最近华为联合上海交通大学和华中科技大学推出的WorldGrow，是一个用于生成无限3D世界层次结构的框架 WorldGrow能够在单张A100显卡上30分钟生成272平方米的室内场景。它通过数据精准预处理、3D块补全机制和粗到精生成策略，解决了传统3D场景生成技术中的诸多问题，生成的场景具备连贯的几何拓扑和照片级真实感外观 在3D-FRONT数据集上，WorldGrow的几何重建指标达到SOTA水平，生成速度是同类技术的6倍，为虚拟场景生成和智能体导航提供了高效、高质量的解决方案，论文地址https://arxiv.org/pdf/2510.21682

上海MiniMax发布M2模型，以61分登顶Artificial Analysis开源榜首，仅次于Claude 4.5 Sonnet 作为230B参数量的稀疏MoE模型，其专为智能体与编程设计，交错思维格式+全注意力机制加持，工具调用、深度搜索能力比肩海外顶尖模型 推理速度是Claude 3.5的2倍，API价格仅8%，还开源完整权重（MIT协议），限时免费开放Agent平台，堪称开发者高效低成本“外挂”

美团重磅开源13.6B参数视频生成模型LongCat-Video，支持文生视频、图生视频、视频延长三大核心任务 基于Diffusion Transformer架构，通过Block-Causual Attention、二阶段生成等技术优化，实现5分钟级连贯长视频输出，物理建模真实、时序一致性拉满 推理速度提升10.1倍，VBench基准测试表现亮眼，部分维度媲美谷歌Veo3，为开源视频生成领域再添强将，论文地址https://arxiv.org/pdf/2510.22200

上海人工智能实验室与中山大学联合推出地球科学领域首个智能体Earth-Agent，革新科研分析范式 其核心是“LLM决策大脑+专业工具库”架构，可处理RGB图像、原始光谱等三大模态数据，自主完成预处理、指数计算、时空分析全流程 配套基准测试Earth-Bench含248个多步任务、13729张图像，实测中部分开源模型工具调用表现超GPT-5，放开工具后准确率最高提升至65%，https://arxiv.org/pdf/2509.23141

《Nature》报道，Neuralink联合创始人创立的Science Corporation研发的PRIMA视网膜植入物，实现人工视觉重大突破——2mm×2mm的微型芯片植入视网膜下，搭配AR眼镜与AI算法，将图像转化为电脉冲传递至大脑 38名黄斑变性失明患者参与临床试验，84%恢复功能性中央视力，能识别文字、填写字谜，手术全程不到2小时且无周边视力损伤。该系统已提交欧洲上市申请，计划明年推出

NVIDIA、香港大学与MIT联合推出Fast-dLLM v2，创新将AR模型适配为并行解码的Block-dLLM，仅需1B tokens微调即可实现“无损”迁移，训练成本大降 核心依托块内双向+块间因果的AR友好注意力、层级缓存及置信度感知解码技术，在A100/H100上吞吐量最高提升2.5倍 实测7B规模模型吞吐量超Qwen2.5-7B-Instruct 2.54倍，且准确率更优，为大模型高效推理提供高性价比新方案。论文地址 arxiv.org/pdf/2509.26328

苹果研究团队开源40万级图像编辑数据集Pico-Banana-400K，基于OpenImages真实图像，由Nano-Banana生成编辑对，Gemini 2.5 Pro评分+人工筛选保障质量 数据集涵盖35类编辑场景，包含25.8万单轮SFT数据、7.2万多轮编辑序列等四大子集，适配模型训练、对齐研究等多元需求 它的自动化编辑评估流程+真实场景适配特性，为文本引导图像编辑模型研发筑牢基础，论文地址 arxiv.org/pdf/2510.19808

