Mistral 与 Cloudera 合作，将专用主权智能引入企业数据
Mistral 与 Cloudera 宣布合作，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。企业还能在受控环境内用大量专有数据训练定制模型，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，双方称此举面向数据、智能、算力和运营均由客户掌控的主权 AI 需求。
全部 AI 动态
Mistral AIAI 评分3838
Mistral AIAI 评分5858 Mistral 如何用 AI 智能体迁移 4 万行 Fortran 77 遗留代码
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 水库模拟器迁移到 C++，并公开了其中的智能体工作流。团队先搭建数值对齐校验框架，用自定义解析器生成调用树，再让上百个智能体借助 Mistral OCR 整理文档；迁移时采用规划、编码、测试、审查四类智能体分工，并保留人工审核环节。
Mistral AI精选AI 评分7171 Mistral 完成 30 亿欧元 D 轮融资，估值超 210 亿欧元
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。
推荐理由：融资规模与投资方结构显示欧洲主权 AI 路线的资本支撑，也交代了 Mistral 全栈开源打法的商业逻辑。
Berkeley AI Research精选AI 评分6060 从 CUDA 到 MLX：K-Search 如何把数十年内核经验带到 Apple Silicon
研究团队为 K-Search 增加 MLX 后端和结构化 CUDA-to-MLX 翻译层，让进化式内核搜索把已有 CUDA 内核当作知识库，在 Apple Silicon 上生成高质量内核。
推荐理由：原文给出从 CUDA 到 MLX 的结构化翻译层与两组内核实测数据，可看跨平台内核经验迁移的具体做法。
Berkeley AI ResearchAI 评分4040 Berkeley AI Research 提出 ABBEL：用信念状态替代完整交互历史，提升 LLM 长程交互效率
Berkeley AI Research 提出 ABBEL 框架，将 LLM 的摘要内容隔离并监督为自然语言"信念状态"，替代完整交互历史作为智能体的工作上下文。在 CollabBench 协作编程任务上，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，峰值上下文 token 数也显著低于全上下文设置。
Berkeley AI ResearchAI 评分4040 智能免费之后怎么办？面向智能体、由智能体构建的数据系统
伯克利 EPIC Data Lab 提出，推理成本已从 GPT-4 级约 $30/百万 token 降至不足 $1、部分低于 $0.10，中位年降幅约 50x，数据系统需围绕智能体重构。作者提出三个方向：为智能体设计的数据系统、支撑智能体集群的数据系统、由智能体合成的数据系统。在 text-to-SQL 基准中多智能体尝试下仅 10-20% 子计划不同，80-90% 子查询存在重复计算。
Berkeley AI ResearchAI 评分1212 2026 届 BAIR 博士毕业生展示：机器人、LLM 推理与生成模型研究
加州大学伯克利分校 BAIR 实验室展示 2026 届博士毕业生的研究成果，覆盖机器人、LLM 推理、计算机视觉、生成模型与 AI 安全等方向。毕业生去向包括 OpenAI、Mistral AI、Physical Intelligence 等机构，以及高校教职和自主创业。
Berkeley AI ResearchAI 评分3636 自适应并行推理：高效推理扩展的下一个范式
伯克利 AI 研究团队综述并行推理领域进展，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子任务、开启多少并发线程以及如何协调。现有方法如自一致性、Best-of-N、Tree of Thoughts、MCTS、ParaThinker、GroupThink 和 Hogwild! Inference 的并行结构多由外部设定，未教会模型自适应行为。
Berkeley AI ResearchAI 评分3838 GRASP：面向世界模型长时程规划的梯度规划器
Berkeley AI Research 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、在状态迭代中注入随机性以探索、并重塑梯度让动作获得清晰信号，从而让世界模型的长时程规划更稳健。该方法针对长时程 rollout 中梯度爆炸/消失、非贪心结构导致局部极小值以及高维视觉模型“状态-输入”梯度脆弱等问题。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出 SPEX 与 ProxySPEX：大规模识别 LLM 关键交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX 算法，用于在大规模场景下识别 LLM 中驱动输出的关键交互。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 进一步利用层次结构，以约 10x 更少的消融达到 SPEX 的性能。在情感分析任务上，SPEX 在上下文扩展到数千特征时仍保持高忠实度，优于 LIME、Banzhaf 等方法。
Berkeley AI ResearchAI 评分3838 Berkeley AI Research 提出基于信息量的成像系统设计框架
Berkeley AI Research 提出一种直接以互信息评估和优化成像系统的框架，仅用带噪测量和噪声模型即可量化测量对物体的区分能力。该信息指标在彩色摄影、射电天文、无透镜成像和显微镜四个领域预测了解码器性能，优化后的设计达到 SOTA 端到端方法水平，且内存和算力需求更低、无需任务专用解码器。