蚂蚁灵波和港科大搞了个叫 LingBot-VA 的模型，把“预测画面接下来怎么变”和“判断该做什么动作”合到一个自回归框架里。论文说，每个任务只用 50 条真实世界的演示数据微调，在 RoboTwin 2.0 的简单和困难设定下，成功率分别到了 92.0% 和 91.1%。不过原文因为微信环境异常没抓到，具体实验细节和泛化边界暂时看不到，这个成功率数字...
推荐理由：标题的“50条数据”是个强钩子，对数据成本敏感的从业者吸引力很大。文章把自回归因果世界模型的机制讲得比较清楚，就是让模型先预测画面变化再决定动作，不是黑箱。但全文只有一篇论文发布，没看到开源代码、实物测试视频或跟主流基线（比如扩散策略）的量化对比，验证强度不够。所以重要性给78，属于值得关注但别急着全信的研究发布。
微软在Build大会上发布了7个MAI系列模型，覆盖文本推理、代码、图像、语音转文字和语音合成。主角是MAI-Thinking-1，一个35B活跃参数的混合专家模型，支持256K上下文窗口。它被定位为微软首个推理模型，训练数据链条干净，没有用任何第三方模型做蒸馏。随模型一起公开的109页技术报告在圈内评价很高，因为透明度给得足。报告里写明，模型的推理能...
推荐理由：我会先打个折：微软这次没公开模型权重、定价，也没给第三方评测结果，所以没法验证它实际有多强。但光凭 7 个模型、35B 激活参数的 MoE、256K 上下文和 109 页技术报告这几个硬数字，信息密度已经够高。加上这事发生在 Build 大会，直接摆在微软自家模型和 OpenAI 依赖的交叉点上，话题性拉满。正文没披露具体 benchmark 分数，这点先别太激动，但作为当天新闻，重要性给到 87 是合理的。
这个框架叫PhysX-Omni，目标是让生成的3D模型直接能进物理仿真跑起来，不用再手动修。它把刚体、软体和关节体三类物体的生成统一到一个流程里，省掉了以前要分开处理的麻烦。配套的PhysXVerse数据集有8700个资产，覆盖2900个类别，规模不小。评测基准PhysX-Bench从几何、尺寸、材质、可交互性、运动学和文字描述六个维度打分，但正文没披...
推荐理由：统一物理 3D 生成这个钩子很清晰，数据集和评测基准的规模也给了实锤，对做机器人仿真的团队确实有用。不过正文没提开源、没提落地案例，也没说生成质量跟现有方案比到底好多少，所以分数先不打满，78 分合理。
xAI 在 API 里放出了 grok-imagine-video-1.5-preview 模型，能把单张静态图片变成一段动态视频。你给它一张起始帧，再用自然语言描述想要的镜头运动、节奏和音效，它就会按你的指令生成一段最高 720p 的短片。官方说模型会尽量保留原图的光影和细节，让视频像是原图的延续，而不是重新画了一遍。它也支持把多段生成视频串起来，拼...
推荐理由：xAI 放出了一个能用的图像转视频 API 预览版，720p 输出加上用自然语言调镜头和音效，功能点很实在。我会先打个折，因为这只是个预览版，不是完整的基础模型发布，所以重要性停在 82 分。
Runway 的 Aleph 2.0 视频编辑功能现在可以通过 API 调用了，你可以把它直接嵌进自己的应用或产品里。它支持对最长 30 秒、1080p 的多镜头视频做局部修改，只动你想改的那部分，其他画面不变。正文没提价格、调用频率限制、处理延迟和地区可用性，这些实际落地要用的信息都还没给。
推荐理由：Runway 是视频生成的核心玩家，Aleph 2.0 把局部视频编辑能力开放成 API，上限拉到 30 秒和 1080p。这是个实用的产品更新，不是模型级大版本发布，重要性中等偏上。
有人在 RTX 4060 Ti 16GB 上实测了 Gemma 4 E4B 模型。用 LiteRT 引擎跑文字生成，平均每秒能出 157.2 个 token，而用 llama.cpp 的 Q4 GGUF 格式只有 66.3 tok/s，快了大约 2.4 倍。不过图片标注任务就没这么乐观了：处理 111 张全分辨率图片，LiteRT 耗时约 72 秒，Q...
