近日，来自 Meta、香港科技大学、索邦大学、纽约大学的一个联合团队基于 JEPA 打造了一个视觉-语言模型：VL-JEPA。据作者 Pascale Fung 介绍，VL-JEPA 是第一个基于联合嵌入预测架构，能够实时执行通用领域视觉-语言任务的非生成模型。
鹏城实验室与清华大学PACMAN实验室联合发布了鹏城脑海‑2.1‑开元‑2B（PCMind‑2.1‑Kaiyuan‑2B，简称开元‑2B）模型，并以全流程开源的方式回应了这一挑战——从训练数据、数据处理框架、训练框架、完整技术报告到最终模型权重，全部开源。
现有视频生成模型往往难以兼顾「运镜」与「摄影美学」的精确控制。为此，华中科技大学、南洋理工大学、商汤科技和上海人工智能实验室团队推出了 CineCtrl。作为首个统一的视频摄影控制 V2V 框架，CineCtrl 通过解耦交叉注意力机制，摆脱了多控制信号共同控制的效果耦合问题，实现了对视频相机外参轨迹与摄影效果的独立、精细、协调控制。
他独自承担了一个复杂的 TypeScript 微服务项目的改造工作。为了让老板同意，他当场拍着胸脯保证六个月内完成。随后，他转身将 Claude Code 调教成得力助手，协助自己管理与重写工作。为此，他每月花费 200 美元（约 1422 元）开通 Max 20x 套餐，将原本约 10 万行的项目重构为 30~40 万行规模。
起猛了，怎么在演唱会看到人形机器人跳「韦伯斯特」了！ 真就一个大写的「Wow」！12 月 18 日，在王力宏「最好的地方」巡回演唱会成都站现场，六台人形机器人随《火力全开》歌曲登台与歌手及舞者同台表演。
最近各种年度回顾陆续上线， OpenAI 的前联合创始人 Andrej Karpathy 也交出了自己对大模型的年度总结。就在今年早些时候，他在 YC 的一场演讲刷爆了全网，提出了不少新的观点：
三年前点燃大模型革命的 OpenAI，正在被算力成本、开源浪潮与分发缺口拖入泥潭。与之相反，谷歌用 Gemini 与全栈生态完成反击，把 AI 塞入搜索、安卓与广告。领先者与追赶者在 2025 年末交换了位置。
2025年最受资本热捧的具身智能初创公司，在2025年年终完成了“首秀”。它石智航，成立不到1年拿了17亿元融资后，刚刚交卷，举行了首次技术发布会。而它石的首秀，也是通过“绣”展现的——
最近，这家总部位于哥本哈根和纽约的公司宣布完成了 5500 万美元的 B 轮融资。这轮融资让 Dreamdata 的总融资额达到了 6700 万美元。在 AI 时代，营销人员需要一个真正属于自己的操作系统，而 Dreamdata 正在构建这样一个平台。
谷歌这波像开了「大小号双修」：前脚用Gemini把大模型战场搅翻，后脚甩出两位端侧「师兄弟」：一个走复古硬核架构回归，一个专职教AI「别光会聊，赶紧去干活」。手机里的智能体中枢，要开始卷起来了。
