搜索
具身智能正以前所未有的速度发展，VLA 模型展现出越来越强的动作和泛化能力。然而，当我们真正把 VLA 模型部署到物理世界时，一个核心挑战浮出水面：实时性。
Cursor 正式接入 Claude Opus 4.7 Fast mode——同一个旗舰模型，拆出两个速度档。快 2.5 倍，贵 6 倍，输出价每百万 token 150 美元。最离谱的是，Cursor 官方在发布当天就建议：多数任务请用标准速度。
最近三个月，我用 Claude Code Vibe Coding 了几个项目，非常有意思，写篇文章记录一下。
刚刚，Anthropic神秘王炸Mythos的基准测试泄露了，多项跑分直接刷新纪录！另外，泄露源码中还曝光出卡皮巴拉的细节：代号capabara-v2-fast，支持1M上下文。
近期，围绕「世界模型」这一方向，有两项工作受到较多关注。
AI写代码，这次玩大了。 Cursor创始人宣布一项疯狂实验的结果：让数百个AI智能体连续跑了整整一周，从零开始，硬生生造出了一个可用的Web浏览器。项目代号FastRender，产出超过300万行代码，核心是一个用Rust从头写的渲染引擎，甚至还自带一个定制的JavaScript虚拟机。
VLA 模型正被越来越多地应用于端到端自动驾驶系统中。然而，VLA 模型中冗长的视觉 token 极大地增加了计算成本。但现有的视觉 token 剪枝方法都不是专为自动驾驶设计的，在自动驾驶场景中都具有局限性。
基于扩散的大语言模型 (dLLM) 凭借全局解码和双向注意力机制解锁了原生的并行解码和受控生成的潜力，最近吸引了广泛的关注。例如 Fast-dLLM 的现有推理框架通过分块半自回归解码进一步实现了 dLLM 对 KV cache 的支持，挑战了传统自回归 LLMs 的统治地位。
在AIGC的浪潮中，3D生成模型（如TRELLIS）正以惊人的速度进化，生成的模型越来越精细。然而，“慢”与计算量大依然是制约其大规模应用的最大痛点。复杂的去噪过程、庞大的计算量，让生成一个高质量3D资产往往需要漫长的等待。
今天，NeurIPS 2025最佳论文出炉！4篇最佳论文，华人占多半，何恺明孙剑等人曾提出的Faster R-CNN获「时间检验奖」，实至名归。