推荐理由：这是一篇个人在 Reddit 上发的实测，不是官方报告，权威性有限，所以分数没往上拉。但 H、K、R 三项都站得住：速度对比抓眼球，测试条件和数据都写清楚了，对想在自己机器上跑 Gemma 的人有直接参考价值。我会先打个折，因为只有单卡单次测试，没提功耗和精度变化，但作为一手体验已经够用。
微软在 Build 2026 大会上公布了 Project Solara，一个专门为跑 AI 智能体的硬件设计的操作系统。它底层是安卓，不是 Windows。现场展示了两个概念机：一个是类似 Echo Show 的桌面设备，用人脸识别解锁后可以直接调用各种 AI 智能体；另一个是可穿戴工牌，带摄像头和指纹扫描，能唤醒 AI 智能体。正文没披露具体上市时...
推荐理由：我会先打个折：正文没给发货时间、开发者接口和定价，所以别当产品发布看。亮点是微软在 Build 2026 上拿出的 Project Solara，一个跑在 Android 上的 AI 硬件系统，不是 Windows。现场有两台概念机，一台放桌上的带人脸识别，一台可佩戴的徽章带摄像头和指纹，说明微软在试探 agent 硬件长什么样。系统层面用 Android 意味着生态借力，但也绕开了自家系统，这点挺有意思。隐私那块正文没展开，只提了人脸和指纹，具体怎么处理数据没说。
阶跃星辰发了个新模型 Step 3.7 Flash，把权重开放了，你可以直接下载用。它的定位是给智能体编程场景用，强调工具调用可靠，还能处理多模态输入。同一天 MiniMax 也开源了 M3，两家模型都已经能在 Kilo 平台上跑。正文没披露具体的跑分、参数量或硬件门槛，所以实际快不快、省不省资源还得自己测。
推荐理由：这条消息的钩子在于“开放权重”和“智能体编程”两个点，不是常规发个新版本。我会先打个折：正文没给模型尺寸、跑分、许可证和定价，所以只能算有信息增量但缺关键验证。对开发者来说，能直接下载权重、能调工具、能看懂多模态输入，这几个能力放在一起确实有吸引力，尤其现在大家都在抢智能体编程这条赛道。Kilo 上线也让想试的人有个现成入口。不过没披露性能对比和实际成本，这点先别太激动，等后续数据出来再看值不值得切过去。
NVIDIA 把 Cosmos 3 系列模型挂上了 Hugging Face，这次发了两个尺寸：Nano 版 160 亿参数，Super 版 640 亿参数。它是个全模态世界模型，输入可以混着来——文字、图片、视频甚至动作轨迹都行，输出也不止视频，还能直接吐图片、音频和下一步的动作指令。不过 Reddit 原帖的正文被网络策略挡了，实际跑起来的硬件门槛...
推荐理由：我会先打个折：正文没披露 benchmark 分数、许可证和训练细节，所以不能直接断定它比现有方案强。但 NVIDIA 把 16B 和 64B 两个规格的世界模型公开放在 HF 上，这件事本身就值得从业者看一眼——至少多了一个能本地跑、能接动作输出的多模态基座选项。对做机器人仿真和视频生成的人来说，输入支持动作轨迹、输出能直接给动作指令，说明它不只是生成漂亮画面，而是想往物理交互方向靠。这点先别太激动，因为没看到在真实机器人任务上的验证，但方向对，且开源降低了试错成本。
英伟达要在今年秋天把一台叫 RTX Spark 的 Windows 电脑推向市场。这台机器把一块 Blackwell 架构的 RTX 显卡和一颗 20 核 Arm 架构的 Grace CPU 焊在一起，通过 NVLink-C2C 高速互联，共享 128GB 统一内存。官方给出的 AI 算力是 1 petaflop，号称能在本地跑起 1200 亿参数、上...
