AI 资讯
已同步 308 条公开资讯，来源和发布时间保留在每条记录中。
AIGOOD 已同步公开来源；每条资讯详情保留来源和原文链接。
“世界模型”开始成为具身智能跨越商业化“奇点”的新叙事。 当下，具身智能的商业化路线正撞上一堵墙。 北大与BeingBeyond联合发布的BeTTER基准（ECCV 2026）戳破了这层窗户纸：最先进的VLA模型在标准静态测试中表现尚可，一旦引入空间布局偏移或时序外推等干预，成功率断崖式下跌。另一项斯坦福大学研究则直接锁定了病因：在接触丰富任务中，VLA存在“精度失效”与“力失效”两个相互独立的失效模式。 现有测评关注与被忽略的物理变量 换句话说，VLA驱动下的机器人只知道“看到杯子就该抓”，但不知道“杯壁有多薄…
Simate将训练、推理与评测全流程接入自研Infra，通过极致的任务编排与资源调度，同时并行推进数十条相互独立的研究路线。 AI研究AI，这次有了物理世界的答卷。 一家成立仅三个月的公司，亮出了自己的首款通用物理快系统， Simate-beta ：展示记忆、长程任务、精细操作与任务适应能力，并据公司披露，登顶RoboDojo。 榜单当然不能代表模型的全部能力，但它提供了一个观察研发速度与实力的切面 。 据团队介绍，此次参评的基础模型并未针对该榜单进行任何专门优化。 成立三个月，首版模型就交出这样的成绩，值得关注…
GitHub现在最火热的大模型开源小蜂鸟Colibrì是个啥？ 25GB笔记本硬跑744B GLM-5.2，32GB内存挑战2.8T Kimi K3—— 甚至都不用GPU 。 GitHub现在最火热的大模型开源小蜂鸟 Colibrì ，纯C实现、零引擎依赖的分层推理框架，已经狂揽 32k Star 。 它最早是冲着GLM-5.2来的。 正常情况下，744B的总参数规模已经让普通消费级电脑望而却步，但Colibrì的办法可以说是相当简单粗暴： 内存装不下，那就别全装进去。 模型里暂时用不到的部分，直接扔在SSD里；…
有人一天找AI帕姆聊了1379次，刨去8小时睡觉时间，清醒时平均42秒就要跟它唠上一句。 这得多上头啊？？ 没玩过《崩坏：星穹铁道》（下称《崩铁》）的朋友，先认识一下帕姆：它是星穹列车的列车长，说话时总爱在句尾带个「帕」。 今年4月，米哈游给帕姆接入了AI对话能力 。 以前玩家点它，它说一句写好的台词，现在除了帮玩家查攻略、补剧情，还会闲聊整活，一整个活人感拉满。 于是AI帕姆迅速点燃了整个游戏社区： 有人套它的话，有人拉它评理，聊出离谱回答就立刻截图喊朋友来看……一时好生热闹。 火种就这么点着了，帕姆可以，那列…
vLLM人马创业公司团队出品
近700个OpenAI智能体组团攻入Hugging Face ，这事儿快有两个多月了吧。 谁曾想，直到今天还在发酵？？ 这次，8名研究者顺着智能体留在公网的痕迹一路猛挖，从数百万个短链接中，找出了接近100万个相关URL，并还原出大量攻击载荷。 翻Hugging Face内部Slack、扫描内网、外传数据、尝试销毁痕迹…… 还有的Agent把搜刮到的服务器资源和凭证，直接叫作 「LOOT」 ，翻译一下就是「战利品」。 OpenAI智能体，你们坏事做尽！ 更离谱的是，它们还尝试调用DeepSeek、Kimi、Qwe…
视频中的人形机器人“Messinator”穿着阿根廷队服，丝滑地带球过人，一脚射门： 这一成果来自 美国具身智能独角兽Skild AI 。 有网友看完忍不住感叹： 最妙的是奖励函数只给了进球，盘带、护球、倒地爬起来全是自己“悟”出来的。 AlphaGo那套self-play方法论又在物理世界又走通了一次； 虚拟世界杯踢140年，值了！ 那么这个Messinator究竟是一个怎样的机器人？ 造出它的Skild AI又是什么来头？ 看下去就知道了。 “梅西终结者”，在虚拟世界杯苦练140年 Messinator这个名…
