◆ AI 总结

Google DeepMind发布两款重磅图像与视频模型，Claude Sonnet 5上线Devin和AWS，OpenAI推出GeneBench-Pro基准，多款AI工具和研究成果密集涌现。

模型动态

Claude

Claude Sonnet 5 上线 Devin Desktop/CLI 和 AWS Bedrock

Cognition宣布Claude Sonnet 5在Devin中可用，在FrontierCode基准上得分53.8%，超越Opus 4.8。AWS在Bedrock同步上架，定位前沿编码性能与更低价格。[8][9][10]

产品工具

Gemini / Google

Google DeepMind 正式发布 Nano Banana 2 Lite 和 Gemini Omni Flash

推出Nano Banana 2 Lite（4秒文本生图，最便宜）和Gemini Omni Flash（视频生成编辑），同时提供Interactions API支持连续工作流。成本大幅降低，已在AI Studio上线。项目地址：https://deepmind.google/blog/start-building-with-nano-banana-2-lite-and-gemini-omni-flash/[1][2][3][4][5][6][7]
NVIDIA

NVIDIA TAO 7 支持自然语言提示进行模型调优

发布TAO 7平台，用户可通过自然语言提示编码代理完成模型微调，集成AutoML和LLM引导的调优策略，简化AI模型开发流程。[12]

技巧教程

AI 驱动的传统文化古籍双语对照网站分享

网友晒出双语对照古籍网站，支持英语和传统文化内容，设计精美。此类vibe coding产物展示了AI在产品美学和实用性的结合。[17]

行业资讯

OpenAI

OpenAI 发布 GeneBench-Pro 基准测试

面向AI agent在复杂生物数据中的导航、分析路径选择和判断能力，模拟真实计算研究场景。属于研究级评估，推动agent在科学领域的应用。链接：https://t.co/AsilnnSxnE[11][11]

微软研究院提出 SkillOpt 方法提升 agent 可靠性

SkillOpt将AI agent技能编辑转化为训练过程，无需改变模型权重即可提升任务可靠性，解决手动修改指令不保证效果的痛点。[13]
HuggingFace

Hugging Face 发布 ScarfBench 评估 agent 代码迁移能力

新基准ScarfBench专门评估AI agent在企业Java框架迁移场景中的表现，包括代码理解、重构和兼容性判断。[14]
OpenAI / Claude

利用 GPT-5.5 Pro 和 Claude Opus 4.8 解决 9 个理论计算机科学开放问题

Marc Andreessen透露，一个简单管线结合GPT-5.5 Pro与Claude Opus 4.8成功解决了9个理论计算机科学开放问题，包括OpenAI的Erdős突破，展现LLM数学推理极限。[15][16]