推荐理由：英伟达把RTX Spark搬进Windows PC，不是发新模型，而是给开发者一台能本地跑120B模型的机器。1 petaflop算力和128GB统一内存这些数字，说明它想解决本地跑大模型内存不够、上下文装不下的痛点。对从业者来说，这意味着可以省掉一部分云端推理成本，延迟也更可控。不过正文没提具体功耗和价格，实际性价比还得等上市再看。整体是硬件产品更新，不是基础模型发布，所以分数落在78到84之间。
英伟达在台北电脑展上放出了一波开源模型和硬件。Cosmos 3 是一个能同时处理文字、图片、视频、音频和动作的“世界模型”，用了混合 Transformer 架构，把负责推理和负责生成的两个模块拼在一起。它分 Nano（16B）和 Super（64B）两个尺寸，其中 Super 微调后的文生图和图生视频能力，在开放权重模型里直接冲到了第一。Nemotr...
推荐理由：这次发布把视觉世界模型、大语言模型和本地推理硬件捆在一起推，信息密度高。Cosmos 3 的 MoT 架构和两个具体尺寸（16B/64B）给了明确的技术锚点，Nemotron 3 Ultra 的 550B-A55B 开放权重对想自己部署大模型的人是个实在消息。不过正文没给出具体 benchmark 对比或价格，实际效果和性价比还得等上手。整体影响面广，但还没到前沿实验室发新基础模型那种震动级别。
NVIDIA 的 Cosmos 3 在 Artificial Analysis 的开放权重榜单上，文本生图和图片转视频两项都排到了第一。它用了一种叫 Mixture-of-Transformers 的架构，把自回归推理器和扩散生成器拼在一起，有 16B 参数的 Nano 版和 64B 参数的 Super 版。Super 版在两项任务上分别超过了 HiD...
推荐理由：Cosmos 3 在 Artificial Analysis 的开放权重榜上把图像和视频生成的头名都拿了，我会先打个折——这只是单一基准的排名，不代表实际场景一定最强。但亮点在于它直接给了 16B 和 64B 两个尺寸，而且权重、代码、数据、微调方案全开源，这点对想自己训模型的人挺实在。正文没披露训练成本和推理延迟，所以别急着下“省钱”的结论。整体看，这条消息对关注开源多模态竞争的从业者有参考价值，放在 featured 档合适。
Gemini App 发帖演示了用 Gemini Omni 捏一个长相和声音都像你的数字分身，然后直接塞进视频创作里。帖子没提这个功能什么时候上线、要不要付费，也没说怎么防止别人拿你的形象乱用。
推荐理由：我会先打个折：正文只说了 Gemini Omni 能做个人数字分身，没披露上线范围、价格、安全机制或授权流程，所以信息缺口不小。但官方账号自己放出这个功能点，说明产品方向已经定了，对做视频创作和虚拟人业务的人是个明确信号。HKR 三项都踩中：钩子够强，事实够新，风险够直接。因为细节太少，重要性只能给到 74，放在 featured 里当个产品更新提醒，别当成熟方案看。
MiniMax 放出了一个叫 M3 的开源模型，把代码能力、一次能读 100 万 token 的长上下文和原生多模态（能直接处理图像、音频）做在了一起。在 SWE-Bench Pro 这个代码基准上拿了 59.0%，比 GPT-5.5 的 58.6% 和 Gemini 3.1 Pro 的 54.2% 都高一点；在 BrowseComp 自主浏览任务上 ...
推荐理由：我会先打个折：目前只有一条 X 帖子，没看到官方技术报告或第三方独立评测，所以分数压在 78–84 区间。但 M3 确实把编码、超长上下文和多模态打包开源，SWE-Bench Pro 59.0% 不算顶尖但够用，成本只有 GPT-5.5 的约 1/12，对想省钱又有长上下文需求的团队是个实在选项。这点先别太激动，等正式文档和更多实测出来再调判断。
Ethan He 在 NVIDIA 做完 Cosmos 世界模型后跳到了 xAI，带着一个小团队三个月就做出了 Grok Imagine。他有个很直接的观点：视频模型现在的智能主要来自语言模型，不是靠堆视频数据训练出来的。下一个 Sora 级别的突破不会是更好的视频生成模型，而是能规划、生成、修改、反复打磨一个完整创意任务的视频智能体。这期播客聊了从零...
