搜索
一句话概括：文本世界模型都在比 "生成文本像不像真实环境"，但我们发现文本更接近真实环境的预测反而可能让智能体错得更离谱。把训练目标从 "状态一致" 换成 "行为一致" 后，16 组实验配置下世界模型的轨迹级一致性几乎全面提升，弱智能体离线评测的假阳性率从 42.5% 降到 9.5%。
真正的壁垒，藏在没法开源的部署Know-how里。
美国人烦 AI，欧洲人压根不在乎。
随着Office AI和文档智能体的发展，大模型开始直接处理财报、合同、研究报告等长篇图文材料。
赛博义父Tibo，又来给大家送温（重）暖（置）了！！
过去几年，端侧大模型一直在不断突破能力边界。
字节跳动创始人张一鸣亲自督战基于Seedance打造的空间视频生成AI模型，预计最快10月面世，该模型可响应PICO头显用户指令实时生成虚拟世界，有望盘活PICO并推动字节进入世界模型赛道。
Blender，可能就是这次GPT-6 Astra上线后的最大受益者。
王云鹤创业后，首次交卷了大模型成果。
“用AI从病理切片的数十亿像素的细胞形态里寻找答案。 ”
DeepSeek，一口气扩招150人！
Grok Bot，能替你上班了。
科大讯飞基于全国产算力发布2930亿参数的星火X2.5大模型，在代码、智能体、数学及理解等能力上有所提升，智东西通过游戏开发、3D创作、网页前端、数学推理和小说写作五项任务对其展开实测。
这回，老黄把AI基建的触手，伸进了模型层。
科幻早就预演过这一天，而这两年 AI 的真实进展，正把它推成一个可讨论的命题：AI 或许不会停在「工具」上，而会成为与人类共生的存在 ——AGI Being。
最近，AI 视频生成领域有一个备受瞩目的变化：视频的生成速度，已经比你看视频的速度都要快了。
先学会画，再学会听话。 LLaDA-Image 在预训练和中期训练阶段直接从图片学习视觉先验，超过 90% 的累计生成训练样本采用 image-only 监督；图文对则集中用于后续语言对齐。模型权重、训练代码和完整配方同步开放。
在大模型的发展中，提升能力的主要手段一直是 "做大"—— 更多参数、更多数据、更多算力。如今，另一条思路开始受到关注：与其不断堆叠新的层，不如让已有的层再跑一遍。这就是 Looped Transformer。普通 Transformer 的每一层只执行一次，而 Looped Transformer 会把其中一部分层重复执行，让模型在不增加参数的情况下获得更深的计算。
GPT‑6 发布后，Blender 跟着火了一把。
杭州自9月20日起向35家市级大学生创业园每人发放一张含1万积分的千问办公token卡，这是千问办公接入Qwen3.8-Max一个月后杭州首次将算力帮扶平铺到个人，标志着其AI产业思路从支持做模型的企业转变为支持用模型的人。
物理AI感知公司Lyte完成1.65亿美元C轮融资，投后估值达16亿美元，由Maverick Silicon领投，该公司由前苹果Face ID工程师创立，核心产品LyteVision™为机器人提供全栈自研感知基础设施。
AI算力调度公司Gimlet Labs获3亿美元融资，估值达30亿美元，由Andreessen Horowitz领投，Arm Holdings、微软M12等参投，公司目前专注于将AI工作负载分配至不同类型芯片并帮助客户搭建数据中心。
一项双机器人协作测试中，研究人员故意让其中一台机器人晚了 3 秒。
进入 9 月，新一轮旗舰手机还未悉数亮相，Pro Max 的命名已先在社交平台刷了屏。
AI行业最性感的故事一直在天上：更大的模型、更聪明的Agent、更接近AGI的能力，每隔几个月就把技术的天花板再往上顶一点。
过去一段时间，TiDB 团队启动了一项面向 Agent 的基础设施尝试——TiDB Cloud Filesystem。它把 Workspace 从 Session 和 Sandbox 的生命周期中独立出来：Agent 仍然通过熟悉的文件系统接口工作，背后则提供数据库级的持久化、版本、分支、回滚和权限控制。
近年来，视频生成模型在清晰度、时序一致性和可控性上快速进步。给定文本、图像、相机轨迹或玩家动作，模型已经能够合成连贯的后续画面，也让「可交互视频世界」逐渐从概念走向可观看、可操作的原型。
奥特曼亲口承认，GPT-6 Astra其实早就训练完了。
OpenAI的GPT-6 Astra登顶MazeBench等多项AI基准测试，以14%的成绩拿下3D空间推理第一，并在视频设计零件、3D分子交互模拟、频谱图识别声音等实际任务中展现出逼近AGI的全面能力，获得英伟达CEO黄仁勋认证为全球首个拿下AGI的团队。
AI视频生成正从质量竞争转向实时速度竞争，AI互动内容公司Yoroll基于开源MiniMax H3模型推出后训练模型Yoroll H3 Superfast，可在4秒内生成10秒768p带音频视频，并上线由其驱动的实时互动叙事产品YoLive。