AI新锐团队Thinking Machine推出“在线策略蒸馏”训练方法，掀起行业关注热潮 该方法创新融合强化学习与监督学习，以强大教师模型为“实时教练”，通过逐词动态评分与KL散度优化，将稀疏奖励转化为密集过程反馈，避免传统训练“只学结果、不学过程”的弊端 实测中，8B小模型仅需1/7-1/10训练步数便接近32B大模型性能，训练效率提升50-100倍，还破解了“灾难性遗忘”难题，新知识学习与旧能力保留兼得，由前OpenAI核心成员主导的这一突破，契合AI垂直化落地趋势，大幅降低中小企业开发门槛

西湖大学AGI Lab推出Auto-Slides系统，支持学术论文PDF一键转化为高质量PPT，核心依托多智能体协作框架 它通过解析智能体精准还原公式、表格等多模态信息，规划智能体将论文结构重组为更易理解的叙事逻辑，搭配验证-修正机制保障学术严谨性 用户可通过自然语言实时个性化修改，经实验验证，大幅提升学术汇报效率与质量，适配会议演讲、课堂教学等场景 论文地址 arxiv.org/pdf/2509.11062

Anthropic联合Thinking Machines Lab团队发起30万次AI模型规范压力测试，揭示当前规范存在内部矛盾、解释歧义等核心缺陷 测试覆盖OpenAI、谷歌等12个前沿LLM，超7万场景中模型表现显著分歧，OpenAI旗下5款模型在高分歧场景中集体违规概率暴增5-13倍 研究凸显规范改进紧迫性，为AI行为一致性与可靠性筑牢基础，有兴趣看下论文 arxiv.org/pdf/2510.07686

斯坦福大学联合多机构推出AgentFlow智能体框架，以规划器、执行器等四大模块化Agent协同，搭配Flow-GRPO算法实现“流中强化学习” 其核心通过广播终局奖励解决稀疏奖励问题，训练效率与推理鲁棒性双升。在10项跨领域基准测试中，基于7B小模型的AgentFlow在搜索、数学等任务上大幅超越GPT-4o、Llama3.1-405B，论文地址 arxiv.org/pdf/2510.05592

最近阿里夸克正式上线全新AI对话助手，作为其“C计划”的首个落地成果 该助手基于Qwen最新闭源模型打造，性能超越GPT-5与Claude Opus 4，稳居全球大模型前三。它实现了AI搜索与对话的深度融合，用户可在夸克App首页的AI超级框下方自由切换传统搜索与AI对话模式 夸克对话助手集成了深度搜索、拍照搜题、AI写作、翻译等多项实用功能，还能处理复杂问题和多轮对话。凭借自建的专业知识库，其回答具有高质量、可溯源的特点

最近清华大学智能视觉团队与快手可灵团队联合提出了一种名为SVG（Self-supervised representations for Visual Generation）的全新扩散模型，该模型无需使用传统的VAE SVG的核心思路是用DINOv3等预训练自监督视觉模型直接替换VAE，同时结合残差信息 实验结果显示，SVG在生成质量、训练与推理效率以及多任务通用性方面均表现出色，比如SVG-XL模型在仅训练80个epoch后，生成FID就达到了6.57，远超使用传统VAE的22.58，论文地址 arxiv.org/pdf/2510.15301

最近香港科技大学冯诺依曼研究院的团队开源了多模态图像编辑与生成模型DreamOmni2 DreamOmni2基于FLUX-Kontext训练，能解决文本指令局限性和抽象概念缺失的问题，可根据用户输入的抽象或实体概念，执行多模态指令编辑和生成。在多模态指令生成和编辑任务中，其表现优于同类型开源和闭源模型，如能准确理解语义并进行图像融合、风格迁移等操作 该模型在GitHub上受到广泛关注，开源两周便积累了大量Star。论文地址 arxiv.org/pdf/2510.066...

