Cloudera 与 Mistral 达成合作，为企业数据带来专业化主权智能
Mistral 与 Cloudera 宣布建立合作伙伴关系，将 Mistral 的模型集成到 Cloudera 混合数据平台，使企业能在私有云、公有云、本地及完全隔离环境中部署 AI 模型并保持完全控制。企业还可在受控环境中基于大量专有数据训练定制模型，同时保留数据与生成智能的所有权。该合作面向 Cloudera 平台上 30 exabytes 的客户管理数据，旨在满足不断增长的主权 AI 需求。
全部 AI 动态
Mistral AIAI 评分4343
Mistral AIAI 评分5858 Mistral 用 AI 智能体将 4 万行 Fortran 77 迁移到 C++
Mistral 帮助一家欧洲能源运营商将 4 万行 Fortran 77 油藏模拟器代码迁移到 C++，该代码库没有测试套件和集中文档。团队先给 Fortran 代码加状态导出并用 C++ 测试框架做数值一致性验证，再用 Vibe CLI 生成上百个智能体沿调用树整理散落在 PDF 和注释中的文档。
Mistral AI精选AI 评分7272 Mistral 完成 30 亿欧元 D 轮融资，投后估值超 210 亿欧元
Mistral 完成 30 亿欧元 D 轮融资，投后估值超过 210 亿欧元，由 Samsung Electronics 领投，Scaleup Europe Fund（EQT 管理）与现有投资方 PSG Equity 担任联合领投。公司称资金将扩展前沿研究、扩大训练算力并加速国际化布局，目前业务覆盖 20 个国家，已服务 125+ 家全球企业，包括 Airbus、ASML 和 HSBC。
推荐理由：这轮融资将支持 Mistral 扩展前沿研究与训练算力，其开放权重与主权 AI 路线为判断欧洲 AI 竞争格局提供了参照点。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 WeatherNext 3 全球气象 AI 模型
Google DeepMind 与 Google Research 发布 WeatherNext 3，据 Brightband 独立实时评估为迄今最先进、最准确的全球气象模型。
推荐理由：原文给出了它直接从实时卫星观测学习、逐小时生成 5 公里分辨率预报的技术路线，读者可据此判断 AI 气象预报的能力边界与落地方式。
Microsoft ResearchAI 评分5656 微软研究院发布 GigaPath-Flash 与 GigaTIME-Flash，以更低算力支持群体规模病理研究
微软研究院联合华盛顿大学与 Providence 发布开源病理基础模型 GigaPath-Flash 与 GigaTIME-Flash，权重与代码以 Apache 2.0 许可在 HuggingFace 开放。
Mistral AIAI 评分5050 Mistral 与 HUMAIN 达成战略合作，推进沙特及中东主权 AI
Mistral 与 HUMAIN 宣布战略合作，将在沙特及中东地区推进主权 AI，合作规模达数亿欧元。双方初期聚焦网络安全与语音，计划开发阿拉伯语表现强劲的前沿模型，Mistral 还将探索使用 HUMAIN 的数据中心基础设施支持本地算力需求。两家公司同时计划在沙特推出面向受监管行业的联合市场策略。
Mistral AI精选AI 评分7171 Mistral AI 发布 Agentic Search：为 AI 系统提供更准确高效的检索结果
Mistral AI 发布 Agentic Search 检索层，以多步检索循环让模型在复杂文档中查找、检视并验证信息，在 FinanceBench 上将正确率从 26.7% 提升至 86%，在 OfficeQA Pro 上从 6.3% 升至 51.9%，p90 延迟最高降低 39.6%，token 消耗最多减少三分之一。
推荐理由：原文用两组基准给出 Agentic Search 相对一次式 RAG 的准确率、token 与延迟对比，可据此判断多步检索循环的收益边界。
Mistral AIAI 评分5959 Mistral AI 推出区域内推理、开放模型与欧洲算力基础设施，推进主权 AI
Mistral AI 宣布从三方面推进客户的主权 AI：推理的区域控制、开放模型选择以及欧洲算力的长期保障。
Berkeley AI ResearchAI 评分4444 自适应并行推理：高效推理扩展的下一个范式
Berkeley AI Research 的分析指出，自适应并行推理正成为高效推理扩展的下一个范式——由模型自行决定何时分解子任务、生成多少并发线程并加以协调。
Berkeley AI ResearchAI 评分5252 SPEX 与 ProxySPEX：大规模识别 LLM 中的交互
Berkeley AI Research 提出 SPEX 与 ProxySPEX，利用稀疏性与低度性把交互发现转化为可解的稀疏恢复问题，将交互发现规模从数十扩展到数千个组件。