Berkeley AI Research 在 NeurIPS 2025 论文中提出直接基于信息内容评估和优化成像系统的框架，用互信息指标统一分辨率、噪声等因素。该方法仅需噪声测量数据和噪声模型即可估计信息量，并提供真实信息的上界。在彩色摄影、射电天文、无透镜成像和显微成像四个领域，该指标能预测解码器性能，优化结果匹配 SOTA 端到端方法，同时内存、计算量更低且无需任务专用解码器。
Mistral AI 发布 Mistral OCR 3，在表单、扫描件、复杂表格和手写内容上对 Mistral OCR 2 的整体胜率为 74%。
推荐理由：原文给出了与 Mistral OCR 2 的对比胜率、定价和接入方式，读者可以据此评估文档解析方案的替换成本。
Mistral 发布新一代模型系列 Mistral 3，包括 MoE 架构的 Mistral Large 3（41B 激活、675B 总参数）以及 3B、8B、14B 三个尺寸的 Ministral 3 模型，全部以 Apache 2.0 协议开源。
推荐理由：官方公告完整列出了模型规格、开源协议、部署方式与可用平台，读者可据此评估在自有环境落地的可行性。
Mistral AI 宣布与德国企业和机构达成长期战略合作：与 SAP 合作在 SAP AI Foundation 中集成其模型，为德国和欧洲提供全主权 AI 技术栈并共同开发面向复杂行业和行政机构的解决方案；与 Helsing 加速开发面向国防和安全实际应用的视觉-语言-动作模型。
Mistral AI 在 Le Chat 中推出 Memories（beta）记忆功能，采用自动保存与可见召回相结合的混合方案，召回时显示记忆来源链接。功能围绕透明、可控和主权三个原则设计：用户可随时关闭记忆、开启无记忆的 incognito 聊天、编辑或删除单条记忆，并支持导出导入。
Mistral AI 发布教程，展示如何用 Mistral 微调 API 和 LaPlateforme UI，通过 LoRA 对 Pixtral-12B 在 Aerial Image Dataset (AID) 卫星图像分类任务上做领域微调。
Mistral AI 为 Le Chat 推出一批新功能：预览版 Deep Research 可生成带引用的结构化研究报告，语音模式由新模型 Voxtral 驱动，Think 模式由推理模型 Magistral 驱动并支持句中切换语言，Projects 可将对话分组管理并保留工具设置，还与 Black Forest Labs 合作提供图像创建与编辑。
Mistral 发布开源语音理解模型 Voxtral，含 24B 的 Voxtral Small 和 3B 的 Voxtral Mini，均采用 Apache 2.0 许可证并可通过其 API 调用，价格低至每分钟 $0.001。
推荐理由：官方公布了两个尺寸的开源语音理解模型、基准成绩和 API 价格，读者可据此评估其替代现有 ASR 方案的可行性。
Mistral AI 发布 Mistral Medium 3，定位 SOTA 性能、成本降低 8 倍的新级别模型。基准上达到或超过 Claude Sonnet 3.7 的 90%，定价为 $0.4 输入 / $2 输出每 M token，超越 Llama 4 Maverick 和 Cohere Command A，可在 4 张 GPU 以上环境自部署。
推荐理由：官方给出与 Claude Sonnet 3.7 的基准对比、定价和部署门槛，读者可据此评估企业落地的性价比。
Mistral AI 发布 Mistral Small 3.1，在 Mistral Small 3 基础上改进文本性能、增加多模态理解，上下文窗口扩至 128k tokens，推理速度达 150 tokens 每秒。
推荐理由：原文来自官方发布，给出基准对比、开源协议和硬件要求，读者可以据此评估它在轻量部署场景的可用性。
Mistral 发布光学字符识别 API Mistral OCR，接受图片和 PDF 输入，按顺序提取文本与图像，可配合 RAG 系统处理幻灯片、复杂 PDF 等多模态文档。
推荐理由：官方给出内部基准对比、定价和自部署选项，读者可据此评估它在多模态文档理解和 RAG 流程中的可用性。