推荐理由：我会先打个折：这篇是访谈级别的信号，不是论文或产品发布。它给了“三个月小团队从零搭建”这个事实，也点出了视频 Agent、音视频对齐和推理加速这几个方向，但正文没披露任何基准分数、具体成本数字或可复现的测试方法。所以它更像一份来自 xAI 内部的路线图预告，能帮你判断他们在往哪使劲，但暂时没法拿来做技术选型。对关注视频模型和多模态 Agent 的人来说值得扫一眼，别当结论用。
NVIDIA 在 GTC Taipei 把 Cosmos 3 完全开源了，模型权重、代码和数据集都放了出来。它被叫做首个物理 AI 全能模型，意思是能直接看懂真实世界、预测接下来会发生什么，并给出机器人该做的动作。这次发了两个尺寸：Super 版 320 亿参数，Nano 版 80 亿参数。正文没提具体跑分和硬件门槛，实际部署成本还得自己测。
推荐理由：HKR 三项都成立：钩子是 NVIDIA 开源物理 AI 模型，知识增量是 32B/8B 双版本加全套开放物料，受众是机器人、仿真方向的从业者。正文信息很薄，没给基准测试、没提许可证细节，所以分数压在 78–84 区间，不往上拔。
阶跃星辰这次放出的 Step 3.7 Flash 是个混合专家模型，总参数量 196B，还挂了一个 1.8B 的视觉编码器，但每次推理实际只动用 11B 参数，所以能跑到每秒 400 个 token。官方说在 Agent 任务上，它的成本只有 Claude 的零头。不过正文因为微信环境验证没抓到具体内容，实际跑分、具体任务对比和定价细节都没披露，这点先...
推荐理由：速度和参数数字都摆出来了，标题里那个成本对比很抓人。但正文没披露具体定价、基准测试的细节和开源条款，所以分数只能停在 82 这个质量更新档位。
OpenAI 放出了十多个旧金山的机器人岗位，团队由 Sora 的负责人 Aditya Ramesh 带队，是从他之前的 Worldsim 项目演变过来的。其中执行器设计工程师的底薪现金在 34.2 万到 44.5 万美元之间，另外还有 PPU 激励。不过原文因为微信环境异常，具体岗位职责和团队规模都没披露，只能看到招聘信息的大致框架。
推荐理由：这条消息有明确的团队、负责人和薪资数字，不是模型或产品发布，但作为招聘信号已经够硬。我会先打个折：目前只是招人阶段，离实际产品还有距离，这点先别太激动。不过 OpenAI 把机器人当成全栈方向来做，薪酬又直接对标顶级硬件人才，对同行抢人和行业风向都有参考价值，所以放在 featured 档位没问题。
VAST 推出了一个叫 Project Eden 的三层世界模型架构，把场景的持久状态和画面渲染拆开了。简单说，就是给 AI 生成的 3D 世界加了个“存档”功能，你改过的东西下次打开还在，不用每次都重新生成。文章还提到 VAST 在 A+ 和 A++ 轮一共融了将近 2 亿美元。不过正文因为微信页面环境异常被屏蔽了，具体技术细节和效果演示都没看到，这...
推荐理由：我会先打个折：VAST 不是一线基础模型实验室，正文也没披露具体基准测试结果或开放接入方式，所以分数落在 78–84 区间。但 Project Eden 把世界状态推演和视觉渲染拆成三层，还给了“存档”这个产品钩子，加上近 2 亿美元的融资规模，对关注仿真基础设施的从业者来说信息量够硬。
招商局狮子山人工智能实验室放出了一个叫 LiOS 的边云架构，专门解决机器人怎么用上云端大模型的问题。他们跨机器测下来，从本地摄像头到云端 GPU 显存，单向延迟大约 30 毫秒，这个数字对很多实时控制场景已经够用了。架构里低延迟视频传输模块直接开源，还附带了一个 LeFold 叠衣服数据集。不过正文因为微信环境异常没加载出来，具体用了什么模型、在哪些...
