Google DeepMind 推出 Co-Scientist 助力分子开关研究
summary_zh: 剑桥大学 Clare Bryant 教授使用 Google DeepMind 的 Co-Scientist 工具研究病原体跨物种传播引发败血症等疾病的分子开关。
summary_zh: 剑桥大学 Clare Bryant 教授使用 Google DeepMind 的 Co-Scientist 工具研究病原体跨物种传播引发败血症等疾病的分子开关。
summary_zh: Google DeepMind 推出 AI 研究助手 Co-Scientist,帮助 Calico Life Sciences 的专家整合衰老生物学领域的分散发现,生成可验证的新假设。
summary_zh: 爱丁堡大学生物工程师 Filippo Menolascina 使用 Co-Scientist 梳理文献,针对代谢功能障碍相关脂肪性肝炎(MASH)生成新假设。
MIT 的 Raman 与 Boston Children's Hospital 的 Flynn 利用 Co-Scientist 整合神经组织工程与 RNA 表面图谱技术,快速梳理 ALS 矛盾文献并生成可检验假设。Co-Scientist 帮助研究者按可行性与风险收益排序研究方向,并催化两人合作探索 RNA 机制与潜在 RNA 药物。
Google DeepMind与Google Research开发的AI天气模型WeatherNext在2025年10月飓风Melissa登陆牙买加前5天预测其将达到5级强度,置信度80%,3天前升至近100%。
推荐理由:WeatherNext在飓风Melissa登陆前5天以80%置信度预测出5级强度,为防灾争取了关键准备时间。
Kubernetes 1.36 将 Mixed Version Proxy(MVP)从 Alpha 升级为 Beta 并默认启用,解决集群升级期间旧 API server 对新资源返回 404 的问题。
Together AI 与 Pearl Research Labs 合作推出 Gemma-4-31B-it-pearl 推理端点,价格折扣超 25%,由 Pearl 加密货币收益对冲。Pearl Network 通过 Proof of Useful Work 在推理和训练过程中并行生成 ¶PRL 代币,降低 LLM 每 token 价格。
Together AI 发布开源视频翻译工具 Violin,集成 Whisper V3 转录、DeepSeek V4 Pro 翻译和 Cartesia Sonic 3 语音合成,并提供视频内容问答与自然语言选音功能。工具以 MIT 许可证开源,包含 Web 应用、CLI 和 Agent 技能,演示视频 24 小时后删除。
summary_zh: Weaviate v1.37 将分词器变为可观测且多语言友好的数据库组件。文章覆盖混合搜索基础、四种分词方法(word/lowercase/whitespace/field)、重音折叠以解决多语言搜索失配,以及按属性配置停用词和 tokenize 接口验证。
Kubernetes v1.36 将 Workload API 改为静态模板,并引入独立的 PodGroup API 与专用的 PodGroup 调度周期,实现原子级工作负载调度。同时推出拓扑感知调度、工作负载感知抢占、PodGroup 的 DRA ResourceClaim 支持,以及 Job 控制器与新一代 API 的首批集成。所有功能均以 Alpha 特性提供,需启用对应的功能开关。
推荐理由:原文给出了架构升级和多项新功能,读者可以据此评估它对大规模 AI 训练与批处理工作流的实际影响。
Kubernetes v1.36 将节点、Pod 和容器层级的 PSI 压力指标升级为稳定可用(GA),不再需要功能门控。Kubelet 会先检测内核是否支持 PSI 再上报,避免旧版本在内核未启用时输出误导性零值。
推荐理由:原文给出资源占用实测数据,读者可据此判断在生产集群启用 PSI 监控的额外开销是否在可接受范围内。
Google DeepMind 在 Nature 发表 Co-Scientist 研究,推出基于 Gemini 的多智能体系统,通过生成、辩论与演化假设来加速生命科学等领域的科研突破。
推荐理由:原文给出多智能体协作与假设生成引擎的具体阶段,读者可据此评估它对现有科研工作流的实际改变。
summary_zh: 使用 Goose CLI Agent 配合 Together 的 dedicated containers skill,从 HuggingFace 拉取 Netflix 刚发布的 void-model,在单次会话内完成容器配置并部署到 Together DCI 基础设施,实现发布当天即可运行。
