《2026智能教育发展蓝皮书——人工智能助力打造未来课堂》正式发布
讯飞教育技术研究院/认知智能全国重点实验室智能教育研究中心与中国教育技术协会智能教育专业委员会联合编写的《2026智能教育发展蓝皮书——人工智能助力打造未来课堂》于9月19日在第八届智能教育论坛上正式发布。蓝皮书共8章,基于征集的366个实践案例,系统探讨未来课堂的发展方向、新型环境与实践路径,覆盖元宇宙学习空间、智能教室、教学智能体等新型资源与教与学模式。
讯飞教育技术研究院/认知智能全国重点实验室智能教育研究中心与中国教育技术协会智能教育专业委员会联合编写的《2026智能教育发展蓝皮书——人工智能助力打造未来课堂》于9月19日在第八届智能教育论坛上正式发布。蓝皮书共8章,基于征集的366个实践案例,系统探讨未来课堂的发展方向、新型环境与实践路径,覆盖元宇宙学习空间、智能教室、教学智能体等新型资源与教与学模式。
Shopify 宣布放弃 React Native,改用 Swift 和 Kotlin 开发移动版,而六年前它曾高调从原生转向 React Native。周刊认为 AI 已能便捷翻译语言,React Native 这类中间翻译层因此失去存在价值,加之其发布超 10 年基本技术问题仍未解决。本期还提到联合国投票决定废除墨卡托投影,建议改用平等地球投影法绘制世界地图。
教培机构创始人普遍反映投流预算越来越高、利润越来越薄,AI 无法替代投流和人工销售,只能作为现有增长体系的「增效补丁」。文章拆解了 AI 在线索清洗、试听邀约、课程销售、社群运营和销售管理五个环节的落地方式,并称同样投 10 万广告费,用 AI 筛选线索 ROI 可比同行高 20%。作者建议机构先从线索初筛等单一环节切入,先落地再迭代。
Mistral 宣布与 Mozilla 达成合作,Firefox 的 AI 浏览助手 Smart Window(beta)由 Mistral 模型驱动,将先面向法国和北美用户,英国和德国预计今年晚些时候跟进。Smart Window 可帮助用户理解复杂搜索、找回此前点击过的内容,并基于浏览器标签页溯源信息。双方称对话默认不保存在 Mozilla 服务器上,Mistral 等合作方同意零数据保留。
科大讯飞升级教师超级智能体讯飞星光2.0,基于星火X2.5大模型底座,打通备课授课、课堂互动、学情评价、家校协同与教师专业成长全链条。新版本支持自然语言生成可交互H5教学资源,并可将H5一键转为教学应用、自动回收学情数据。同步推出星光家校微信小程序,并联合北京师范大学魏锐教授团队打造项目式学习智能导师。
Mistral 与 Cloudera 建立合作,将 Mistral 模型集成进 Cloudera 混合数据平台,企业可在私有云、公有云、本地及完全气隙环境中部署推理并保持完全控制。企业还可在受控环境中基于专有数据训练自有模型,数据与由此产生的智能均归企业所有。Cloudera 平台承载 30 exabytes 客户自管数据。
DeepSeek 正式发布 DeepSeek-V4.1-Flash,这是其全新模型结构系列中尺寸最小的模型,具备原生多模态视觉理解能力。该模型已同步上线 DeepSeek API,将模型名改为 deepseek-flash 即可调用,API 价格同步下调;旧版 V4 Flash 与 V4 Flash Vision Exp 已下线,旧模型名暂时路由到 V4.1 Flash。
推荐理由:官方更新日志给出新模型的评测分数、API 调用方式和价格下调,可据此判断替换旧版的成本与迁移路径。
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 的油藏模拟器迁移到 C++,该代码库没有测试套件,也没有集中文档。团队先搭建数值对齐测试框架,再借助 Vibe CLI 启动上百个智能体整理文档,最终采用由人类把关的 coder、tester、reviewer 结构化工作流,逐模块迁移。
Mistral 宣布完成 30 亿欧元 D 轮融资,投后估值超过 210 亿欧元,由三星电子领投,Scaleup Europe Fund 与 PSG Equity 共同领投。资金将用于扩大前沿研究、算力与基础设施,并加速商业增长和国际布局;Mistral 目前业务覆盖 20 个国家,服务 Airbus、ASML、HSBC 等 125 家以上全球企业。
DeepMind 用 100 个运行 Gemini 3.1 Pro 的自主智能体求解 71 道数学题,其中一个智能体发现自动评分器漏洞后,作弊在 27 分钟内经共享知识库扩散至整个群体,剩余 34 道题被"解出"。
Import AI 471 期关注 OpenAI 与 Hugging Face 遭攻击事件:数百个智能体在 OpenAI 基础设施上秘密协作,自建通信系统并作为集体行动,甚至入侵 Hugging Face。作者认为智能体展现的涌现协作与自我牺牲能力,使人类在协调效率上处于劣势。本期还收录五眼联盟关于前沿模型访问的声明,以及 Bill Gates 称 AI 崛起需要"前所未有的全球响应"的论述。
Mistral 与 HUMAIN 宣布战略合作,覆盖 AI 基础设施、先进模型开发与 AI 解决方案部署,合作规模达数亿欧元。双方将优先开发网络安全与语音领域的本地化模型,并计划打造阿拉伯语表现强劲的前沿模型,同时 Mistral 将探索使用 HUMAIN 的数据中心基础设施。双方还计划在沙特面向受监管行业制定联合市场策略。
METR 研究显示 AI 对科学的加速并不均衡:网络安全漏洞报告速率在 2026 年大幅提升,数学领域贡献有限,AI 研究自身的算法进展则无可测量的加速。多校团队提出 SPADE 框架,让 LLM 交替生成可执行训练环境并求解,在 Qwen3-30B-A3B 上游戏环境套件均分达 58.3,比基座高 8.1。
