科研工作流 · 多 Agent
数千个 AI Agent 并行读脑细胞数据，目标从“总结”转向“提出可验证线索”
来源事实：OpenAI、PerturbAI 与 Scripps Research 称，他们让由 GPT-Rosalind 驱动的数千个 Agent 并行分析数百万小鼠脑细胞的 CRISPR 数据，在 32 分钟内把基因扰动、细胞反应和论文线索组织成 reasoning atlas。团队报告，盲评专家 75% 的时间更偏好分布式 Agent 的分析；最大规模任务中，分布式方案引用超过 700 篇文献，单 Agent 仅引用 11 篇。公开材料描述的是既有数据分析，指出的生物机制仍待实验验证。
为什么重要（编辑判断）：关键变化是并行 Agent 能否把大规模实验数据转成“下一步值得做什么”的候选问题，而非只生成摘要。若独立复现并经湿实验确认，这种工作流可能缩短研究者筛选线索的时间；目前效果数据来自合作方发布，不能等同于已验证的新疗法或临床成果。
HN：146 分 / 97 条评论（检查时）盲评偏好为发布方报告候选线索尚待实验验证
开源模型 · 语音
Granite Speech 5.0：准确度、边缘速度和说话人归属分成三条路线
来源事实：IBM 发布一款 2B 多语语音模型，并更新 470M Turbo CTC 与 4.1 2B Plus：分别偏向高准确转写/翻译、低延迟边缘转写、多人录音的说话人标签与时间戳。2B 模型 Apache 2.0，覆盖英、法、德、西、葡、日等语种；模型卡写明以 390,000 小时公开音频及合成数据训练。IBM/HF 报告其英文短音频 WER 为 5.06%、开放权重模型排行第 2；该结果是厂商公布的基准，日期为 10 月 15 日。
为什么重要（编辑判断）：可选的 470M 版本和 llama.cpp、Transformers、MLX 等运行路径，让开发者能按设备、延迟和会议转写需求取舍。公开权重和 Apache 许可降低试用门槛；实际多语表现、噪声环境质量与硬件成本仍需自行测量。
HF 模型页：18 个赞、1 个讨论主题（检查时）公开权重 · Apache 2.0厂商基准，非独立复测