精选

推荐理由：原文给出 MoE 训练栈的关键改动和对比数据，可看到开源训练基础设施在效率上的取舍。

推荐理由：官方给出 Gemini 4 Argon 的基准得分、输出上限与分阶段开放路径，便于判断其在编码与企业任务上的位置。

推荐理由：DeepMind 把水印做进蛋白质序列与 AlphaFold 3 权重，为 DNA 合成筛查提供了一条可自动验证的来源信号。

推荐理由：文章完整披露了表格基础模型的预训练数据构造与架构设计，可据此判断免训练推理在表格任务上的可行性边界。

推荐理由：原文给出 Quine 的多模态世界模型与湿实验验证结果，并开放 Fellows 申请，可据此判断生物学 AI 研究系统的落地路径。

推荐理由：OpenAI 以 Astra 五分之一的价格推出面向编码与电脑操作的新模型，可据此比较其定位与成本取舍。

推荐理由：作者用同一套提示词横评 Sonnet 5.5 与 Opus 5.5，读者可借实测细节判断它的编码能力与免费档定位。

推荐理由：Holo4 用同一套权重打通 GUI、代码、MCP 与 API，公开了完整轨迹，读者可据此评估通用计算机智能体的跨界面路线。

推荐理由：原文给出了实时视频形象与语音对话的原生耦合方式，读者可据此判断企业级实时多模态交互的落地形态。

推荐理由：原文给出两款 TTS 模型的能力差异、基准排名和开放入口，读者可据此判断语音生成在创作与规模化场景中的分工。

推荐理由：官方给出语音对话模型的两档定位与多语言、后台调用工具等能力细节，可供开发者判断接入场景。

推荐理由：读者可据此了解 9 亿单核苷酸变异预测数据集如何把 AlphaGenome 的预测能力扩展到全基因组检索。

推荐理由：官方披露了实时卫星数据训练、逐小时刷新与降水精度提升的具体数字，可用于对比上一代全球天气模型。