Dyna Robotics 联合创始人兼首席科学家 Jason Ma 在 Latent Space 播客中介绍，Dyna-2 是基于超过一百万小时人类视频预训练的世界动作模型，采用扩散 Transformer 与 flow matching，先预测未来视频再生成机器人动作，类似视觉层面的链式推理。他称模型只需数十分钟到数小时的机器人演示数据即可适配新任务，Dyna-2.1 物理机器人已能连续一小时完成洗衣流程，餐厅客户 Din Tai Fung 处每天折数千张餐巾。他把数据与硬件列为通用机器人的主要瓶颈，指出灵巧手易过热、缺少触觉等传感维度，并解释公司选择轮式半人形、自研执行器与推理栈以压低延迟。
匹配字段摘要
Suno 博客 Spotlights 栏目收录多篇音乐人访谈与幕后创作故事，最新一篇于 2026 年 10 月 13 日发布，讲述 Nina McNeely 在两次拍摄中呈现 Braylon Browner 与 Banoffee 的创意构想。其余文章包括 sad alex 谈词曲创作与短视频、Dream Relic 的声音理念，以及 Matt Steffanina、Eric Christian 的创作分享。
匹配字段摘要、正文
Grok @Bot 的最新更新——免费访问 X、自带邮箱以及 Opus——让它成为我最喜欢的常驻智能体。 在我的新教程中，我演示如何最好地利用这些更新来： → 在 X 上分析产品情绪、推文和视频创意 → 让 Grok Bot 给你发送每周业务和健康回顾邮件 → 用 bots 和 Opus 剪辑说唱对战视频并运行客户支持
Grok @Bot 的最新更新——免费访问 X、自带邮箱以及 Opus——让它成为我最喜欢的常驻智能体。 在我的新教程中，我演示如何最好地利用这些更新来： → 在 X 上分析产品情绪、推文和视频创意 → 让 Grok Bot 给你发送每周业务和健康回顾邮件 → 用 bots 和 Opus 剪辑说唱对战视频并运行客户支持
匹配字段摘要
前 Google CEO Eric Schmidt 表示，AI 的真正限制不是能源而是现金。他按每吉瓦约 500 亿美元估算，10 吉瓦就是 5000 亿美元，并质疑有多少公司和国家能向一个行业投入上万亿美元资本；他认为美国资本市场能借到这类资金，欧洲则做不到。该推文引用自 Special Competitive Studies Project 的 YouTube 视频。
匹配字段摘要
卡尔的AI沃茨提出“大AI理论”：第一步用最高推理档加计划模式，靠语音、图片、视频把想法不加整理全倒给AI；第二步降到中档推理快速干活，Terminal Bench 3.0 数据显示详细需求+中档推理质量优于模糊需求+高档推理；第三步调回高档让AI审查中档产出，作者称可额外揪出20%-30%的问题，验证耗时约为从头生成的三分之一。
匹配字段摘要、正文
Meta 给顶尖研究员的巨额薪酬方案大致是"净中性"的 - Alexandr Wang（Meta 首席 AI 官、Scale AI 联合创始人） Meta 那些著名的天价 offer 对许多 AI 研究员来说其实算不上涨薪，因为他们在 OpenAI 和 Anthropic 的股票涨了太多，留下来拿到的钱差不多 所以真正的吸引力是使命 ---- 完整视频在 "David Senra" YouTube 频道（链接见评论）
Meta 给顶尖研究员的巨额薪酬方案大致是"净中性"的 - Alexandr Wang（Meta 首席 AI 官、Scale AI 联合创始人） Meta 那些著名的天价 offer 对许多 AI 研究员来说其实算不上涨薪，因为他们在 OpenAI 和 Anthropic 的股票涨了太多，留下来拿到的钱差不多 所以真正的吸引力是使命 ---- 完整视频在 "David Senra" YouTube 频道（链接见评论）
匹配字段摘要
