Google DeepMind 正式发布 Gemini 4 Carbon，定位为当前最强旗舰模型，面向复杂知识工作、多步编码调试和开放式科学研究。在 CursorBench 4.0、Perplexity WANDR 和 Zapier AutomationBench 上排名首位，任务成本低于竞品 2 倍以上。模型已通过 API 向开发者、企业和科学家开放，同时对齐与安全指标同步提升。
推荐理由：Google 发布最新旗舰模型 Gemini 4 Carbon，在科学推理、代码开发和网络安全领域达到前沿水平，同时强调安全对齐与防滥用措施。
Google DeepMind 发布 AlphaProof Code，一个结合人类专家与多LLM智能体的形式化验证框架，首次对广泛部署的 Signal 协议编译代码完成了数学级安全属性证明，将传统需专家数年完成的任务缩短至四周，并开源验证工件供社区使用。
推荐理由：该框架首次以AI驱动形式化验证了广泛部署的Signal加密协议实现，为高安全关键代码的自动证明提供了可扩展路径。
Amazon Bedrock 正式提供 Claude Fable 5.2 和 Mythos 5.2，前者面向编码、数学与科学等通用技术负载，后者仅在合规验证后可用于网络安全和生命科学等高敏场景。
推荐理由：官方给出了各模型定位、数据保留策略与 claude-api 迁移技能的实操指引，有助于评估上床风险并平滑升级现有代码。
Gemini 4 Carbon 是 Google DeepMind 最新发布的强大多模态模型，在更新的 Artificial Analysis Intelligence Index v5.0 中以 59 分位居榜首。
推荐理由：文章给出了网络安全与长程任务能力的具体提升数据和评测排名，可据此判断其在实际工作流中的适用边界。
Microsoft Research研究员Xinzhi Zhang与合作者证明Kannan-Lovász-Simonovits（KLS）猜想，确立了log-concave分布中简单超平面切割始终能以固定因子捕捉最窄瓶颈的维度无关几何原理。
推荐理由：证明了维度无关的几何原理，并展示了研究者主导AI搜索路径的有效协作方式。
GitHub 发布 ReviewBench，基于 1.039 亿条真实 PR 构建的 219 条开源 PR 评测集，覆盖 19 种语言。基准采用人工评审、前沿 LLM 和静态分析多源合并生成黄金标签，并与资深工程师独立复核达成 96.6% 一致性；提供 grounded 与 augmented 两套精确率/召回率指标及可调节的 Fβ 评分。
推荐理由：官方公开了数据集、评分规则和自建跑分工具，读者可据此比较不同代码审查 Agent 的实际表现。