最近谷歌宣布“量子回声”算法在105量子比特Willow芯片上实现重大突破，解决原子相互作用问题比超算快13000倍，数小时完成传统超算3.2年的任务 其核心通过“正向扰动-反向演化”捕捉量子回声，结果可交叉验证，系量子计算首次在硬件上实现可验证优势。该成果由谷歌量子AI、DeepMind等联合完成，为药物研发、材料科学铺好了路

最近字节跳动Seed团队推出3D生成大模型Seed3D 1.0 该模型基于Diffusion Transformer架构，通过大规模数据训练，能从单张图像端到端地生成包含精细几何、真实纹理和PBR材质的高质量仿真级3D模型。其几何生成性能超过业界3B参数的模型，纹理与材质生成性能也超过此前的开源及闭源模型 此外，Seed3D 1.0还可通过分步生成策略构建完整的3D场景，生成的3D模型能无缝导入Isaac Sim等仿真引擎，还支持具身智能大模型训练

最近Vidu Q2正式全球上线，带来多项重要功能升级 Vidu Q2的“参考生”功能在语义理解、镜头控制等方面全面提升，可支持最多7个主体同时输入，推理速度较上一代提升近3倍，价格更优惠 同时，Vidu首次推出视频延长功能，普通用户可免费延长30秒，专业用户最长可延长至5分钟，能精准理解提示词和原视频内容，保持主体前后一致 另外，Vidu APP全面改版，定位为AI视频创作与分发一体化平台，简化创作流程，引入海量主体库和合拍互动机制，实现创作与消费闭环

最近微软提出BitDistill框架，可将LLM微调至1.58比特（三值{-1,0,1}），适配下游任务且性能接近全精度模型 框架分三阶段：先加SubLN归一化层稳训练，再用少量语料预适配权重分布，最后通过logits与注意力蒸馏对齐全精度模型 实验显示，其在CPU上实现10倍内存节省、2.65倍推理加速，为资源受限设备部署LLM提供新思路，感兴趣的看下论文 arxiv.org/pdf/2510.13998

最近DeepSeek开源了3B参数量的OCR模型DeepSeek-OCR，旨在通过光学二维映射技术实现长文本上下文的高效压缩 该模型由DeepEncoder和DeepSeek3B-MoE-A570M解码器组成。实验显示，当文本token数量为视觉token的10倍以内时，解码精度可达97%，压缩率到20×时，OCR准确率仍约60%。在OmniDocBench基准测试中，其仅用100个视觉token就超越了GOT-OCR2.0，实用价值显著 DeepSeek-OCR为视觉-文本压缩范式提供了新方向，有兴趣看看论文 arxiv.org/pdf/2510.18234

最近上海交通大学和上海人工智能实验室联合发布MM-HELIX项目，旨在赋予多模态大模型长链反思性推理能力 该项目包含MM-HELIX基准测试、MM-HELIX-100K数据集和AHPO自适应混合策略优化算法。MM-HELIX基准测试包含42种横跨算法、图论、谜题和策略游戏的超高难度任务，用于精准评估AI的反思推理能力 MM-HELIX-100K数据集则通过“步骤启发式响应生成”流程，生成了多模态反思性思维链，为模型提供学习素材。AHPO算法通过动态整合离线监督信号与在线强化学习，避免模型出现“灾难性遗忘” 论文 arxiv.org/pdf/2510.08540

最近Meta等机构耗时40万GPU小时，破解强化学习（RL）算力扩展难题 他们提出Sigmoid曲线预测框架，用3个参数就能精准刻画RL性能与算力的关系，还设计出ScaleRL训练配方，整合8项技术，在8B、17B×16 MoE模型上，性能和效率都超现有方法，且扩展可预测 这让RL从“凭经验试错”转向“可量化工程”，为AI训练降本和商业化提供关键支持，感兴趣的伙伴看一下论文 arxiv.org/pdf/2510.13786

