🧠 大语言模型（LLM）
MiMo v2.6：小米多模态模型，开放权重评测得分创行业新高
llm
小米 AI Lab · 2026-10-02
小米发布 MiMo v2.6 多模态大模型，在多个权威基准（MMLU-Pro、GPQA、LiveCodeBench）上获得开放权重模型最高分。采用 MoE 架构，总参数量约 400B，活跃参数 20B，训练数据达 20T token。
Reasoning with Latent Thoughts: Emergent Structured Chain-of-Thought in RL
reasoning
method
Google DeepMind · 2026-10-02
研究强化学习过程中涌现的链式思考（Chain-of-Thought）结构化模式，发现 RL 训练后模型会在潜在空间自发组织推理步骤，形成隐式 CoT。无需显式监督即可实现复杂数学推理。
👁️ 多模态
Video-Mamba-X：线性复杂度视觉状态空间模型，突破视频理解长序列瓶颈
multimodal-research
video-gen
清华 VITA & 商汤 · 2026-10-01
提出 Video-Mamba-X，基于状态空间模型（SSM）的视频理解架构，将视频 Token 处理的复杂度从 O(n²) 降至 O(n)。在 ActivityNet 和 Kinetics-700 上达到 94.2% 准确率，速度提升 3.5 倍。
OmniGen3：统一生成与编辑的单模型多模态框架
multimodal-research
image-gen
字节跳动 ByteDance · 2026-10-02
字节发布 OmniGen3，单一模型同时支持文本到图像生成、图像编辑和风格迁移。基于 DiT 架构，参数量 12B，在 GenEval 和 EditBench 上均超越多模型方案。
🤖 Agent
AgentBite：轻量级 AI Agent 运行时，支持 50ms 内完成工具调用闭环
agent-research
model-weights
Microsoft Research · 2026-10-03
微软发布 AgentBite，一种面向边缘设备的超轻量 AI Agent 运行时框架，将典型 tool-use 端到端延迟压缩至 50ms 以内。配合 3B 参数级 Agent 模型，适用于 IoT 和移动场景。
Self-Refine Loop：多 Agent 协作的元认知自检框架
agent-research
method
Meta AI FAIR · 2026-10-01
Meta 提出 Self-Refine Loop，多个 Agent 通过元认知自检不断迭代改进输出，在 SWE-bench Verified 上超越单 Agent 基线 23%，接近人工开发者水平。
🔒 安全与对齐
Red-Teaming at Scale：大规模对抗测试下的模型脆弱性图谱
ai-safety
benchmark
Anthropic + Standford HAI · 2026-10-02
联合发表大规模红队测试报告，覆盖 12 种主要模型在 jailbreak、data poisoning、prompt injection 等 40+ 攻击向量上的表现。发现 Claude Opus 5.5 和 Gemini 3.8 Flash 在多数攻击场景下最鲁棒。
Scaling Laws for Alignment: 当对齐成本超过预训练成本时
ai-safety
method
OpenAI Research · 2026-10-01
OpenAI 发表对齐规模化定律论文，指出当模型参数量超过 1T 时，RLHF 的对齐成本将超过预训练本身。提出 Efficient Alignment via Synthetic Data 方案，可将对齐数据需求减少 90%。
📊 基准评测
SWE-bench Verified 2026：开源 Agent 首次超越 50% 解决率
benchmark
agent-research
Google DeepMind · 2026-10-03
SWE-bench 基准 2026 版本更新，CodeRover-3 和 OpenDevin-2 等开源 Agent 首次在 Verified 集上突破 50% 解决率，Claude Sonnet 5.5 达到 58.3%，差距进一步缩小。