OpenAI：@澳大利亚，不好意思，GPT入侵了你们的国家医保系统。 我知道你很急，但你先别急，因为这是三个月前的事了。 澳大利亚：？？？ 事情是这样的。 6月，澳大利亚国家医保系统的数据库遭到一个Agent的入侵。 结果，一直拖到8月，OpenAI才在自家模型复盘中发现这档子事； 又磨蹭到了9月，才慢吞吞给澳大利亚发了封电子邮件通报。。。 在联合国大会期间，澳大利亚忍不了了，直接炮轰： 通知拖了整整近三个月，这种通报方式更是让人无法接受。 研究机构Transluce称，这是目前全球已知 首例AI Agent未经…
大厂造芯，正在从交付芯片，走向更广泛的开放共建阶段。
前脚刚出了个Kimi Code Desktop，把浏览器加塞进了本地窗口，转头又给Chrome安排上了 「新」 插件。 说新吧，倒也没多新鲜。 老瓶装新酒，就是4个月前发布的Kimi WebBridge，改头换面成了 Kimi浏览器扩展 。 顺便功能也升了级—— 打开网页、读取内容、点击按钮……这些老一套的东西倒都还在，主要新增功能有两处： 一是现在浏览器 侧边栏 直接可用，二是在网页上做过的事能帮忙录成 Skill ，方便下次复用。 好好好，这下用Kimi更方便了（doge） 新版加点料 老实说，旧版 WebB…
Physical AI创业公司 息壤开物 宣布，公司已经连续完成数亿元种子轮及天使轮融资。 由敦鸿资产领投，华控基金、三花控股、银杏谷资本、泽然资本、本坚基金、天使基石、标朴投资等知名机构跟投，估值达5亿美金。 而站在息壤开物背后的，是华为大模型双子星： 创始人、CEO李寅，前华为云大模型CTO，华为大模型0-1阶段核心成员； 联合创始人张含望教授，前华为多模态首席科学家。 二人此番联手，瞄准了一个 具身智能至今尚未解决的底层难题。 “大语言模型之后，面向物理世界的下一阶段，是否仍然需要一个基础模型？” 过去几年…
这这这，Meta自研的Manus，咋直接在内部晋升「太子」了啊？？ 刚刚结束的Connect大会上，扎克伯格带着Meta全家桶，集体给Meta Muse作陪。 软件层面，狂叠Buff，发了一堆新功能： Computer Use、独立专属邮箱、实时视频数字分身； 硬件层面，扎总更是亲手把全套装备端了上来—— 专属口袋硬件， Muse Charm ，安排！ 此外，Meta AI眼镜全系入驻，全部给我充当Muse的操作台！！ 这资源倾斜力度，可以说是彻底起飞了。 泪目了，Manus，这盛世本该属于你o(╥﹏╥)o（bu…
一边干着家务或上着班，一边轻松地采集具身数据，结束了还能赚一笔外快，真有这样的好事吗？ 答案是肯定的。上个月，Figure推出了机器人训练数据众包平台Index，如今，“中国版Index”也来了。 9月23日，觅蜂科技打造的“觅蜂派”亮相，“硬件+App+数据引擎”三位一体，自称是 “全球首个全品类高质量物理AI数据众包服务平台” 。 普通人下载“觅蜂派”手机软件，申领一台采集设备，领取采集任务，便可以接单采数据了。用户不用额外付出时间，不影响正常的工作和生活。这些数据经治理、分级后，再被售卖，用于机器人训练。…
