你是否曾为搭建具身仿真环境耗费数周学习却效果寥寥？ 是否因人工采集海量交互数据需要高昂成本而望而却步？ 又是否因找不到足够丰富真实的开放场景让你的智能体难以施展拳脚？
复旦⼤学、上海创智学院与新加坡国立⼤学联合推出全模态端到端操作⼤模型 RoboOmni，统⼀视觉、⽂本、听觉与动作模态，实现动作⽣成与语⾳交互的协同控制。开源 140K 条语⾳ - 视觉 - ⽂字「情境指令」真机操作数据，引领机器⼈从「被动执⾏⼈类指令」迈向「主动提供服务」新时代。
在一场矿难救援中，时间意味着生命。想象一台搜救机器人在部分坍塌的矿井中穿行：浓烟、碎石、扭曲的金属梁。它必须在险象环生的环境中迅速绘制地图，识别路径，并精准定位自己的位置。
在7000多种人类语言中，只有少数被现代语音技术听见，如今这种不平等或将被打破。Meta发布的Omnilingual ASR系统能识别1600多种语言，并可通过少量示例快速学会新语言。以开源与社区共创为核心，这项技术让每一种声音都有机会登上AI的舞台。
编程模型最新卷王来了。就在今天，火山引擎推出了面向Agentic编程任务深度优化的全新代码模型Doubao-Seed-Code。价格，调用价格国内最低，火山引擎还配套推出9块9套餐，一杯咖啡钱，就能搞定各种摸鱼小游戏——比如办公室躲老板（doge）。
昨晚，商汤正式发布并开源SenseNova-SI系列空间智能大模型，涵盖2B与8B两个版本。该系列模型在多个空间智能基准测试中均表现突出，其中SenseNova-SI-8B模型在VSI-Bench、MMSI-Bench、MindCube-Tiny与ViewSpatial四个核心任务上获得60.99的平均成绩
全开源多模态大模型（MLLM）的性能，长期被闭源和半开源模型“卡脖子”。
通用人工智能的终极瓶颈不是算法、算力和数据的“三驾马车”，而在思想史。
上周 Kimi K2 Thinking 发布，开源模型打败 OpenAI 和 Anthropic，让它社交媒体卷起不小的声浪，网友们都在说它厉害，我们也实测了一波，在智能体、代码和写作能力上确实进步明
AI的下一个十年，是构建空间智能的机器。李飞飞最新硬核长文，揭秘了空间智能「世界模型」核心框架和三大核心支柱。但「空间智能」究竟是什么？为何如此重要？该如何构建它？又该如何应用它？今天，李飞飞撰万字长文分享了自己关于构建和使用「世界模型」以解锁空间智能的思考。