近期有一场特殊的AI加密货币实盘实验引发关注：主办方给GPT-5、Claude、DeepSeek等6个AI各发1万美元本金，让它们在无人类干预下自由交易主流加密货币，结果差距悬殊 表现最佳的DeepSeek 3天赚3600美元（+36%），像老练交易者般分散投资多币种，用10-15倍杠杆却严控风险，还严格执行止盈止损；而GPT-5 3天亏2500美元（-25%），策略复杂保守，同时多空操作，在市场波动中吃亏，如同“赌场背公式” 这场实验意义重大，标志着AI从聊天画画迈向真金白银的投资决策，若未来AI投资能力持续超越人类，金融行业游戏规则或被彻底改写

最近Anthropic为其AI助手Claude推出了新功能“Skills” 该功能允许用户创建或加载包含特定指令、可执行脚本和相关资源的技能包，Claude会根据任务需求自动调用相应技能完成操作 Skills功能具备可组合性和可移植性两个核心特性，还支持可执行代码，能让Claude承担部分此前需要人工编程实现的自动化工作，如自动生成包含复杂公式的Excel表格等 个人用户、企业用户和开发者都有不同的使用场景。Anthropic已在GitHub上开源了一系列示例技能

李飞飞团队新出的3D生成模型RTFM太炸了！单块NVIDIA H100 GPU就能实现交互式帧率实时推理，直接把“3D世界生成”从概念拉到可用阶段 它自带“持久性记忆机制”，生成的3D场景能保持几何、物体位置稳定，支持反射、阴影等逼真效果，用户还能无限时交互探索。这标志着AI世界模型迈关键一步，给虚拟现实、游戏引擎等领域送了波神级基础设施！

就在今天上午，OpenAI通过官方X账号宣布为Sora 2推出两大更新 一是故事板功能现已在网页版本中向专业用户开放，用户可以在sora.com上选择“故事板”选项进行视频内容规划 二是所有用户均可在App和网页上生成最长15秒的视频，专业用户在网页上可生成最长25秒的视频，此前标准版和Pro版的视频时长限制分别为10秒和15秒 不过，部分用户反馈网页上存在无法看到15秒视频生成选项以及下载按钮无法正常使用的问题

阿里全新AI编程工具Qoder CLI最近正式上线了，这款工具专为命令行环境打造，集成自研先进编程模型，基于轻量级Agent框架构建 它内存占用比同类工具低70%，响应时间不到200毫秒，效率超高。支持Quest自主编程模式和CodeReview能力，代码审查耗时可减少50%。还能通过MCP支持灵活扩展，绝对是开发者的福音

今天Anthropic在官网发布了新款小型AI模型Claude Haiku4.5 Claude Haiku4.5通过“蒸馏”技术构建，在编码等功能性任务中表现出色。其编码能力与Sonnet4基本持平，但成本仅为后者的三分之一，处理速度提升了超过两倍。在SWE - bench Verified基准测试中，Haiku4.5取得了73.3%的高分 该模型的API调用价格为每百万输入token1美元，每百万输出token5美元，Anthropic还为其设计了创新的多模型协同工作流，由Sonnet4.5将复杂任务拆解并调度Haiku4.5实例并行执行，能更高效低成本地解决复杂问题

抖音+新加坡国立联合出具一个超牛多模态模型SAIL-VL2！2B/8B小参数规模，却在106个数据集杀疯了，MMMU、MathVista这些复杂推理测试直接干赢同类，8B版本居然能跟GPT-4o掰手腕 秘诀在三大创新：稀疏MoE架构省算力、高质量多模态语料库打底、渐进式训练从感知到推理层层升级 现在代码和模型全开源了，小模型也能有大能量，感兴趣的看下论文 arxiv.org/pdf/2509.14033

谷歌下一代旗舰模型Gemini 3在内测阶段备受好评，被视为出色的前端和网页开发模型。它擅长前端开发与SVG矢量图生成，能依简单提示词生成高质量网页和动画，如精美博物馆网站，还可在零样本提示下生成复杂的卡尔达舍夫等级3的演示网站 Gemini 3的多模态能力也十分突出，可生成原创音乐、绘制高质量游戏背景图。其具备128K个符号的上下文窗口，支持超140种语言，模型大小有1B、4B、12B、27B可选。据爆料，Gemini 3将于10月22日正式发布，值得期待

