OpenAI 发布 GPT-5.6 三档模型，把高性能推理与多智能体执行一起下放到统一产品面
OpenAI 在官方渠道发布 GPT-5.6 Sol、Terra、Luna，并引入 Ultra effort 等更明确的算力档位，覆盖 ChatGPT、Codex 与 API。它最值得关注的地方不是单次榜单领先，而是 OpenAI 正把旗舰推理、工具调用和并行子代理能力整合成统一的默认工作界面，进一步推动“模型即工作系统”的产品化方向。
Meta 推出 Muse Spark 1.1 并接入 Meta Model API，用低价高效路线冲击前沿编码模型市场
Meta Superintelligence Labs 发布 Muse Spark 1.1，并首次把该系列纳入 Meta Model API，对外释放可被第三方大规模验证和接入的信号。它的重要性在于，Meta 不再只展示研究能力，而是在用更激进的价格性能比争夺开发者入口，尤其直接切入前端生成和产品原型等高频场景。
Meta 发布 Muse Image 并预告 Muse Video，把图像与视频生成升级为带规划和自我修正的 Agent 工作流
Meta Superintelligence Labs 本周推出 Muse Image，并同步预告 Muse Video，强调模型在生成前会结合规划、搜索、工具调用和自我迭代来完成多步骤媒体创作。它值得关注，因为多模态生成的竞争正在从“单次出图质量”转向“是否具备完整制作流程的自治能力”，这会明显改变创作产品和媒体工作流的形态。
Anthropic 发布 Claude 可解释性研究，提出类似全球工作空间的 J-space 内部结构
Anthropic 公布新的机制可解释性研究，称 Claude 内部存在类似“全球工作空间”的共享表示区域 J-space，用于协调不同类型的信息处理。它的价值不在于立即带来产品新功能，而在于前沿模型研究开始更系统地解释复杂行为从何而来，这会直接影响后续对安全、可控和长期代理能力的理解方式。
Liquid AI 开源 Antidoom，用针对性训练把小模型推理死循环显著压低
Liquid AI 发布开源方法 Antidoom，通过 Final Token Preference Optimization 定向修正触发循环的关键 token，显著降低小模型在推理时重复输出直到耗尽上下文的问题。它值得跟踪，因为行业开始从单纯堆参数转向逐个拆除高频失败模式，这类稳定性优化会直接提升小模型在真实产品中的可用性。
Google Research 发布 SensorFM，用 1 万亿分钟可穿戴数据训练传感器基础模型
Google Research 推出 SensorFM，使用来自 500 万名同意参与者、总计 1 万亿分钟的无标注可穿戴设备数据进行训练，试图为传感器序列建立通用基础模型。它的重要性在于，大模型范式正在从文本、图像扩展到连续生理与行为信号，健康监测和环境感知类 AI 可能因此获得新的通用底座。
NVIDIA 把 GR00T 1.7 与 Isaac Teleop 接入 LeRobot，开源机器人栈继续向 Hugging Face 生态集中
NVIDIA Robotics 宣布将 GR00T 1.7 和 Isaac Teleop 带入 LeRobot 生态，进一步打通具身智能模型、遥操作与开源数据工作流。它值得关注，因为机器人领域正在复制大模型时代的生态逻辑，谁能先把模型、数据、仿真和开发工具聚成统一开源入口，谁就更可能定义下一阶段的开发者基础设施。
Cohere 与 vLLM 推进硬件感知投机解码，推理加速竞争重新回到系统层
本周围绕 vLLM 的更新显示，Cohere 推出的 Hardware-aware Dynamic Speculative Decoding 试图解决投机解码在不同批量下收益不稳定的问题，把推理加速从单点技巧推进到更贴近硬件和调度策略的系统优化。它的意义在于，模型能力接近之后，吞吐、延迟和成本会再次成为决定产品竞争力的核心变量。