推荐理由：我会先打个折：招商局狮子山实验室不是头部平台，也没看到多源交叉验证，所以影响力止步中等。但这条消息确实给了干货——30ms相机到云端显存的延迟数字，说明端云协同在物理世界干活有戏，不是纯画饼。开源图传模块和叠衣数据集也算实在，同行能直接拿来测。正文没披露具体模型规模、功耗和复杂场景下的抖动，这点先别太激动。
VAST 在 A+ 和 A++ 轮融了近 2 亿美元，同时公布了 Project Eden 世界模型的架构。这套架构把“世界状态怎么变”和“画面怎么渲染”拆开了：先有一个结构化的状态层来推演变化，中间加一层条件接口做翻译，最后再用生成式渲染层出图。正文没披露具体估值、投资方和模型落地时间表，技术细节也只给了三层框架，没有实验数据和验证指标。
推荐理由：VAST拿了近2亿美元A+和A++轮，同时把Project Eden的三层架构亮出来：状态层管世界推演，条件接口层接外部输入，生成式渲染层负责最终画面。这个拆法让世界模型不再是一团黑盒，对做3D和具身智能的人有启发。不过正文没给出任何量化指标、开源时间或实际跑通的场景，所以我会先打个折，不往顶格推。
Runway 宣布以创始成员身份加入 Cosmos Coalition，跟 NVIDIA 和一批头部 AI 实验室搭伙，目标是共建并开源面向物理 AI 的前沿世界模型。第一个项目是 Runway 和 NVIDIA 联合开发的一个基础模型。世界模型说白了就是让 AI 能理解物理规律、预测下一步会发生什么、并据此行动，Runway 说这是他们从第一天就在押...
推荐理由：我会先打个折：正文只给了个标题和一句话摘要，没披露模型规模、训练数据、许可证和任何跑分，所以没法判断实际能力。但 Runway 加 NVIDIA 这个组合，加上“开源物理世界模型”这个定位，确实戳中了机器人、具身智能那帮人现在最头疼的事——没有好用的开源基础模型。这点先别太激动，等他们把模型和协议放出来再看。
英伟达把 Cosmos 3 称为第一个完全开放的物理 AI 全能模型，意思是它不只能识别图像，还内置了视觉推理、生成 3D 世界状态和直接输出动作的能力。这次放出两个尺寸：Super 版 320 亿参数，Nano 版 80 亿参数。正文没提训练数据规模、具体跑分和推理成本，所以实际能用多好、跑起来贵不贵还得等实测。
推荐理由：我会先打个折：正文是单篇发布稿，没给基准测试、没提许可证细节，也没说训练数据规模和实际部署条件，所以分数卡在 78–84 区间。亮点在于 NVIDIA 第一次把视觉推理、世界生成和动作生成打包成一个开放物理 AI 模型，并给出两个具体尺寸，这对机器人圈子的信号意义不小。但缺少验证信息，这点先别太激动。
MiniMax 把 M3 模型开源了，权重公开可下载。它把三个能力塞进了一个模型里：编程水平摸到了 GPT-5.5 和 Gemini 3.1 Pro 的边（SWE-Bench Pro 得分 59.0%），能处理 100 万 token 的超长上下文，还原生支持图片和视频输入。长上下文不卡顿的关键是他们自研的 MSA 稀疏注意力机制——在 100 万 t...
推荐理由：MiniMax M3开源了一个把文本、图像、音频塞进同一个模型的一体方案，上下文窗口拉到100万token。最实在的点是MSA注意力机制，每token计算成本降到前代的1/20，长文本推理能省不少钱。编码和Agent跑分看着不错，但正文没给出具体对比对象和测试细节，这点先别太激动。整体是一次有诚意的开源发布，信息量够，但验证还缺一环，所以放在featured而不是P1。
Qwen 发布了 Qwen3.7-Plus，把视觉理解和语言能力塞进同一个模型里，让它能直接看懂屏幕、操作手机 App、根据截图写前端代码，还能在命令行和图形界面之间来回切换干活。在 Terminal Bench 2.0 终端任务上拿了 70.3 分，比 Opus 4.6 Max 和 DeepSeek-V4-Pro Max 都高；在 Deep-Plan...