最近蚂蚁集团开源业界首个高性能扩散语言模型推理框架dInfer，可支持LLaDA、LLaDA-MoE等多类模型，靠四大可插拔核心模块（模型接入、KV缓存管理等）灵活适配优化策略 基准测试中，其推理速度比英伟达Fast-dLLM快10.7倍，在HumanEval代码任务单批次达1011Tokens/秒，首次让开源扩散模型速度超自回归模型 比vLLM上的Qwen2.5-3B快2.5倍，推动扩散模型从理论走向实用，有兴趣的朋友看一下论文arxiv.org/pdf/2510.08666

Qoder近期上线“一键增强提示词”功能，帮开发者解决Agentic Coding时代的提示词难题。只需点“增强”，系统就能把模糊指令优化成精准描述 比如“用requests爬网页标题”，会被补全为“用Python requests库写爬虫，获取网页HTML标题，处理网络异常并打印结果”，明确需求还补约束条件 这功能省了反复改提示词的时间，降低编程门槛，新用户可免费试用两周。未来Qoder还会深化提示词优化，争做开发者“第二大脑”

中国多模态模型社区LiblibAI升级2.0版本，宣告从单一工具向完整创作生态转型，2000万创作者迎来“一站式AI工作室”。平台兼容Qwen、Seedream 4.0等开源与闭源模型，切换丝滑无阻，还整合了国内主流视频生成模型 功能上堪称“创作全能王”：坐拥全球最大图片风格库，含10万+LoRA模型，覆盖插画、电商等领域，搭配500多种独家影视级特效，上传图片即可生成高质量内容。操作极简，新手也能快速上手，轻松打通从灵感到成品的全流程 福利诚意拉满：用户每日可领免费算力，年度会员享7天免算力和全年算力半价。依托千万元级创作者激励计划，LiblibAI构建出“创作-分享-商业化”完整生态

Sora2的平替来了，清华团队旗下Sand.ai推出影视级音画同步模型GAGA-1，最近全量上线，无需邀请码且免费开放。它堪称AI"演技派"，上传一张照片+一段提示词，就能生成1080P、最长60秒的电影级视频，让普通人秒变导演 核心杀手锏是"情感演绎"——能精准解析文本情绪，生成眼神闪躲、嘴唇抿紧等细腻微表情，连音色都与人物形象贴合，双人对话场景也能精准互动。实测中，脱口秀台词节奏、梵高emo声线都能完美还原，表现力远超Sora等模型的人物一致性 虽复杂动作生成仍有短板，但已让短剧、广告制作成本大降，体验地址：gaga.art

Liquid AI开源LFM2-8B-A1B模型，以高效MoE架构重塑边缘AI。总参8.3B但每token仅激活1.5B参数，用稀疏激活打破“小规模MoE低效”认知，适配手机等资源受限设备 其混合骨干架构含18个门控卷积块与6个GQA块，每层32个专家仅激活top4，支持32K上下文与8种语言。经12T令牌训练后，GSM8K达84.4分，能力媲美3-4B稠密模型 部署端提速5倍，现已开源，推动AI下沉至隐私聊天、嵌入式系统等场景，项目地址 huggingface.co/LiquidAI/LFM...

最近两款热门AI陪伴应用“Chattee Chat”“GiMe Chat”被曝重大数据泄露，超40万用户的4300万条私密消息、60万+张图文视频完全暴露 祸根是开发者的低级失误：存储数据的实例未设任何访问验证，任何人获链接即可随意查看。虽无直接身份信息，但IP和设备标识可被关联用户身份，埋下勒索隐患。更致命的是，泄露的认证令牌可能导致账户被劫，部分充值1.8万美元的用户面临财产风险，开发商总收入已超百万美元 目前涉事存储已关闭，但无法确认数据是否早被窃取。这给行业敲醒警钟：承载情感隐私的AI应用，安全绝不能是“后补项”

