Anthropic宣布Claude Platform上的Computer Use、Browser Tool、Skills API和Files API全面可用，开发者可让代理操作缺少API的应用，并将团队流程上传、版本化，或固定到指定version_id。Files API新增文件过期控制，速率上限提高至500 RPM，单个组织存储扩至1 TB；官方还提供Claude Managed Agents接入开放AG-UI协议的示例，覆盖流式交互与前端集成。

Mistral推出Agentic Search，以搜索、打开、导航、阅读和文本匹配组成多步循环，让模型在长文档及多个数据源间反复定位并核验证据。FinanceBench测试中，Mistral Medium 3.5和GLM-5.2的准确率均由约27%提高至约86%；针对性导航还使p90延迟最多下降39.6%，Token用量最多减少约三分之一。该工具可接入现有索引，无需针对模型进行微调。

Liquid AI为LFM2.5系列发布DSpark草稿模型，增加约3亿参数，通过投机解码批量生成并验证候选Token，在H100上最高提速3.18倍，在MacBook端侧最高提速2.87倍。LFM2.5-2.6B在H100与M4 Max上的平均提速分别为2.67倍和2.27倍，函数调用延迟平均下降57%。贪心解码输出与原模型保持一致，并已提供llama.cpp及SGLang集成方式。

Superwhisper发布S1-mini，一款0.6B参数的开放权重文本规范化模型，用于将任意ASR系统产生的原始转录整理为书面文本，可去除填充词、修正口误，并处理标点、大小写、数字、日期、货币和邮箱格式。其控制行可分别指定文风、结构与使用场景；Q4_K_M量化版本仅462 MB，可在笔记本CPU上运行。模型在7519个留出样本上的Token准确率为94.8%。

NVIDIA介绍基于HSTU和Semantic IDs的生成式推荐方案，将推荐任务重构为用户行为序列的下一项预测，以统一传统系统中的召回与排序。HSTU采用SiLU权重、相对位置偏置和门控机制，面向长序列训练及低延迟服务；配套的recsys-examples与nv-embedding-cache提供动态嵌入、KV缓存和分层存储，可在HBM、DRAM及远程层间管理嵌入，官方报告整体速度提升超过2倍。

LangChain将LangSmith Deployment的Preview Builds推向公开测试，可为拉取请求分支创建接近生产环境的临时Agent部署，让团队在合并前验证工具调用、行为和修改结果。新提交会自动更新对应预览，合并后则清理临时环境并进入正常生产发布流程。团队可按分支或标签设置触发条件，并通过空闲存活时间和并发上限控制资源；演示采用约72小时默认存活时间及最多5个并发预览。

Lease End披露其微调意图分类器曾为业务贡献1200万美元收入，报告投资回报率达50倍，但离线指标未能暴露确认信息、问候语等生产问题。模型训练本身约需一小时，完整的数据整理、评估与回归反馈周期通常却接近一周，迁移时还会受到供应商特定产物限制。团队随后改用Skills、工具和上下文体系，通过调整Markdown流程并运行定向评测发布修复，同时保留切换不同模型供应商的能力。

一项实践分析显示，LLM作为裁判时会偏好同一模型家族生成的内容，因为熟悉的文本风格通常具有更低困惑度，因而可能在内容存在缺陷时仍获得较高评分。评审结果还会受到答案长度和选项位置影响，较长或先出现的回答可能得到额外优势。分析建议由不同模型家族担任裁判，并在评分规则中明确惩罚无关冗长；正式上线前还应使用留出样本与人工判断校准，将低一致性类别默认转交人工复核。