万帧实时！流式3D重建天花板，被国产开源模型打破了
万帧实时！流式3D重建天花板，被国产开源模型打破了蚂蚁灵波，下了盘大棋。
来自主题: AI技术研报
6152 点击 2026-04-16 16:30
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
蚂蚁灵波，下了盘大棋。
我和周围朋友都特别爱玩《星露谷物语》。
质量和成本只能二选一？通过大脑+小脑分层、场内+场外双轮驱动，数据堂给出了具身智能数据难题的解。
大模型写代码这件事，越来越像「既能写片段，又离真实工程差一截」。
当强化学习后训练的大规模 rollout 已经被证明能够提升图像生成模型的偏好对齐能力，推理负担就成了制约训练速度的核心瓶颈。来自 NVIDIA、港大和 MIT 的团队提出的 Sol-RL，通过「FP4 先探索、BF16 再训练」的后训练框架，将达到等效 reward 水平的收敛速度最高提升到 4.64x，在训练速度与对齐效果之间给出了一条更具工程可行性的解法。
最新研究提出合成数据的全新分类框架，突破「生成模型=合成数据」的传统认知，涵盖反演、仿真与数据增强等方法，并按应用层次划分为数据中心AI、模型中心AI、可信AI和具身AI。
为什么你的“AI优先”战略可能大错特错？一文读懂。
如何工业化生产AI漫剧。
我们很荣幸地宣布 CloudBase CLI V3 正式上线，这是一个面向 AI Agent 重新设计的 CloudBase 命令行工具。
一个在 AI 社区广泛流传的架构思路，正在让大量团队走弯路。
全球最强编程模型，中国造。
Hermes Agent最近在AI圈彻底火了。
Claude Code 今天上了一个新能力：Routines，面向 Pro、Max、Team 和 Enterprise 用户开放
在生成式视频快速发展的今天，模型已经能够生成高质量的短视频片段，但一个更具挑战性的问题正逐渐成为研究焦点：
当大模型训练进入深水区，竞争的关键已经不再只是「模型参数怎么调」，而逐渐转向一个更核心、也更难系统解决的问题：模型在训练过程中究竟看到了什么数据、以什么比例看到、哪些样本应该被更频繁地学习。
眼瞅着四月马上过半，OpenClaw 刮起的这股「养虾风」依然没有停歇。
Anthropic正式推出了Claude Code的自动化任务功能Routines，目前处于研究预览阶段。只要配置好一次提示词、代码仓库和连接器，Claude就能在云端全自动干活了。这些任务全部运行在Anthropic的云端基础设施上，意味着完全不需要你一直开着电脑，哪怕你下班关机，它也能按时帮你处理代码积压、审查代码，甚至随时响应云端事件。
上周，我们发布了 MMX-CLI，让 Agent 可以直接通过命令行调用 MiniMax 的全模态能力。命令行是 Agent 在终端中完成工作的常见形态，但用户的工作并不只发生在命令行内，电脑上还有大量任务藏在命令行无法触达的本地软件、内部系统和图形界面中。
拍一圈照片，就能生成一个可交互的 3D 世界，已经不是什么新鲜话题了。但问题是如何把一个大世界塞进普通人的手机浏览器里。
026 年初，OpenAI 和 Anthropic 几乎同时发布了关于 Harness 的技术实践文章，LangChain 工程师 Viv 给出了一个简洁的公式来概括这个理念：Agent = Model + Harness。模型提供智能，Harness 让这个智能能真正投入生产。
LangChain 联合创始人 Harrison Chase 上周发文，说透了 AI Agent 领域一个还没有多少人讲清楚的问题：外壳和记忆是同一件事，你没法分开。
近年来研究者们一直在试图通过仿真环境批量产出具身训练数据。
距离新模型Marble 1.1&1.1-Plus发布不到一个周，李飞飞空间智能独角兽World Labs再度传来新消息—— 开源3D高斯溅射渲染引擎Spark 2.0。
太疯狂了！Anthropic刚刚发布Claude Code新版，上线神秘功能Routine：支持定时、API、GitHub三路触发，直接变身「云端员工」。更刺激的是，Opus 4.7即将本周闪电发布，直接跨界硬刚Adobe、Figma。
随着新一代主动执行型 Agent（如 OpenClaw、Hermes Agent 等）的爆发，AI 正经历从「被动工具」向「具备自我演化（Self-Evolving）能力的智能体」的范式跃迁。然而，受限于上下文窗口极限与记忆缺失，现有 Agent 难以在复杂任务中实现经验的复用与自我进化。
最近，具身智能圈被 Generalist CEO 的一篇长文《Going Beyond World Models & VLAs》刷屏。文章抛出了一个看似振聋发聩的观点：目标远比工具标签更重要。与其陷入 “我们到底是在做 VLA（视觉 - 语言 - 动作模型）还是世界模型（World Model）” 的教条之争，不如回归本源：让机器高效、准确地作用于物理世界。
在选择使用大模型 (LLM) 时，除了模型性能强弱，价格也是一个重要指标。人们通常会用大模型的 API 定价更贵或更便宜，来比较模型的价格高低。但事实上，定价低的模型真的比定价高的模型使用起来更便宜吗？
最近，GitHub上Hermes Agent火了，仅仅几周的时间，从0涨到了7万多Star。
代码大模型会写代码，这件事已经不新鲜了。
小红书AI平台团队刚刚开源了Relax——一个为全模态数据、Agentic工作流和大规模异步训练协同设计的现代RL训练引擎！实测全异步Off-Policy模式相比共卡On-Policy吞吐提升76%，相比veRL的全异步实现提升20%！