破解「深度诅咒」：Kimi K3、DeepSeek V4 各押注不同残差方案
Kimi K3 采用 AttnRes、DeepSeek V4 采用 mHC，ByteDance 则提出 HC，三者以不同残差方案应对大模型「深度诅咒」。由于三种方法的训练预算、模型设计与代码库各不相同，无法直接比较优劣。DepthBench 试图对这些深度扩展方案做统一评测。
#数据/训练
#数据/训练
今日 3 条AGI HuntAI 评分3434 AGI HuntAI 评分5353 Google 发布 400M 参数表格基础模型 TabFM，零样本胜过调优 AutoML
Google 发布 TabFM，一个 400M 参数的表格数据基础模型，把监督表格预测建模为上下文学习，单次前向即可输出经过校准的零样本预测，无需任务专属调优。
Hugging Face BlogAI 评分5252 NVIDIA 发布开源表格预测基础模型 Kumo Tabular
NVIDIA 发布开源表格预测基础模型 Kumo Tabular，给定带标签的表格行和待预测行，单次前向推理即可返回类别概率或数值预测，无需训练、调参和特征工程。
AGI HuntAI 评分4646 NVIDIA 开源表格数据基础模型 Kumo Tabular
NVIDIA 发布并开源表格数据基础模型系列 Kumo Tabular，开放权重且可商用，由 Jure Leskovec 团队推出。该模型只需提供带标签的表格数据即可使用，支持分类与回归任务。官方称其在精度与推理时间的权衡上建立了新的 Pareto 前沿。
OpenAI：官网动态AI 评分2424 Parallel 借助 GPT-6 Astra 将研究时间与成本减半
GPT-6 Astra 帮助 Parallel 的智能体将劳动力市场数据的调研与综合时间及成本各削减一半，对比对象为此前使用的模型。
Latent Space精选AI 评分8181 小米发布 MiMo-V2.6 系列开放权重模型，旗舰 Pro 为 1T-A42B、训练成本 300 万美元
小米发布 MiMo-V2.6 系列开放权重模型，包含原生全模态的 MiMo-V2.6-Pro、MiMo-V2.6-Flash 以及 MiMo-V2.6-Pro-UltraSpeed，其中 Pro 以 1.02T 总参数、42B 激活参数在 Artificial Analysis 智能指数上以 46 分成为该榜首位开放权重模型。
推荐理由：原文给出 MiMo-V2.6 的 RL 训练细节与开源清单，可对照开放权重模型的成本与复现门槛。
HuggingFace Blog精选AI 评分6363 IBM 详解 Granite 4.2 系列 3B、8B、30B 推理模型的构建过程
IBM Granite 团队发布 Granite 4.2 推理模型系列，包含 3B、8B、30B 三个 dense、decoder-only 规模，全部以 Apache 2.0 许可开放。
推荐理由：原文公开了从五阶段预训练到多阶段 RL 的完整构建配方，可对照其他推理模型的开源训练路径。
Google DeepMind精选AI 评分7979 Google DeepMind 开源 WeatherNext 气旋预测模型，预警可多出一天
Google DeepMind 的 WeatherNext AI 模型在气旋路径、强度和风场结构预测上达到当前最优精度，平均为预报员多争取约一天的有效提前量，成果发表在 Nature。
推荐理由：原文给出气旋路径与强度预测的领先幅度，并公开模型权重与代码，可对照传统预报方法理解改进来源。
HuggingFace BlogAI 评分5353 NVIDIA 发布 Cosmos-H-Dreams 实时手术机器人生成式模拟器
NVIDIA 发布 Cosmos-H-Dreams，一款面向手术机器人的实时、动作条件生成式模拟器，把 Cosmos-H-Surgical-Simulator 蒸馏为因果少步学生模型。
Mistral AIAI 评分4949 Mistral AI 发布 Robostral Navigate：8B 具身导航模型
Mistral AI 发布 Robostral Navigate，一个仅用单个 RGB 相机的 8B 具身导航模型，在 R2R-CE validation unseen 上达到 76.6% 成功率。它完全不用 LiDAR 或深度传感器，成绩比最佳单相机方案高 9.7 分，比使用深度或多相机的最佳系统高 4.5 分。模型完全基于仿真数据自研训练，可泛化到轮式、足式与飞行机器人。
Google ResearchAI 评分5656 Google 发布 TabFM，面向表格数据的零样本基础模型
Google 发布 TabFM，一个面向表格数据分类与回归的零样本基础模型，把表格预测重构为上下文学习问题，单次前向即可出预测，无需模型训练、超参调优和特征工程。