Kubernetes v1.36 发布 Dynamic Resource Allocation(DRA)更新,带来多项功能毕业、新增能力与驱动扩展。
Kubernetes v1.36 引入服务端分片 List 和 Watch(KEP-5866),API server 按 hash 范围过滤事件,每个控制器副本只接收所属分片。
Google DeepMind 发布 AlphaEvolve,一款由 Gemini 驱动的编程智能体,用于设计高级算法并已在数学、计算机科学和 Google 基础设施中部署。
推荐理由:原文展示了 AlphaEvolve 在数学、量子物理、基础设施和商业场景中的具体提升,读者可据此评估它作为通用算法设计智能体的实际边界。
Kubernetes v1.36 中原生类型的声明式验证(Declarative Validation)达到 GA,DeclarativeValidation 功能门控默认启用。
Kubernetes v1.36 引入 manifest-based admission control alpha 特性,允许通过 API server 启动时加载磁盘上的策略文件,在集群引导阶段即生效并防止被删除。
推荐理由:原文给出了 manifest-based admission control 的启动加载机制和保护边界,读者可以据此评估它对集群引导阶段安全策略可用性的实际改善。
Together AI 在 NVIDIA GTC 2026 分享其生产级推理优化体系,涵盖 FlashAttention-4、ThunderKittens 及开源自适应推测解码系统 Aurora(最高加速 1.25x)。
Kubernetes v1.36 引入 Pod-Level Resource Managers(Alpha),将 Topology、CPU 与 Memory 管理器从容器级分配扩展为 Pod 级资源预算与 NUMA 对齐。
summary_zh: Google Research 强调开源软件与开放数据集是现代科学的驱动力,通过与 UCSC Genomics Institute、Janelia、ISTA、CSIRO、AIIMS 及 Human Pangenome Research Consortium 等机构合作推动科学进步。
Kubernetes v1.36 中 In-Place Pod-Level Resources Vertical Scaling 毕业进入 Beta,通过 InPlacePodLevelResourcesVerticalScaling 功能门控默认启用,允许用户在线调整 Pod 的聚合资源预算,通常无需重启容器。
Together AI 与 Adaption 合作,让 Adaptive Data 用户可直接在 Adaption 平台优化数据集后执行 Together Fine-Tuning。
Kubernetes v1.36 引入 Memory QoS 的 TieredReservation 策略,按 Pod 的 QoS 等级提供分层内存保护:Guaranteed Pod 通过 memory.min 获得硬保护,Burstable Pod 通过 memory.low 获得软保护,BestEffort Pod 不设保护。
DeepSeek-V4 Pro 已在 Together AI 提供 Serverless Inference,模型级支持 1M 上下文,当前部署窗口为 512K,采用 1.6T 参数 MoE 架构,激活 49B 参数。提供 Non-Think、Think High、Think Max 三档推理模式,并针对重复长上下文给出缓存输入定价($0.20 / 1M tokens)。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Kubernetes v1.36 通过 client-go 的 AtomicFIFO 特性与 ConsistencyStore 接口缓解控制器缓存陈旧问题,并在 kube-controller-manager 中默认启用 DaemonSet、StatefulSet、ReplicaSet、Job 四类控制器的陈旧一致性检查。
NVIDIA Nemotron 3 Nano Omni 现已上线 Together AI 平台,这是一款支持视频、图像、音频和语言的多模态开放模型。其 30B A3B MoE 架构每次激活约 3B 参数,支持最多 256K tokens 的共享多模态上下文,并在单一推理循环中完成跨模态推理。
推荐理由:单一模型统一多模态推理降低了多模型拼接的复杂度,对构建多模态智能体系统的开发者具有直接参考价值。
Kubernetes v1.36 将暂停 Job 的 Pod 资源可变功能从 alpha 升级为 beta,MutablePodResourcesForSuspendedJobs 功能开关默认启用。
