AI FRONTIER
Signals worth understanding before they become obvious.
Mage-VL-Cowork：从进化式测试框架学习混合计算机使用的完整训练配方
论文提出 Mage-VL-Cowork，一个 4B 混合计算机使用智能体，从通用多模态对齐检查点出发，经过中训、SFT 和 RL 的端到端五阶段渐进式课程训练。配套的 Mage-CUA-Forge 用可复用的技能条件生成工作流合成 293,806 个桌面与网页任务，覆盖 6,915 项技能，并将重复性单任务开销降低 82.6%。
- Mage-VL-Cowork 为 4B 混合计算机使用智能体，从通用多模态对齐检查点开始训练。
- 训练采用覆盖中训、SFT 和 RL 的端到端五阶段渐进式课程。
- Mage-CUA-Forge 合成 293,806 个桌面与网页任务，覆盖 6,915 项技能。
- 论文报告 Mage-VL-Cowork-4B 在 OSWorld-Verified 上达到 66.0%，并称其在该参数规模下取得最先进性能。
对构建端侧智能体的团队而言，该配方表明可复用、技能条件的任务合成加上进化式教师测试框架，能在 4B 规模上把 GUI 操作与代码、终端执行统一到单一策略中。
mistralai/Mistral-Large-4-1T-A52B：1万亿参数原生多模态MoE模型发布
Mistral发布Mistral Large 4，一个1万亿参数、每token激活约520亿参数的原生多模态MoE模型，支持100万上下文长度和160多种语言，采用Mistral Ecosystem Open-Weight License发布。
- 约1T总参数/约52B激活参数，128个路由专家（每token激活4个）加1个共享专家
- 支持1M上下文长度，原生多模态输入（文本和图像），Pixtral风格视觉编码器
- 在3800块NVIDIA Grace Blackwell GPU上从零训练，部署于Mistral欧洲自有数据中心
- 在Artificial Analysis Coding Agent Index上得分48%，报告称与领先开源权重模型GLM-5.3基本持平，同时平均每任务少用47%的token
对于构建多模态和智能体工作流的开发者，该模型以开源权重形式提供1M上下文和原生函数调用，但1T参数规模意味着需要多GPU张量并行部署，且MaaS商用需额外授权。
AutoHebb：可零样本推理并持续学习的自修改神经网络
论文提出自主Hebbian网络（AutoHebb），一类在线学习前馈神经网络，将外部反馈与内部生成活动结合产生全局学习信号（神经调质），该信号门控三因子Hebbian局部学习规则以更新可塑性权重。作者用元学习搜索固定（非可塑性）权重，报告AutoHebb在零样本推理任务上成功、涌现出未训练的零样本推理与持续学习能力、可逆向工程为显式算法，并在零样本推理与持续学习任务上优于现代学习模型。
- 论文报告AutoHebb网络在零样本推理（ZI）任务上成功。
- 论文报告出现涌现（未训练）的零样本推理与持续学习（CL）能力。
- 论文报告AutoHebb可逆向工程为显式算法。
- 论文报告AutoHebb在ZI与CL任务上优于现代学习模型，且与相关模型的性能比较暗示元学习、Hebbian可塑性和学习自主控制三个组件具有关键作用。
对AI构建者而言，该工作提示用元学习搜索固定权重加三因子Hebbian可塑性规则，可能是在线持续学习与零样本推理的可分析替代路径。
DyCraft：面向长时程4D场景生成的智能体系统
DyCraft 将动画生成拆解为可逐步求解的流程：先把用户提示扩展为详细计划并构建静态场景，再生成关键动画姿态的3D分镜，让编码智能体在已验证的起止状态之间编写局部运动。
- 论文在24个长时程、多镜头动画任务上评估 DyCraft，涵盖人形机器人、人类与动物角色以及物理机构。
- 与 Codex 中的原生 GPT-6 智能体及此前的智能体基线相比，DyCraft 大幅减少物理违规，并生成更常被人类评分者偏好的高质量动画3D场景。
- 论文指出，配备通用框架的前沿编码智能体会产生物体相互穿插、缺乏物理支撑或运动不自然的输出。
- DyCraft 通过3D分镜把问题分解为成对的已验证起始与结束状态，并配合一组运动创作工具。
对构建3D与动画流水线的开发者而言，DyCraft 表明把长时程生成拆成可独立验证的起止状态，比让智能体一次性脚本化整段动画更能抑制物理违规。
OpenAI 推出 LifeVal 基准，衡量 AI 完成日常任务的能力
OpenAI 发布 LifeVal 基准，用于衡量 AI 在帮助人们完成日常任务方面的表现，涵盖寻找托儿服务、管理财务和处理政府文书等场景。
- LifeVal 是 OpenAI 推出的基准。
- 该基准衡量 AI 帮助人们完成日常任务的效果。
- 任务示例包括寻找托儿服务、管理财务和处理政府文书。
对 AI 开发者而言，LifeVal 将评测重点从抽象能力转向真实生活任务，提示需要针对托儿、财务和政务文书等场景优化模型表现。
Qodo 将上下文引入 Codex 的 AI 代码审查
Qodo 把公司知识与编码规范带入 Codex，帮助开发者在提交拉取请求之前跨仓库发现 P0 问题。
- Qodo 将公司知识和编码标准引入 Codex。
- 该集成帮助开发者在打开拉取请求之前跨仓库捕获 P0 问题。
对 AI 构建者而言，把组织专属上下文注入代码审查代理，可将审查从通用检查转向在 PR 之前捕获高严重度问题。
66 岁 Yann LeCun 发新论文挑战 Scaling Law：1.09 亿参数胜过 720 亿
Yann LeCun 发表新论文，报告称 1.09 亿参数模型在相关任务上胜过 720 亿参数模型，对模型越大越懂世界的 Scaling Law 假设提出挑战。
- 论文报告 1.09 亿参数模型胜过 720 亿参数模型。
- 论文由 66 岁的 Yann LeCun 发表。
- 论文对 Scaling Law 提出挑战，认为模型越大不一定越懂世界。
对 AI 构建者而言，该论文提示参数规模并非理解世界能力的唯一决定因素，架构与训练目标可能更关键。