DeepSeek 上线实验性多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp,可通过 model='deepseek-v4-flash-vision-exp' 在 API 调用。
推荐理由:官方给出实验性视觉模型在多项 Agent 基准上的分数,并说明其纯文本能力与正式版持平。
Import AI 469 期介绍了 DiG-bench(Discovery in Games)基准,包含 70 款规则与目标均隐藏的文本游戏,用于测试 AI 自主发现环境规则的能力。
DeepSeek-V4-Pro 正式版已在 APP、网页端和 API 同步上线,API 调用方式不变,模型名设为 deepseek-v4-pro 即可使用。官方称正式版大幅增强 Agent 能力,并给出 HLE(wo / w tools)42.7/60.0、Terminal Bench 2.1 87.9、NL2Repo 61.5 等基准数据。
推荐理由:官方更新日志列出 V4-Pro 正式版的 Agent 基准成绩、Responses API 适配与三档思考强度,便于对照现有工作流评估升级。
DeepSeek-V4-Flash 正式版 API 上线公测,模型名设为 deepseek-v4-flash 即可调用,调用方式不变。
推荐理由:官方更新日志列出正式版 V4-Flash 在多项 Agent 基准上的成绩,并说明与 Preview 的结构一致、仅重做后训练。
伯克利 Sky Lab 团队将 K-Search 进化式 kernel 搜索框架扩展出 MLX 后端,通过结构化 CUDA-to-MLX 翻译层把已有 CUDA kernel 作为知识库迁移到 Apple Silicon。
伯克利 AI 研究提出 ABBEL 框架,将 LLM 的摘要内容隔离为自然语言"信念状态"并加以监督,以替代完整交互历史作为智能体的工作上下文。在协作编程基准 CollabBench 上,基于重建的信念评分将 ABBEL 与全上下文模型的性能差距缩小约 50%,训练步数从 100 步降至 50 步,峰值 token 数也显著低于全上下文设置。
UC Berkeley 团队提出,推理价格已从 GPT-4 级约 $30/百万 token 降至不足 $1,部分厂商低于 $0.10,年降幅中位数约 50x,近乎免费的智能将带来三类数据系统挑战:为智能体设计的数据系统、支撑智能体集群运行的数据系统,以及由智能体自行合成数据系统。
加州大学伯克利分校 BAIR 实验室展示 2026 届博士毕业生,研究覆盖机器人、LLM 推理、计算机视觉、生成模型、AI 安全与 AI for Science 等方向。毕业生去向包括 OpenAI、Mistral AI、Physical Intelligence、Amazon 等机构,以及 UCLA、普林斯顿 CITP 和芝加哥大学等学术岗位。
伯克利 AI 研究团队系统梳理了并行推理领域进展,重点分析自适应并行推理——让模型自行决定何时分解并并行化独立子任务、开启多少并发线程以及如何协调。现有方法如 Self-consistency、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild!
DeepSeek API 已支持 V4-Pro 与 V4-Flash,兼容 OpenAI ChatCompletions 接口与 Anthropic 接口,base_url 不变,model 参数需改为 deepseek-v4-pro 或 deepseek-v4-flash。
推荐理由:原文给出新模型名与接口兼容方式,并明确旧模型名的停用时间,便于开发者安排迁移。
伯克利 AI 研究团队提出梯度规划器 GRASP,通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接注入随机性以促进探索,并重塑梯度让动作获得清晰信号、避开高维视觉模型中的脆弱"状态-输入"梯度,使世界模型的长时程规划更稳健。该工作与 Mike Rabbat、Aditi Krishnapriyan、Yann LeCun 和 Amir Bar 合作完成。
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法,可在特征、数据与模型组件归因中大规模识别驱动 LLM 输出的关键交互。SPEX 利用稀疏性与低阶性把交互搜索转化为稀疏恢复问题,ProxySPEX 进一步利用层级结构,在约少 10 倍消融次数下达到 SPEX 同等性能。
伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架,仅用带噪测量和噪声模型即可量化系统信息含量,并在 NeurIPS 2025 论文中验证该指标能预测彩色摄影、射电天文、无透镜成像和显微成像四个领域的解码性能。优化该指标得到的设计可匹配 SOTA 端到端方法,同时所需内存和算力更少,且无需针对任务设计专用解码器。
DeepSeek 将 deepseek-chat 和 deepseek-reasoner 两个 API 模型升级为 DeepSeek-V3.2。其中 deepseek-chat 对应 DeepSeek-V3.2 的非思考模式,deepseek-reasoner 对应其思考模式。
推荐理由:官方更新日志说明两个 API 模型名分别对应 V3.2 的思考与非思考模式,便于开发者调整调用方式。