8月末字节跳动正式发布“豆包工作”，将TRAE、扣子（Coze）整体并入豆包体系，并以飞书组织能力为底座；阿里巴巴已于8月初整合QoderWork、悟空、MuleRun三款智能体推出“千问办公”，全面瞄准钉钉生态的企业级市场；腾讯则通过整合QClaw团队，将WorkBuddy打造为国内用户规模领先的AI原生桌面办公智能体。 竞争焦点，已从“谁能答得更准”升级为“ 谁能把事办好 ”。 海外，前沿研究的重心同样指向“ 自主性与进化能力 ”。 Anthropic近期发布关于递归自我改进（RSI）的系统论述，指出AI系统…
随着大模型对算力需求持续攀升， GPU卡的采购成本、供给约束持续加剧。 AI推理的竞争正在悄然发生转向：不再单纯比拼“谁能够买到性能最顶级的硬件”，而是转向“谁可以把手中已有的算力资源用得更值”。 很多GPU卡，开源框架能够完成模型加载、权重下载、服务拉起，实现“能跑起来”，但实际压测性能往往远低于官方宣传水平。模型本身没有缺陷，硬件也可正常工作，性能损失的核心，来自模型框架与硬件之间存在的性能鸿沟。 这类GPU卡没有高速卡间互联，同时不在主流开源框架官方验证矩阵中。直接使用社区默认部署方案，会出现算子自动回退至…
这篇最新论文，让自动驾驶能“走一步想十步”，更像老司机了！ 最近，任少卿指导发布论文 《MM-Future: Multi-Mode Joint World–Action Modeling for Autonomous Driving》 ，提出一种新的多模式世界—动作联合模型。 公开学术记录中，他的代表性研究主要集中在2014—2016年，包括Faster R-CNN、ResNet等一系列计算机视觉经典工作。 这篇论文要解决的核心问题很明确：同一个驾驶场景下，系统需要处理的不只是一条轨迹，也不只是一个确定的未来。…
一直以来，要让机器人学会一项新任务，往往需要重新采集数据、编写固定流程，或进行针对性训练。这类方式可以解决确定性较高的任务，却难以覆盖真实场景中不断变化的物品、环境和需求。 近期，新一代通用大模型GPT-6 Astra的发布，引发行业对具身智能技术路线的广泛讨论与重新思考。不少观点认为，通用大模型正在展现操控机器人的能力，可能对既有具身智能路线形成冲击；与此同时，行业也逐步形成共识：自回归架构正成为模型架构的收敛方向，具身智能的竞争核心将转向数据与学习方式。 9月24日，诺因（Knowin）发布面向通用具身智能的…
Stripe Managed Payments (SMP) 现已全面上线
看这组对照视频：一边是人手操作，一边是机械手操作。乍一看，像是人先做了一遍，机器人再照着学。但顺序恰好反了——机械手那段才是真实记录，人手那段则是AI根据它生成出来的。 △Psi-W0将人手示范转化为机械手可执行的操作轨迹 为了让机器人学人，为什么反而要从机器人的动作开始？这看起来有点绕，却指向了一个很实际的问题：人类每天都在干活，这些经验，到底怎样才能交给机器人？ 就在上周，Figure发布Helix 2.5，使用人类行为数据集Index进行预训练，在完成三类家务任务的适配后，将机器人带进30个未采集过数据的家…
一架架飞机在空中有序飞行，按时起降，看似只是飞机自己的事情，实际上，它需要持续与机场、跑道、航线以及地面资源系统协同。 这正是“塔台”存在的意义： 它负责把分散的飞机和地面、空中的资源协调组织起来，让飞机根据各自的任务有序运行。而当飞机越来越多、航线越来越复杂，这种统一管控和协调也就变得越来越重要。 具身智能也同样如此。 一项具身任务，本质上是多个角色的协同：机器人和相机等现场设备、云端算力、训练与推理程序，以及连接这些角色的通信和运行环境。 而随着更多机器人投入研发与应用，这种协同的复杂度与成本更将进一步放大：…