推荐理由：我会先打个折：正文只给了功能清单，没给任何硬指标。7 类能力听着挺全，聊天、看图、读文档、搜网页、调工具都塞进去了，但没参数、没价格、没上线日期，等于只看了个目录。这点先别太激动。不过 Qwen 这条线每次更新都会牵动国内从业者的注意力，尤其是把多模态和智能体绑在一起推，说明他们想在应用层抢身位。信息虽然薄，但话题本身够热，放在 featured 里提醒大家盯后续是合理的。
Vast 这轮融了将近 2 亿美元，估值达到 10 亿美元，正式跨进独角兽门槛。创始人是个 29 岁的游戏玩家，公司做的是用 AI 生成 3D 模型。不过正文没披露具体投资人是谁，也没说产品参数、技术路线和实际客户规模。光看融资金额和估值，在当下市场能拿到这个体量的钱，说明资本对 AI 驱动的 3D 内容生产方向还挺买账的。但没看到产品落地和收入数据，...
推荐理由：这条消息的钩子很足——创始人身份和估值数字都够直接。我会先打个折：正文没披露投资方是谁，也没说产品到底什么参数、效果怎么样，所以只能当融资信号看，别急着把它当成技术突破。对从业者来说，知道又一家 3D 方向的公司在拿大钱就够了，剩下的等产品出来再判断。
OpenAI 在 2026 年 6 月的威胁报告里披露，他们封掉了一批 ChatGPT 账号，这些账号很可能来自中国。操作者用简体中文写提示词、挂 VPN，让模型批量生成英文短评和政治漫画，主要攻击美国的关税、稀土、AI 和 5G 政策，并明确要求漫画里只能出现特朗普，不能出现中国或习近平。同一批账号还生成中文“水军”内容，攻击美国和以色列，放大反犹太...
推荐理由：OpenAI 自己发的威胁报告，把一起疑似来自中国的 AI 影响行动说得有鼻子有眼，手法、目标、规避策略全抖出来了。这事踩中了 AI 安全、地缘政治和内容审核三条敏感线，但本质上是一份安全事件通报，不是产品突破或技术论文，所以分数卡在 78 分这个区间，没往上走。
这篇文章来自微信公众号，但页面被环境验证挡住了，正文内容完全看不到。标题和摘要里提到的“复旦铁三角”和“最优物理 AI 路径”都是原文的说法，具体技术细节、实验数据和模型架构都没法核实。已知信息是：一个叫 STI-WM 的模型，主打时空一体的世界动作建模，用在机器人上，支持 RGB 图像、点云和机器人自身状态感知三种输入，能做上百秒的任务规划。另外还提...
推荐理由：这篇东西我会先打个折——全是公司自己说的，没给公开 benchmark 也没说模型能不能复现。但信息量确实不小：STI-WM 把视觉、点云和机器人自身状态揉进一个模型里，号称一次能规划上百秒的动作，这比现在多数 demo 里几秒的规划长得多。半年融了 5 轮、Pre-A 轮 3 个亿，还拉了 NVIDIA 站台，资本侧的信号比技术侧更实。对做机器人落地的人，这条至少能看出一条技术路线和资源密度，所以放在 featured 门槛上。
沐神智能搞了个叫 STI-WM 的模型，专门给机器人用的。它把 RGB 画面、深度点云和机器人自身状态（比如关节角度）同时喂进去，首创了时空一体的架构，不再是先看空间再看时间的两段式处理。官方说它能支撑上百秒的长任务推演，中间出错了还能闭环重新规划。不过正文没给出具体的基准测试分数，也没提部署成本，所以实际效果和性价比还得等更多数据。
推荐理由：我会先打个折：正文没披露权重是否开源、有没有标准 benchmark 对比、百秒推演在什么场景下验证的，这些关键信息都缺。但 STI-WM 把 RGB、深度点云和本体输入揉进一个时空一体架构，直接做百秒级推演，这个思路对做机器人世界模型的人有参考价值。眸深智能又是复旦系团队，英伟达也出现在标签里，产业和学术两边都有点关联。综合来看，信息够新、够具体，但验证强度不明，所以放在 featured 门槛附近，不往上拔。
The Verge 记者发现，TikTok、Facebook 和 Instagram 上出现了一批用 AI 生成的“黑人创作者”账号，比如一个叫“Aliyah”的虚构人物，假装是手工匠人，实际在卖 Shein 上 9 美元批来的皮带扣，转手标价 40 美元。这些账号靠 AI 头像和编造的身份故事，利用人们对黑人手工品牌的支持心理来赚差价，本质上就是数字...