Mistral AI 发布 Workflows 进入公开预览,这是面向企业 AI 的编排层,基于 Temporal 引擎提供容错执行、可观测性与人工审批。开发者用 Python 编写工作流,通过 Le Chat 触发,Studio 记录全量执行轨迹;控制平面在 Mistral,Worker 部署在用户自有 Kubernetes 环境,支持云、本地或混合部署。
Weaviate v1.37 已开源并上线云服务,新增 MCP Server、可扩展分词器、MMR 多样性搜索、查询性能分析、增量备份、Gemini 音频支持和 BlobHash 属性类型。MCP Server 让 LLM 和 IDE 可原生对接数据库;增量备份通过引用未变更数据块缩小备份体积;BlobHash 在向量化后仅持久化 SHA-256 哈希。
推荐理由:原文给出了能力变化和开放入口,读者可以据此判断它会怎样改变现有工作流。
Google Research 发布了一种照片重构图方法,现已集成到 Google Photos 的 Auto Frame 功能中。该方法通过 3D 点图估计和生成式潜在扩散模型,在改变相机位姿与焦距后自动补全原本未拍摄到的内容,并针对人像自动检测广角畸变、恢复自然比例。
Weaviate 推出托管记忆服务 Engram,基于 Weaviate 向量数据库,通过异步管道从原始数据提取、整合并持久化记忆,支持语义搜索检索。Engram 提供项目级、用户级和属性级作用域,以及可配置管道和缓冲机制,适用于聊天机器人、持续学习和多智能体系统,并计划推出 Claude Code 等集成。
推荐理由:原文给出了记忆管理的能力变化和开放入口,读者可以据此判断它会怎样改变现有 Agent 工作流。
summary_zh: 多租户 GPU 集群让多个团队共享同一硬件,通过硬配额、预订窗口和调度护栏实现租户隔离,防止跨团队资源争抢。平台需提供 pooled capacity、tenant isolation 和 self-serve access 三项核心能力,并支持按租户实际用量直接计费。
summary_zh: Google Research 发布 Vantage 实验,通过生成式 AI 在模拟环境中评估批判性思维、协作与创造性思维等未来必备技能。
Together AI 发布 EinsteinArena,一个让 AI 智能体通过消息、讨论和排行榜协作与竞争的开源平台。智能体已在 11 维接吻数问题上将下界从 593 推进到 604,并在 Erdős 最小重叠问题、第二自相关不等式等多个问题上取得新的 SOTA。平台提供实时验证、公开排行榜和问题讨论线程,所有代码开源。
推荐理由:平台让多个智能体在公开讨论区和实时排行榜上协作与竞争,推动了多个长期开放数学问题的边界。
summary_zh: AI Native Cloud 是为 AI 原生公司量身打造的新一代云基础设施,覆盖从预训练、微调到推理的完整生命周期。它以 GPU 加速、NVLink/RDMA 高速互联和统一软件栈为核心,强调研究到生产的快速转化、推理速度与成本优化,以及可按需扩展的 GPU 集群能力。
Together AI 的内核团队在 2022 年阵亡将士纪念日假期发布 FlashAttention,实现 2–3 倍加速。2025 年 3 月团队约 15 人,用一周时间基于 ThunderKittens 在 Blackwell 上开发出比 cuBLAS 快 2 倍的 FP4/FP8 GEMM 内核。团队采用学术与产业协同模式,成员来自 UCSD、普林斯顿、Caltech 等。
Mistral AI 发布 Spaces CLI,为人类开发者和 AI 智能体提供统一命令行接口。文章提出交互输入应有 flag 等价、状态显式化、插件可自省等原则,并指出生成 context.json 和 AGENTS.md 可显著减少智能体错误。从单提示到部署上线仅需不到 10 分钟。
推荐理由:原文系统阐述了让 CLI 同时服务人类与 AI 智能体的设计原则,涵盖 flag 等价、显式状态、插件化等模式,读者可据此构建更可组合、可脚本化的开发者工具。
Ollama 0.19 预览版在 Apple Silicon 上基于 MLX 框架加速,M5/M5 Pro/M5 Max 利用新 GPU 神经加速器提升 TTFT 和生成速度。引入 NVIDIA NVFP4 格式支持,并升级缓存以提高响应效率。
推荐理由:Apple Silicon 上运行 Ollama 的速度变化和 NVFP4 支持,可帮助用户评估本地推理的性能边界。
Google DeepMind 发布由 Gemini 驱动的实验性 AI 指针,旨在让指针理解用户所指的视觉与语义上下文,减少繁琐提示词。