哥伦比亚大学 Agentic Engineering 最新课程 第 5 讲「What Tools Does an Agent Actually Need?」的视频和讲义也公布了 Youtube 视频： https://t.co/z7VpepxAGy 讲义 Slides： https://t.co/6m95lIHgAR
哥伦比亚大学 Agentic Engineering 最新课程 第 5 讲「What Tools Does an Agent Actually Need?」的视频和讲义也公布了 Youtube 视频： https://t.co/z7VpepxAGy 讲义 Slides： https://t.co/6m95lIHgAR
匹配字段摘要、正文
Nature Will 发布首个面向物理世界的基础模型 Natura-1，基于一百万小时人类操作不同场景与物体的第一视角视频数据训练，可处理此前未见过的物体和任务。该模型支持细化到物体最终位置与朝向的指令，能在抓取姿态中途变化时保持控制，并可用左右手分别执行不同任务。在较长任务中，Natura-1 能追踪已移动或已打开的物体，并判断下一步操作。
匹配字段摘要
Perplexity 创始人兼 CEO Aravind Srinivas 表示，公司营收同比增长 5 倍，他将这一增长归因于智能体热潮。他指出，真正在电脑上执行任务的智能体需要网页搜索、浏览器以及能在多个 AI 模型之间切换的系统，而 Perplexity 在这波需求到来之前就已具备这三项能力。相关完整视频发布在 Molly O'Shea 的 YouTube 频道 Sourcery。
匹配字段摘要
与政府关联的主权基金已接触 Perplexity，要求其智能体产品完全运行在它们自有的硬件上，Perplexity 被完全隔绝于其数据之外。 代价是 Perplexity 无法看到 bug 或从使用中学习，只能推送软件更新，但客户获得了完全的控制权和信任。 ---- 完整视频见 "Sourcery with Molly O'Shea"（@MollySOShea）YouTube 频道，（链接在评论中）
与政府关联的主权基金已接触 Perplexity，要求其智能体产品完全运行在它们自有的硬件上，Perplexity 被完全隔绝于其数据之外。 代价是 Perplexity 无法看到 bug 或从使用中学习，只能推送软件更新，但客户获得了完全的控制权和信任。 ---- 完整视频见 "Sourcery with Molly O'Shea"（@MollySOShea）YouTube 频道，（链接在评论中）
匹配字段摘要
Cathie Wood（ARK CEO 兼 CIO）：AI 可能引发自工业革命以来全球增长的最大加速。 工业革命前，全球实际 GDP 增长约为 0.6%；之后升至 5 倍，即 3%。 如果这场 AI 革命重演工业革命的五倍跃升，全球实际增长将约为 15% ---- 来自 "ARK Invest" YouTube 频道，（完整视频链接见评论）
Cathie Wood（ARK CEO 兼 CIO）：AI 可能引发自工业革命以来全球增长的最大加速。 工业革命前，全球实际 GDP 增长约为 0.6%；之后升至 5 倍，即 3%。 如果这场 AI 革命重演工业革命的五倍跃升，全球实际增长将约为 15% ---- 来自 "ARK Invest" YouTube 频道，（完整视频链接见评论）
匹配字段摘要
Mark Zuckerberg 和 Alexander Wang 刚刚透露，Meta 的前沿研究团队只有约 100 人。 基础设施方面也大约 100 人。 -- （完整视频见引用的推文以及 "Cheeky Pint" YouTube 频道，（链接在评论中）https://t.co/zGgkoh7BMi
Mark Zuckerberg 和 Alexander Wang 刚刚透露，Meta 的前沿研究团队只有约 100 人。 基础设施方面也大约 100 人。 -- （完整视频见引用的推文以及 "Cheeky Pint" YouTube 频道，（链接在评论中）https://t.co/zGgkoh7BMi
匹配字段摘要
