AINews 汇总：Google 发布 Gemini Decision 1、Fable 5.2 登顶 Agent Arena
Latent Space 的 AINews 汇总当日 AI 动态，其中 Google 在 AIE CODE 活动上发布 Gemini Decision 1 决策模型，支持单次分类，输入定价 $0.10/1M tokens，端到端延迟约 150–250ms。
#评测/基准
Latent SpaceAI 评分6060
Latent SpaceAI 评分6161 Naive-N0.5-Flash 宣称每秒 2100 token，实测编码能力如何
Latent Space 实测了 NaiveAI 的开源权重模型 Naive-N0.5-Flash，它基于小米 MiMo-V2.5 继续训练，主打高吞吐的编码与推理场景。
Latent Space精选AI 评分8282 Anthropic 发布 Claude Fable 5.2 与 Mythos 5.2，重夺独立榜单第一
Anthropic 发布 Claude Fable 5.2 和 Claude Mythos 5.2，官方称在几乎所有评测能力上比 Opus 5.5 更进一步，在 Artificial Analysis 智能指数 v5 上以 65 分居首，超过 Gemini 4 Carbon 的 60 分和 Opus 5.5 的 59 分。
推荐理由：汇总 Fable 5.2 的首日独立评测与定价变化，能看清它靠更多测试用例换取分数的代价。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini Robotics 2.5 视觉-语言-动作模型
Google DeepMind 推出 Gemini Robotics 2.5 视觉-语言-动作模型，在 200 项任务评测中成功率比此前基线提升 30% 至 100%，完成任务速度快 20% 至 30%。
推荐理由：官方给出跨 200 项任务的成功率与速度提升，以及在奔驰产线的实测成功率，可作为 VLA 模型落地进度的参照。
Latent SpaceAI 评分5050 Latent Space 深度对话 Handshake AI：年化收入 10 亿美元的前沿实验室都在买什么数据
Latent Space 首期 AI 数据公司深度专访对话 Handshake AI 团队，其 AI 训练业务约一年内从上线做到 10 亿美元年化毛收入。节目现场演示了金融智能体在模拟银行中读取邮件、生成工作簿时误将客户邮件中的商誉数字带进 Python 相减的出错过程，并展示了科学图像基准 VIALS 与 CAREBench 等任务。
Hugging Face BlogAI 评分5353 AI2 发布 ToyBlocks 机器人学习仿真框架与首个 FoundationWorld
AI2 在 Hugging Face 发布 ToyBlocks，一个围绕机械臂与桌面方块的开源仿真框架，并把它定义为首个 FoundationWorld，配套任务与演示自动生成工具及行为评测指标。
Import AIAI 评分4040 Import AI 479：Realtime-Bench 评测低延迟任务、Spacewar 太空攻防与 Genie 4
Import AI 479 介绍了 Realtime-Bench，这个基准包含 50 个交互式游戏与网页任务，用于评测模型在低延迟任务中的表现。GPT-6 Astra（high）在 wall clock 设置下通过率最高，仅 36%，而在 paused clock 设置下高推理模型可接近 70% 甚至 80%。
Import AIAI 评分6363 Import AI 478：用数学做对齐、ProgramBench，以及 Mirendil 展示的 RSI 迹象
Import AI 第 478 期汇总了几项进展：AI 安全初创公司 Resolution 让智能体在约一周内自动形式化奇点消解，花费约 100B 输入 token、300M 输出 token、约 13.5 万美元和约 60 万行 Lean 代码，并认为这为研究损失曲面几何与泛化关系打下基础。
Mistral AI精选AI 评分6060 Mistral 发布时序基础模型系列 Timestral
Mistral 发布首个时序基础模型系列 Timestral，最大 209M 参数在 GIFT-Eval、TIME 和 fev-bench 三个公开基准上排名第一，仅用此前 SOTA 三分之二的参数。
推荐理由：Mistral 首发的时序基础模型以 209M 参数在三个公开基准上居首，并给出四个尺寸和 CPU 推理延迟对比。
Import AIAI 评分4949 Import AI 476：创造力与递归自我改进；不如中国的开源权重模型；AI 走向太空
Import AI 476 介绍了 Elorian 与 Scale AI 发布的 Humanity's Sixth Sense 基准，用 522 道题测试模型对视觉场景隐含信息的直觉推理，人类 pass@1 达 93.1，最高的 GPT 6 Astra 仅 53.6，GLM-5.3-flash 和 Kimi K3 分别只有 26.8 和 25.5。
GitHub Blog · AI & ML精选AI 评分6262 GitHub 发布 ReviewBench 开源 AI 代码评审基准
GitHub 发布代码评审基准 ReviewBench，基于 1.039 亿条真实 PR 的分布构建，包含 219 条来自 187 个开源仓库、覆盖 19 种语言的 PR。
推荐理由：GitHub 公开了代码评审智能体基准的数据集、评分规范和评审模型，附离线与线上实验的一致性证据。