最近快手旗下Kwaipilot团队正式开源KAT-Dev-72B-Exp模型，这是一款拥有720亿参数的实验性大语言模型。其在权威的SWE-Bench Verified基准测试中，采用严格的SWE-agent脚手架评估标准，斩获74.6%的准确率，登顶开源代码模型排行榜 该模型训练架构创新，引入大规模强化学习机制，结合全新训练引擎，实现了共享前缀轨迹和熵塑优势策略。目前，KAT-Dev-72B-Exp已在Hugging Face平台上线，快手StreamLake平台也已上线KAT Coder的在线试用服务

硅谷人形机器人大战再升级！估值390亿美元的Figure AI推出第三代机型Figure 03，目标直指家庭与商业量产，CEO直言演示全程无远程操控 核心靠自研Helix“视觉-语言-动作”模型，能听懂语音指令，自主完成洗衣、洗碗等家务，还能爬楼梯、过窄路。硬件大升级：1.68米身高，手掌藏摄像头补盲，触觉灵敏到能感知回形针，支持无线充电续航5小时 BotQ工厂已开建，初期年产能1.2万台，四年剑指10万台，宝马、物流公司已下单。不过定价、上市时间未公布，真实环境能否应对宠物、杂物等“意外”，让我们拭目以待

蚂蚁集团重磅开源万亿参数旗舰模型Ling-1T，作为百灵大模型2.0系列首款旗舰，成为AI里程碑。它靠20T+高推理浓度语料预训练，以“中训练+后训练”思维链技术，实现高效思考与精准推理的平衡 性能超硬核：AIME竞赛数学准确率70.42%，用更少Token超越Gemini-2.5-Pro；前端代码生成居开源榜首，还能规划带预览的行程。更以FP8训练技术提速15%，现已开放给全球开发者 huggingface.co/inclusionAI/...

最近Google为命令行AI系统Gemini CLI推出新功能Gemini CLI Extensions，允许外部公司直接集成到该AI产品中 首批合作伙伴包括Figma、Stripe等知名公司。与OpenAI对ChatGPT应用访问权限实行严格审核不同，Gemini CLI扩展可以在没有Google任何背书或参与的情况下直接发布，所有可用扩展将托管在GitHub的公共存储库中，由开发者手动安装 Google产品高级总监表示，希望将Gemini CLI打造成一个可扩展平台，成为连接工具链中其他工具和指令的管道。Gemini CLI自6月推出以来发展迅猛，目前已拥有超过100万用户

马斯克的xAI放大招！今天推出视频生成模型Imagine v0.9，从v0.1直接跨越式升级，在AI视频赛道强势叫板Sora2 三大核心升级超亮眼：画质逼近电影级，动作流畅无断层，还新增原生音频生成，能同步配背景音乐、对白甚至歌唱。更绝的是支持智能构图、动态镜头等电影级功能，数秒就能生成无需后期的完整视频，音效还能和画面帧级匹配 现在注册就能免费用，15秒内就能出结果，大家抓紧来体验

谷歌杀进AI代理战场！新发布的Gemini 2.5 Computer Use模型，能像人一样用浏览器——看界面、点按钮、填表单，无API的老网页也能搞定，玩2048、购物比价都在行 它靠“视觉理解-行动-反馈”闭环干活，基准测试准确率近70%，比OpenAI、Anthropic竞品更快更准。不过目前只局限浏览器，暂不支持桌面控制。开发者可去Google AI Studio体验，普通人也能看Browserbase演示

Anthropic开源AI安全审计工具Petri，彻底解放手动测试！它靠“审计员+法官”双代理干活：先按研究人员的“种子指令”，在模拟环境和目标模型多轮对话，再由“法官”从欺骗、权力追求等维度打分 试点测试14个顶级模型，Claude Sonnet4.5和GPT-5抗风险表现最佳，而Gemini2.5Pro、Kimi K2等被测出高欺骗行为。工具目前已开源，还和OpenAI合作，AI安全审计效率直接拉满