面壁智能 MiniCPM-V 4.7（1B 与 35B-A3B）通过与 Nativ 合作，在 Mac 上实现 Day 0 全本地推理，支持图像与视频理解。在 Apple Silicon 搭配 Nativ v0.4.x 实测：1B 版 prefill 超 24K tokens/s、decode 315 tok/s；35B-A3B 版 prefill 超 4K tokens/s、decode 90 tok/s。
匹配字段摘要
InternLM 推出 OVO-S-Bench，一个面向多模态 LLM 流式空间智能的全人工标注基准，含 348 个源视频上的 1,680 道题，按瞬时自我中心感知、时空上下文追踪、空间模拟推理、异我中心建图四个层级划分。在 38 个闭源与开源 MLLM 上评测，Gemini-3.1-Pro 以 59.2 分落后人类专家 86.6 分 27 分，异我中心建图是主要瓶颈；流式与空间微调模型反而不及自身基座，无流依据的思维链推理会放大空间错误。
匹配字段摘要
InternLM 发布 InternLumina-U2，一个 16B-A1B 的 MoE 统一多模态模型，用同一套骨干和离散 token 接口覆盖文本问答、文生图、图像理解与编辑、视频理解和 3D 理解。该模型基于 LLaDA-2.0 MoE 扩散语言模型，采用 AToken 的 8 码本全离散视觉表示，输入侧拼接各码本嵌入，输出侧以空间并行去噪加码本深度自回归预测。目前仓库只放出推理代码，昇腾训练权重已在 Hugging Face 提供，NVIDIA 权重、训练代码和技术报告将后续发布。
匹配字段摘要
World Labs 发布 RTFM（Real-Time Frame Model）研究预览，这是一个随交互实时生成视频的生成式世界模型，可用于探索生成的 3D 世界和真实场景，并已在浏览器中开放体验。RTFM 基于自回归扩散 Transformer，不依赖显式 3D 表示，而是把输入帧转为 KV cache 作为隐式世界表示，并通过带位姿帧的空间记忆和 context juggling 实现长时间交互下的持久性。官方称其仅用单张 H100 GPU 即可达到交互级帧率，并预期更大模型随推理预算提升继续改进。
匹配字段摘要
World Labs 宣布其多模态世界模型 Marble 即日起向所有人开放，此前仅面向少量 beta 用户。Marble 支持从文本、图像、视频或粗略 3D 布局生成 3D 世界，并可交互式编辑、扩展和组合，生成结果可导出为 Gaussian splats、网格或视频。同时推出 Marble Labs 创作社区，提供案例研究、教程和文档。
匹配字段摘要
FireRedTeam 发布 DynamicPose，一个由人体姿态序列驱动人像动画的框架，支持大幅动作、非写实场景，并可从单张照片生成舞蹈视频。项目同时开源了姿态服务器与姿态对齐算法，代码采用 MIT 许可，后续将陆续放出数据清洗与预处理流程、训练脚本（DeepSpeed Zero2）以及 ComfyUI 和 Hugging Face Gradio 演示。作者也列出局限，包括侧脸易生成扭曲面部、复杂背景下难以区分人体与背景、手部持物时难以判断是否保留。
匹配字段摘要
小红书与上海科技大学团队开源 Single Trajectory Distillation（STD），通过单轨迹蒸馏、Trajectory Bank 和基于 DINO-v2 的非对称对抗损失，实现 8-4 步高质量图像与视频风格化，并可直接接入现有 SDXL 流程。实验显示其在风格相似度和美学指标上超过 LCM、TCD、PCM 等加速模型，预训练模型已发布于 Hugging Face。
匹配字段摘要
哈啰 Robotaxi 推出生成式驾驶世界模型 HelloWorld，围绕按需构建驾驶数据与交互式策略测试，整合场景控制、连续生成、多传感器观测与高效推理能力。该模型支持用自然语言描述需求或直接编辑车辆、行人及运动轨迹，生成对应的多视角视频与激光雷达观测，并可切换雨雪、昼夜等条件，扩展真实采集中难以覆盖的长尾场景。
匹配字段摘要、正文