推荐理由：这事抓人眼球的地方在于骗术够具体：AI 捏出一整套黑人创作者人设，专门瞄准“支持手工原创”的善意去卖劣质货。跨三个平台铺内容说明操作门槛低、可复制性强，但正文没给受骗人数或金额，所以严重程度得打个折。安全风险是实打实的，合成身份加代发货这套组合拳，平台现在很难防。
Google AI Developers 发推说 Nano Banana Pro（对应 gemini-3-pro-image）和 Nano Banana 2（对应 gemini-3.1-flash-image）已经正式发布，可以直接通过 Gemini API 调用。推文里贴了一些社区示例展示效果，但正文没披露定价、跑分、单次生成耗时或调用频率上限，想上...
推荐理由：我会先打个折：这就是个产品更新，不是技术突破。Google 把两个图像模型挂上 Gemini API 标成生产可用，对想用的人是个信号，但正文没披露价格、没给跑分、也没说调用限制，所以没法判断性价比。名字叫 Nano Banana，听着像玩梗，但背后就是 gemini-3-pro-image 和 gemini-3.1-flash-image，别被名字带偏。
这篇文章讲的是 Yi Tay，他在 Gemini Deep Think 拿到 IMO 金牌级成绩时担任建模联合负责人。他 2023 年参与创立了 Reka AI，639 天后又回到了 Google DeepMind。文章还提到他 2012 年就考过了 Trinity 古典钢琴副学士文凭，差点走上职业演奏的路。不过正文因为微信环境验证拦截，具体技术细节和...
推荐理由：这是一篇人物特写，不是 Gemini 能力发布稿。核心价值在于 Yi Tay 在 IMO 金牌成果里的具体角色、他创办 Reka 又回归的经历，以及 639 天这个精确时间跨度。文章没展开技术细节，所以重要性停在人物和行业信号层面，76 分放在 featured 档是合适的。
苹果发了篇论文介绍 PICO，一个用 AI 做图像压缩的编解码器。在主观画质差不多的情况下，它比 AV1、VVC 和 JPEG AI 省 57% 到 70% 的码率，也就是说文件体积能压到原来的三分之一甚至更少。在 iPhone 17 Pro Max 上跑，压一张 1200 万像素的照片要 230 毫秒，解压要 150 毫秒。正文没具体讲模型结构和训练...
推荐理由：HKR 三项都成立：PICO 有明确的 57%–70% 码率节省和 230 毫秒端侧编码数据，不是纯概念。但正文没提产品化时间，目前还是研究发布，所以分数放在 78–84 这个区间。
这篇推文本身因为微信环境验证没抓到正文，我只能根据已有的英文摘要和标题来还原。γ-World 是一个多智能体世界模型，核心是把多个 AI 角色放在同一个虚拟环境里互动。它用了一种叫“单纯形位置编码”的方法和 hub token 机制，把多个智能体之间的交互计算成本从平方级降到了线性级。说人话就是：以前每加一个角色，系统要算它和所有其他角色的关系，开销涨...
推荐理由：我会先打个折：这是研究发布，还没看到大规模落地验证，但技术点够具体。Gamma-World 解决的是多个 AI 同时在一个世界里交互时计算量爆炸的问题，用正单纯形位置编码让每个智能体知道彼此位置，再靠 hub token 汇总信息，把原本 O(n²) 的复杂度压到 O(n)。8 个玩家延迟压到 4.5ms 这个数挺实在，说明小规模场景已经能跑顺。不过正文没披露更多玩家数下的表现，这点先别太激动。整体属于有干货、有数字、方向对路的研究，给 featured 合理。
OpenAI 发了 gpt-realtime-translate，一个专门做语音翻译的模型。你对着它说 70 多种语言里的任意一种，它能直接用 13 种目标语言把语音播出来。OpenAI 说大模型虽然强，但特定任务还是得上专用模型。目前这个功能已经在智能眼镜上跑起来了，不过正文没披露延迟、准确率和具体硬件细节。
