HETA把空间H&E读出扩到免疫表型与核分裂,肿瘤核心与边缘的淋巴细胞密度各自对照泛癌TCGA参考
Aignostics更新空间H&E分析平台HETA,新增免疫表型读出、肿瘤浸润淋巴细胞分析、核分裂检测以及神经与脂肪分割。免疫表型分别测量肿瘤核心与边缘的淋巴细胞密度,各自对照泛癌TCGA参考,报告连续数值而非每张切片一个标签,研究者可据此自定义炎症型、排斥型与荒漠型阈值。平台还输出成熟与未成熟三级淋巴结构的计数和密度,并把组织分割扩展到9类,作为未来神经周围侵犯读出的基础。
Aignostics更新空间H&E分析平台HETA,新增免疫表型读出、肿瘤浸润淋巴细胞分析、核分裂检测以及神经与脂肪分割。免疫表型分别测量肿瘤核心与边缘的淋巴细胞密度,各自对照泛癌TCGA参考,报告连续数值而非每张切片一个标签,研究者可据此自定义炎症型、排斥型与荒漠型阈值。平台还输出成熟与未成熟三级淋巴结构的计数和密度,并把组织分割扩展到9类,作为未来神经周围侵犯读出的基础。
微软在Ignite 2026上把Copilot、Microsoft IQ、Agent 365、Perception安全系统与自研模型整合为一套面向企业的“前沿生态”栈,并宣布Microsoft-Decision-1.1、Code 2系列、Cyber 2 Flash与Perception正式可用。Copilot被定位为工作入口,把Chat、Cowork、Code、Autopilot与Office整合在一起,底层由Work IQ承载人员、文档、邮件、会议与项目等组织上下文。Agent 365作为控制面把既有治理、身份、安全与管理体系延伸到企业内智能体,微软称其中已有超过5000万个智能体。
LangSmith 面向企业版新增三项轨迹数据访问控制:管理员可隐藏轨迹的输入与输出,按用户组分配权限,并用根运行元数据设定轨迹级访问策略。此前团队要么搭建带重复轨迹和多工作区的自定义可观测方案,要么干脆不把轨迹送进可观测平台,前者维护成本高,后者让智能体工程师失去可见性。三项控制可叠加使用,使工程师查看运行树、延迟与成本等数据来排查问题,而敏感输入输出只对确有需要的人开放。
OpenAI发布面向高难度项目的GPT-6.2 Astra和面向日常工作的GPT-6.2 Sol,两者以更少输出token完成更难任务。在测试多步专业工作的Agents' Last Exam上,Astra比GPT-6 Astra高5.2分而成本不到三分之一,比Claude Fable 5.2高5.5分而成本仅为其5%。Astra在终端科学工作基准Terminal-Bench-Science 0.1上比GPT-6 Astra高9个百分点,成本不到三分之一。
Google把Gemini从对话助手改成能接手整件任务的执行者:用户把任务交给它,它在后台调用地图、日历、购物与支付等已接入的应用完成操作。此次更新以新的Gemini 4 Hydrogen模型在美国、日本、韩国、加拿大、澳大利亚和印度向数亿人免费推送,高级功能先在美国上线。官方给出的例子包括同时致电两家经销商并在五分钟内约好周五早间保养、分析电费账单定位到热泵在高峰电价时段启动,以及用折扣码在结账时再省10美元。
单克隆抗体曾是对抗新冠的重要工具,但病毒变异后很快失效,而靠大规模筛选找广谱抗体难以跟上进化速度。antiGen 不再只看序列,而是从病毒进化树上已发生的突变中学习,用约五十万参数预测下一步可能出现的突变;Germinal Multi 则在计算机上同时检验同一个抗体设计对多个变异版本是否都能结合。两者合用后,原本对 XFG 有效、对叠加预测突变而成的 XFG-Next 失效的 BD55-1205 被重设计为 X51,在实验中对两个版本都阻断了感染。
英伟达在SC26宣布面向科学研究的开放模型工具包Nemotron for Science,把Nemotron 3.5 Super VL开放模型与新的开放化学数据集及生命科学、化学后训练配方组合在一起,研究者可在DGX Spark、工作站或自有超级计算机上本地运行。在阿贡国家实验室,用该工具包构建的智能体从单条提示出发规划并检验假设、选择要运行的模拟,识别出两个新的结合位点。英伟达同时公布Rubin HPC GPU、扩展的Vera CPU平台,以及与IBM和费米实验室的量子计算合作计划。
MongoDB宣布收购分析数据库公司Firebolt,计划把Firebolt的高性能分析引擎集成进MongoDB智能数据平台,与运营数据库并排运行并自动保持同步,让应用和AI智能体直接对实时运营数据做复杂查询。此前这类分析通常要把数据复制到独立系统,维护管道并承担同步开销。MongoDB称Firebolt引擎已在生产环境支撑Similarweb对超过一万亿行、PB级数据的面向客户分析,动态查询达到亚秒级响应。
ElevenLabs发布Scribe v3 Live Medical,把面向临床语言的实时语音转写接入ElevenAgents中的通话智能体。此前其医疗转写只覆盖录音,而实时通话中的药名和剂量最容易被通用模型听错。在57段模拟门诊通话组成的PriMock57上,该模型词错率为12.8%,比测试中次优的医疗模型少17%错误;加载自定义术语表后,医疗术语错误最多减少48%。
