技公司史上最大股权融资轮。本轮融资由三星电子领投,Scaleup Europe Fund 和现有投资者 PSG Equity 共同领投。
Google Research 评估了将基于数十万欧洲人群(UK Biobank)的多基因风险评分模型迁移至近 20 万日本人群(Biobank Japan)时的性能变化。
Google DeepMind 和 Google Research 发布了 WeatherNext 3,这是其最先进的全球天气 AI 模型,能提供每小时更新、最高 5 公里分辨率的预报。
推荐理由:原文给出了新模型在分辨率、更新频率和预测精度上的具体提升,以及其集成到多个 Google 核心产品的开放入口。
GigaPath-Flash 和 GigaTIME-Flash 以大幅提升的效率扩展了 GigaPath 和 GigaTIME 模型系列,使大规模病理学研究更易实现。GigaPath-Flash 采用 22M 参数的蒸馏 ViT-S 编码器,在保持性能的同时将推理计算成本降低约 50 倍。这些开源模型支持群体规模发现,帮助研究人员分析更大患者队列并进行重复实验。
Mistral 与沙特阿拉伯的 HUMAIN 宣布了一项价值数亿欧元的战略合作,以在中东地区推进主权 AI。合作将涵盖 AI 基础设施、先进模型开发以及 AI 解决方案部署,初期重点领域包括网络安全和语音。双方计划开发在阿拉伯语上表现优异的前沿模型,并共同制定面向沙特阿拉伯受监管行业的市场进入策略。
Microsoft Research 发布深度学习交换关联泛函 Skala 1.1,其训练数据量是初版的 2.5 倍,在热化学、反应动力学和分子结构预测等关键挑战上精度显著提升。Skala 现已可在 CP2K 中使用,并正在集成到 Psi4、FHI-aims、ORCA 和 VASP 中,以扩大其在计算化学社区的可用性。
Mistral AI 发布 Agentic Search,这是一个让 AI 系统能在复杂文档中导航、阅读和验证信息的检索层。
推荐理由:原文提供了在金融和办公文档基准上的具体性能提升数据,读者可以评估其多步检索方法对复杂文档问答的实际效果。
Mistral 宣布三项举措以构建客户 AI 主权基础:Mistral Regional Endpoints 正式可用,允许客户选择推理运行在欧盟或美国;平台将支持第三方开放模型,首个为 Z.ai 的 GLM-5.2;并联合企业成立联盟,通过多年承诺的 European Compute Units 保障欧洲长期 AI 算力容量。公司计划到 2030 年建设高达 1 GW 的算力容量。
推荐理由:原文给出了 Mistral 为保障 AI 主权推出的三项具体措施,包括区域端点、第三方模型支持和长期算力承诺,读者可以据此判断其对企业合规和部署策略的影响。
伯克利 AI 研究团队扩展了 K-Search 框架,为其添加了 MLX 后端和一个结构化的 CUDA-to-MLX 翻译层,可将 NVIDIA GPU 上的内核优化知识迁移到 Apple Silicon。
伯克利 AI 研究团队提出 ABBEL 框架,通过将摘要视为信念状态并引入信念分级监督,来提升长程交互任务中的学习效率和性能。在 CollabBench 协作编码环境中,使用基于重构的信念分级函数将性能与全上下文模型的差距缩小了约 50%,训练步数减少了 50%。该框架还展示了在 Combination Lock 和多目标问答环境中减少内存使用或提升学习效率的潜力。
AI 推理成本正急剧下降,GPT-4 级别能力从 2023 年初的每百万 token 约 30 美元降至如今低于 1 美元,部分提供商甚至低于 0.10 美元,基准测试显示推理价格每年下降 9 倍至 900 倍。这标志着面向日常知识工作的智能正变得近乎免费,从而催生了数据系统的三大新挑战与机遇:为 AI 智能体设计、由 AI 智能体运行以及由 AI 智能体合成的数据系统。
伯克利人工智能研究实验室(BAIR)庆祝 2026 届博士毕业生完成学业。他们的研究涵盖机器人、大语言模型与推理、计算机视觉、生成模型、AI 安全、人机交互及科学和医疗 AI 等多个前沿领域。毕业生们将前往高校、工业研究实验室或自主创业,继续探索 AI 的未来。
自适应并行推理让推理模型能自行决定何时分解并行化独立子任务、生成多少并发线程以及如何协调它们。现有方法如 Self-Consistency、Tree of Thoughts 和 GroupThink 的并行化决策均由外部框架强加,而非模型自适应选择。该方法旨在解决序列推理因探索路径积累导致的上下文窗口超限、性能下降和延迟增长问题。
GRASP 是一种基于梯度的规划器,通过虚拟状态展开、状态迭代随机化和梯度重塑三项技术,显著提升了在大型学习世界模型中进行长时程规划的鲁棒性。该方法解决了长时程优化中梯度爆炸/消失、非贪婪结构导致的局部极小值以及高维视觉模型带来的脆弱梯度信号等问题。GRASP 使基于世界模型的规划能够更有效地用于控制、学习和决策任务。
Berkeley AI Research 提出了 SPEX 和 ProxySPEX 算法框架,用于大规模识别驱动大语言模型决策的关键特征、数据和模型组件间的交互作用。SPEX 利用稀疏性和低度性,将交互发现重构为可解的稀疏恢复问题;ProxySPEX 则利用交互的层次性结构,能以约 10 倍更少的消融操作达到与 SPEX 相当的性能。这些方法在特征归因、数据归因和模型组件归因中实现了高效交互发现。