OpenAI披露，截至2026年8月中旬，研究组织每个员工工作日对应3.1个智能体工作日；研究员每日推理支出中位数超过600美元，90分位超过7000美元。智能体承接任务正变复杂，但成功完成的4至8小时任务中，超过一半仍需至少一次人工干预。Hugging Face安全事件后，公司暂停相关RL训练，并将Astra级GPU分配一周内削减59.2%，同时把自动化AI研究员目标定在2028年3月。

OpenAI首席科学家Jakub Pachocki表示，深度学习系统更像经大规模优化「生长」而非被完整设计，当前目标对齐、价值对齐及泛化理论仍不充分。随着模型进入复杂环境、学会操纵自身推理且部分能力不再依赖显式推理，思维链监控正逐步失去可靠性。他主张递归自我改进的扩展速度应受安全信心约束，并将Preparedness Framework发展为可由第三方审计或国际机构执行的共同安全门槛。

南洋理工大学、新加坡国立大学等团队提出并开源VoiceMem，将事实记忆与情感、人格记忆拆为并行「双脑」，通过流式预检索把检索嵌入语音交互空隙，目标是消除传统记忆检索新增的50至200毫秒延迟。其信息侧采用Schema-Entity两级索引和动态聚类，在LoCoMo中仅返回5条记忆取得91.2分，比Mem0返回200条高29.52分；项目同步开放框架、模型、数据集、评测入口和可安装软件包。

H Company发布NeoMME，包括260M与800M两款单塔多模态编码器，用同一Transformer处理文本Token和32×32图像块，移除独立视觉塔与不执行生成的因果解码器。260M检索版在ViDoRe v3取得0.523 nDCG@10，匹配3.75B参数的ColQwen2.5，参数少14.4倍；800M版得0.556。分层Token池化结合量化可把每页索引由1.5MB压至39.0kB，并保留99.16%检索性能，但纯文本检索仍弱于较小的LateOn。

Meta FAIR与合作者提出AI Research Preference Models，在消耗GPU运行候选实验前先做相对排序，而非预测绝对分数。基于Qwen3.6-27B的推理版和代理版，在AIRS-Bench将平均归一化得分从0.684提升至0.711和0.729，并以14.88小时和15.50小时达到基线24小时最终成绩，相当于提速1.5至1.6倍。代理版可在沙箱先跑小规模试验，再依据反馈选择下一项，但计算开销更高。

IROS-2026工作提出HA-VLN 2.0，统一离散与连续视觉语言导航仿真，引入动态多人交互、个人安全空间和社会化指令。消融中，把动态行人替换为静态圆柱后，碰撞率约降36%、成功率约升10%；移除多人交互增强后，碰撞率降22%，显示群体行为显著增加导航难度。使用该数据重训可提升主流算法成功率并降低碰撞；在Unitree Go2实机上，导航成功率由0.12升至0.18，但狭窄走廊和行人突然转向仍易失败。

开源项目llm-sandbox把Gemma 4 26B A4B、Whisper large-v3-turbo、Supertonic 3 TTS与three.js组合为全本地语音体素游戏，已在RTX 3090测试，量化KV缓存等优化后约占15GB显存。系统保留低于16毫秒的键鼠移动，把「建桥」等高层指令交给较慢的语音模型；小模型先在一秒内回应，大模型随后生成体积块，从而隐藏等待。模型不直接观察世界，仅根据玩家指向与语音输出可扩展体积，项目代码已公开。

作者通过每日抓取OpenRouter完整模型目录，对两类典型API调用进行成本比较：大上下文输入、代码输出的「编码智能体型」请求，单次成本约为小输入、文本输出的「批量分类型」请求33倍。该比例在GPT-5.6、Claude Sonnet 5和Gemini 3.7 Flash上分别为33.6倍、33.3倍和33.3倍，尽管三者价格表不同仍高度接近。结果表明，评估模型费用不能只看统一Token单价，还需按输入长度与输出形态建模。