标签
LongCat-2.5 是一款原生多模态模型，专为智能体任务而设计，将视觉语言能力与工具使用和长周期任务执行能力相结合。
Arc Institute 的一篇新预印本报告称，Evo 2 仅需不到 100 条示例序列作为提示，就能设计出可在活体小鼠大脑中标记特定神经元亚型的增强子，推动了可编程基因表达在生物学和治疗工程领域的发展。
Venus-DefakerOne2 是一种统一的视觉防伪基础模型，利用 Tide-Style-Tuning 和基于熵的测试时自适应，将检测范围扩展至不同伪造形式（数字篡改、物理欺骗）和媒体类型（图像、视频），并在多个取证基准测试中取得了最先进的成果。
Timestral 是一个包含四个时间序列基础模型（参数量从 500 万到 2.09 亿）的模型家族，通过解耦预测时域、原生支持未来协变量，以及先进行合成数据预训练再进行混合后训练，在 GIFT-Eval、TIME 和 fev-bench 上实现了最先进的概率预测性能。
Mirendil 发布其首个自研基础模型 Fern，支持最高 10M token 上下文窗口，专注于大规模 agentic 任务，如全代码库审计、日志调试和完整轨迹分析。
RynnVLA-Latent 提出利用 3.01 万小时的异构视频学习以三维空间为基础的潜在动作，预训练具有 40 亿参数的视觉-语言-动作策略，在 LIBERO（成功率 98.8%）、RoboTwin 2.0 及真实机器人操作任务上取得领先的成功率，无需针对基准进行专门调优。
OmniSpectra 提出一种波长原生的光谱基础模型，采用连续坐标与物理约束解码器实现跨仪器表征学习，仅用 12.2M 参数即在八个巡天数据集上超越更大的基线模型，表明物理结构编码可以替代参数规模。
Canva 推出其首个图像生成模型 Canva Craft，采用两阶段生成流程，支持 2K 分辨率和 30 种宽高比，并基于 Canva 模板设计数据训练，可在平台、API 及第三方聊天机器人中使用。
Allen AI 发布 OlmoEarth v1.3 卫星嵌入模型，可为全球每个 10 米像素生成 128 维向量，并同时公开全球预计算嵌入数据与浏览器端嵌入探索工具，在 27 项评测中 20 项取得最佳成绩。
NVIDIA 发布预训练关系型基础模型 Kumo Relational，可直接在企业数据库上通过单次前向传播完成预测，无需训练与特征工程；在 41 项任务与 15 个数据库上超越监督式关系深度学习及专家特征的梯度提升树管线。
Viggle 推出 JST-2：一个物理原生的世界基础模型，可从单一模型生成 3D 场景、角色和全身动作，支持文本/图像/视频输入，并提供 PINOC 浏览器应用、API 及 MCP 接入。
Viggle 发布了 JST-2，据称是全球首个完全在 3D 空间（而非像素/视频空间）中构建的全栈物理原生世界基础模型，同时配套推出 PINOC MCP 服务器，让 Claude Code 等智能体在一条流程中完成角色生成、文本驱动动画和场景组装，并通过共享骨骼架构免去了骨骼重定向的步骤。
CERN与Mistral已签署意向声明，建立长期合作伙伴关系，共同构建大型物理模型（Large Physics Model）——首个用于对撞机物理的基础模型。该模型基于数十亿次模拟的LHC质子-质子碰撞进行训练，可支持从粒子重建到异常检测等多种任务。
Mistral 发布 Timestral 时间序列基础模型家族，包含 5M 到 209M 参数四个版本，其 209M 模型在 GIFT-Eval、TIME 和 fev-bench 三大基准上均排名第一，支持零样本概率多变量预测且可在 CPU 上推理。
TempoPFN 发表于 NeurIPS 2026，提出一个合成时间序列生成器与增强库，用于预训练线性 RNN 时间序列基础模型，实现零样本预测，并已开源代码与模型权重。
微软公布了其最新的 MoE 基础模型 MAI-Base-2（80B 激活参数 / 2.8T 总参数），在自研评测中超越所有开源权重模型，预训练 FLOPs 效率比 DeepSeek-V4-Pro-Base 高 4-12 倍，使用 16k 张 GB200 GPU 在 38 天内完成训练。
Paper Instruments 发布 Ultramarine 1 Flash，这是一款面向金融、法律、咨询等知识工作场景的开源模型。官方称其性能达到 Fable 级别，但每任务成本仅 $0.13，比 GLM-5.3 Flash 便宜 60 倍，生成的 token 也少 6.5%。
Mistral 发布 Timestral 时间序列基础模型家族（500 万/2800 万/1.23 亿/2.09 亿参数），支持零样本预测、单变量与多变量预测及概率输出，2.09 亿参数版本的代码与权重已在 GitHub 和 Hugging Face 开源。
该报告大规模评测了 GPT-6-Astra 在 12 项机器人基准上的具身能力，指出其已跨越具身能力门槛但尚未实现实用具身智能，并探讨了 System 2/System 1 协同与真实部署中的成本、执行时间等关键挑战。