Vercel 把开源智能体框架 eve 从公开预览推进到 1.0 正式版,补齐了安全审批、多人共享会话、跨会话记忆和 OpenTelemetry 追踪等能力。在 Vercel Workflows 上的托管压力测试中,同一份 100 轮负载每轮中位耗时从 9 月初的 3.036 秒降到 414 毫秒,该测试每轮只发一条消息、由模拟模型立即返回且不调用工具,计时不含模型生成时间。框架把调用模型、运行工具和委派子智能体的循环交给使用者自己掌控,并内置可恢复的 Workflow SDK。
Cradle宣布,argenx在初步合作取得结果后,把其端到端AI蛋白质工程平台扩展到更多科学家和抗体发现项目。此前argenx团队从起始候选分子出发做设计;使用该平台后,科学家在连续的设计、测试、学习循环中探索了起始候选之外的序列空间,并独立运行设计,使更多样的想法更快进入测试。平台把AI驱动的工程设计与从实验数据中主动学习、多性质优化放在同一系统中,用于优化先导分子并生成针对靶点亲和力与选择性等性质的抗体候选。
Mastra 发布内置 MCP 服务器,安装 @mastra/mcp 并配置认证后,整个 Mastra 服务在 /api/mcp 上暴露给 MCP 客户端。此前要由人通过 Studio UI 操作的任务,现在可由配置好的编码智能体或已连接的 MCP 客户端代为处理。服务器提供 call_agent、start_workflow 和 get_trace 三个工具,每次调用走与标准 HTTP 请求相同的服务器路由,并经过同样的 RBAC 与 FGA 检查。
SMSTPred 是一个多标签分类器,用蛋白质语言模型嵌入判断 SAM 依赖甲基转移酶的底物类型(DNA、RNA、蛋白质或小分子代谢物),不需要结构输入。在同源簇不重叠的交叉验证中,它的平均 MCC 为 0.94,高于序列同源最近邻 MMseqs2 的 0.848、结构同源检索 Foldseek 的 0.887 和 profile-HMM 的 0.519。把模型用于 1,249 个参考蛋白质组中的 115,850 条候选甲基转移酶后,预测显示小分子底物类在植物和放线菌门中占比更高,但植物中的扩张主要随蛋白质组规模变化。
微软把MAI-Image-2.7和MAI-Image-2.7-Flash以公开预览形式放上AI Gateway,两款模型都把最大输出尺寸提高到2048×2048像素,并为生成与编辑图像新增透明背景。开发者只需一个AI Gateway API密钥,无需微软账号,即可从文本生成图像或编辑已有图像。两款模型支持照片级写实、文字渲染,以及针对产品、人像和版式的定向编辑,并可用最多五张参考图引导编辑或组合主体。
预测酶转换数(kcat)需要区分同一酶在不同反应、不同酶在同一反应上的活性差异。EnzRef把反应化学拆成反应物与产物两个条件,分别与冻结的蛋白语言模型交互,再以每个酶自身的残基平均响应为参照,把条件响应写成相对该背景的偏差并重新组合。在CatPred-DB源域留出集上,单模型平均R²从MCKcat的0.553升到0.614;在酶序列未见于源训练的TurNuP-DB子集上,R²从0.259升到0.310,相对提高19.8%,且不做目标域适配。
非靶向代谢组学长期依赖先鉴定结构再做通路分析,而谱库不全使大量差异峰无法进入下游解释。Spec2Function把二级质谱与HMDB整理的多方面功能文本用双编码器对比学习对齐到同一功能空间,推理时不再要求查询谱有结构注释,再借检索增强生成给出有文献依据的功能摘要。在肝硬化和30组织猕猴衰老数据上,它覆盖了结构注释之外的谱峰并给出可跨物种对照的功能模块。
微软 AI 的 Decision-1.1 已上线 AI Gateway,面向路由支持请求、选择由哪个模型处理请求、确定工作流下一步或给 AI 回复打分这类决策任务,返回结构化答案而非自由文本。微软称它比 Decision-1 更准确、校准更好、速度更快;校准更好指模型给出的概率与它实际答对的频率更贴合,应用据此设定何时执行、何时标记复核或升级的阈值。请求格式与 Decision-1 相同,切换只需把模型 ID 改为 microsoft/decision-1.1。
差异表达分析要先定模型族、主比较和样本依赖,这些决定过去要么靠人,要么交给会写代码的自主智能体。statLens把数据刻画与规则校验交给代码、把研究情境解读交给语言模型、把最终确认留给研究者,在102项任务上七种模型准确率稳定在92.5–95.0%,而只用语言模型推理为17.5–46.8%。四个小模型的平均准确率从自主智能体的81.0%升到93.6%。
单细胞多组学整合中,不同分子层对同一对细胞是否相邻常给出不一致的证据,而多数方法默认这些关系同等可靠。GatorAnchor把每种模态的不确定性与模态间均值分歧一起写进融合表示,再按RNA相似度、第二模态相似度和共享边解码器支持为候选细胞关系打出复合不可靠度,据此削弱或删除不可靠边。在十个配对RNA+ADT与RNA+ATAC数据集上,它的AMI、NMI、ARI、ACC四项平均指标均高于九个代表性整合方法;保留90%最可靠候选边后,十个数据集的同类型边纯度全部上升,但图结构变化因数据集而异。
常规H&E染色切片只呈现细胞形态,此前病理基础模型以多细胞视野为单位,难以回答单个细胞的分子状态能否从形态中读出。Loki2以约1500万个细胞、覆盖15种组织与22个主要细胞谱系的UniSeg资源做分子到形态的知识蒸馏,把每个细胞核的形态嵌入对齐到转录组嵌入。在细胞分型任务上,Loki2的加权F1为0.806、加权准确率0.807,而作为冻结特征提取器的PLIP、GigaPath、UNI加权F1在0.574至0.608之间;其可检索的基因偏向形态上可区分的细胞身份与功能。