只加不到50万参数：UNREAL 用单个模型统一检索与长上下文推理
Hugging Face Papers 上的一篇论文提出 UNREAL，尝试用同一个模型内部机制同时完成语料检索和长上下文证据筛选，只增加不到 50 万可训练参数，并在多个多跳问答和长上下文基准上报告了显著提升。
标签： 人工智能
德州暂停数据中心并网：474GW排队，AI算力扩张遭遇电力瓶颈
德州电网排队接入的大型新负载从2024年底的63GW暴涨至2026年6月的474GW，约90%为数据中心，随后监管机构暂停新许可，AI算力扩张面临电力基础设施的现实约束。
Upstage 发布 Solar Mini 4：3B 激活参数跑分 24，但每任务成本约为 GPT-6 Luna 五倍
韩国 AI 实验室 Upstage 发布闭源推理模型 Solar Mini 4，官方称其以 35B 总参数、3B 激活参数在 Intelligence Index 上拿到 24 分，但 Artificial Analysis 评测显示其完成同一任务的成本约为 GPT-6 Luna（max）的 5 倍，效率与速…
Arena 实测：AI 裁判更偏袒自己，与人类投票只一致 56.9%
Arena 用 1460 场匿名对战测试 12 个模型当裁判的表现，发现模型平均有 58% 的概率选自己的答案，而人类只有 34%，AI 裁判与人类投票的一致率仅 56.9%。
SGAnalog发布：273个真实流片电路如何测出大模型短板
arXiv 上一项新研究提出 SGAnalog，用 273 个来自 Tiny Tapeout 开源流片的模拟电路设计，测试大模型能否真正从原理图还原网表并完成器件尺寸设计，结果显示最强模型仅达 56.1% 精确同构。
tokenizer研究缺基准：学者提议用比特每字节对标NanoGPT
一篇论文提议为分词器（tokenizer）建立开放基准，用“比特每字节”分数让不同分词边界的模型可比，但目前只是设计倡议，尚无已跑通的基准与实测结果。
Hugging Face 论文提出 SafeActBench：工具型 AI 智能体为何在证据到行动间失败
Hugging Face Papers 上公开的一篇论文摘要指出，工具型智能体即使能正确判断单个动作，也可能因为调查不完整或过早行动而在执行环节失败，研究团队为此提出 SafeActBench 基准。
Google开放SynthID检测门户，上传图片视频音频即可查AI水印
Google 上线了 SynthID Detector 网页门户，用户上传图片、视频或音频文件，就能检测其中是否含有 Google 及其合作伙伴嵌入的 SynthID 水印，从而判断该媒体是否由 AI 生成或处理。
Mistral Large 4 发布：法国拿下美中之外最智能模型，成本仍是短板
Mistral 发布 Mistral Large 4 研究公开预览版，在 Artificial Analysis 智能指数上得分 38，成为美中之外最智能的模型，但单位任务成本仍是同级开源权重模型的四倍以上。
Arena 提出偏好+评分标准后训练，FLUX.2-dev 冲上 T2I 榜单第二
Arena 公布一种将人类偏好与显式评分标准奖励结合的后训练方法，用约 500 万对偏好投票训练奖励模型，使 FLUX.2-dev 在其实时文生图榜单上升至第 2 名，Ideogram 4 得分达到 1224。