推荐理由：我会先打个折：正文没提延迟、定价和 API 开放时间，所以实际能不能用、贵不贵还不知道。但 OpenAI 把实时翻译塞进智能眼镜，70多种语言进、13种语言出，这个组合本身是个挺实在的进展，值得从业者看一眼。
一家叫 Shift 的 AI 训练初创公司说，可以免费给纽约人打扫房子，条件是允许他们拍摄保洁员干活的全过程：洗碗、擦台面、掸灰、拖地。这些视频会被用来训练家用机器人。公司还计划扩展到伦敦等城市。但正文没披露用户隐私条款、数据保留期限、后续收费模式，也没说具体什么时候进新城市。我会先打个折：免费保洁听着不错，但等于拿你家当机器人训练场，值不值得自己掂量。
推荐理由：我会先打个折：正文没披露视频拍到什么程度、数据保留多久、会不会扩到别的城市，所以别急着说这是机器人数据的灵丹妙药。但 Shift 这个做法确实戳到了一个真问题——教机器人做家务，缺的就是人在真实厨房里刷碗擦台面的视频。用免费保洁来换，比花钱买数据便宜，也比实验室摆拍更像真活。对从业者来说，看点在于这种采集方式能不能规模化，以及用户到底愿不愿意让陌生人架着相机看自己家。这点先别太激动，等他们公布授权条款和隐私处理再说。
一家叫 Shift 的 AI 训练数据公司说，可以免费帮你打扫家里，条件是让他们录下清洁工擦窗、吸尘、整理的全过程，拿这些视频去训练机器人。他们觉得这些数据的价值足够覆盖服务成本，网站上写的是“你得到干净屋子，我们拿到训练数据，双赢”。宣传片里清洁工戴着一顶有点奇怪的帽子干活。不过正文没提服务覆盖哪些城市、怎么处理隐私和知情同意，也没说已经收集了多少数...
推荐理由：HKR-H 和 HKR-R 都很实在：Shift 把家政服务直接变成机器人数据采集管道，话题性够强。HKR-K 有明确机制，但城市范围、隐私条款、数据集规模正文都没披露，所以先别太激动，暂时放在低曝光位。
The Verge 提前试了 Adobe Firefly AI 助手的测试版。它不像常规 AI 工具那样直接生成图片或视频，而是充当一个中间人，用对话的方式替你操作 Adobe 的设计软件。作者说，助手解释每一步编辑思路时讲得很清楚，但最终做出来的效果并不让人满意。正文没提定价、正式上线时间，也没列出完整支持哪些软件。
推荐理由：我会先打个折：这是 The Verge 编辑亲自上手 Adobe Firefly AI Assistant 测试版的体验文，不是官方通稿。它能在 Adobe 设计软件里听指令改图，解释流程挺清楚，但成品确实一般，所以标题才叫“平庸的设计实习生”。这点先别太激动，正文没披露定价、什么时候正式上线、具体支持哪些应用，信息有缺口。不过它踩中了设计工作自动化的敏感点——能不能用、好不好用、会不会抢活，所以给到 featured 门槛的分数是合理的。
小米大模型应用团队放出了一个叫 ControlFoley 的视频音效生成模型，权重和代码都开源了。它主要解决一个问题：以前模型只能看画面自动猜配什么声音，创作者没法干预。ControlFoley 支持三种用法——用文字描述想要的音效、用文字强行覆盖画面里原有的声音、或者上传一段参考音频让它模仿音色和风格，同时还能保证声音和画面动作对得上。团队自己训了一...
推荐理由：ControlFoley 把视频拟音做成可控生成，还直接开源了全套，对创作者和开发者都挺友好。它不是那种刷榜的基础模型发布，但胜在任务明确、工具属性强，放在 featured 门槛附近是合理的。
哈萨比斯判断，通用人工智能（AGI）最快 2029 到 2030 年就会出现，比之前想的快很多。他说的 AGI 不是只会干一件活的专用 AI，而是能像人一样跨领域学习、推理和创造的系统。现在那些能独立干活的 AI 智能体，在他看来就是 AGI 的预演。不过他也把话说得很清楚：AGI 不会突然蹦出来，而是一段持续加速的升级过程。他更担心的是，各国政府和社...
推荐理由：哈萨比斯这次把 AGI 时间线压到 2029-2030，比很多人的预期要快。他点出多模态和自主决策是硬指标，但正文没展开讲现在卡在哪、验证标准是什么，所以这个预测更像个人判断而非有数据支撑的路线图。我会先打个折：方向值得关注，但别当倒计时看。