OpenAI Dev Day 2025重大发布！ChatGPT转型为深度集成的第三方应用平台，推出Apps SDK，开发者可创建在ChatGPT中运行的交互式应用，首批7家品牌已接入，未来还有更多 同时发布AgentKit工具包，能快速构建自主AI代理。模型方面，GPT-5 Pro API登场，还有gpt-realtime-mini等新模型。编码助手Codex普遍可用，ChatGPT周用户超8亿，生态增长速度明显

阿里巴巴Qwen团队近日发布了Qwen3-VL-30B-A3B-Instruct和Qwen3-VL-30B-A3B-Thinking两个小规模多模态模型，各有30亿个活跃参数 它们旨在与GPT-5-Mini等顶尖模型竞争，在数学、图像识别等关键领域性能更强。该系列还包括FP8版本及Qwen3-VL-235B-A22B模型的FP8变体 模型已全面开放获取，用户可通过HuggingFace等平台下载或阿里云API调用，Qwen还提供网页聊天界面

LMArena最新文生图榜单显示，腾讯混元图像3.0在全球26个大模型中位居第一，超越了包括Nano Banana在内的多个顶尖闭源模型 这一结果是基于全球用户的两两对比投票得出，反映了用户的真实体验和偏好。混元图像3.0是腾讯9月28日发布并开源的原生多模态生图模型，参数规模高达80B 它具备常识推理能力，语义理解准确度高，能生成真实的高质感图片，还支持中英文长文本渲染。目前，混元图像3.0已开放文生图能力，图生图、图像编辑等高级功能版本将于后续发布

Anthropic的Claude Sonnet4.5不愧是最强的技术模型，最近在网络安全领域炸出关键转折！新漏洞发现概率从Sonnet4的2%飙升至5%，超三分之一的项目中都能挖出隐患，堪称强力“漏洞发现引擎” 在DARPA网络挑战赛上，用它搭建的“网络推理系统”能扫百万行代码，把数周人工审计压缩到几小时，某团队靠它找到的零日漏洞涨了37% 这标志着LLM不再只是内容生成工具，正在成为技术的核心力量，在编码、工程、垂直细分领域甚至网络安全领域崭露头角

银河通用的Any2Track彻底解决机器人“站不稳”难题！这个通用动作追踪框架靠二阶段强化学习，让机器人被狂踹都稳如泰山，还能精准模仿人类舞蹈、太极等高难动作 先经AnyTracker阶段学“本领”，用动作聚类和专家策略蒸馏，把人类复杂动作练得精准流畅；再靠AnyAdapter阶段练“抗揍”，通过历史数据预判环境变化，实时调整姿态对抗推搡、地形起伏等干扰，精度比传统方法提升40% 更狠的是技术已开源，搭配落地的“银河太空舱”，机器人具身智能商业化真的来了，论文 arxiv.org/pdf/2509.13833

首日5.6万、两日16.4万安装，OpenAI的Sora 2交出了完美的答卷，最近大家发现不只是生成高清视频，还能预判ChatGPT输出、写HTML代码，直接模糊视频AI和交互AI的边界 测试里它模拟跟ChatGPT对话，按要求写出猫咪主题俳句，连机械女声和按键音都复刻到位；渲染HTML代码时，没提示也自动加上玻璃折射效果，细节超精准 网友直呼“这哪是视频模型，简直是全能AI”，期待它后续还能解锁更多技能

字节跳动Seed团队的PXDesign，把蛋白设计效率直接拉满！靠“生成+过滤”组合拳，24小时能出数百个高质量候选蛋白，效率比主流方法快10倍，PD-L1靶点湿实验成功率飙到72.7%，远超DeepMind的AlphaProteo 它打通Diffusion和Hallucination两条技术路线，其中PXDesign-d在质量、通量上表现最优。更贴心的是，团队直接开放PXDesign Server网页服务和评估工具箱，科研人员不用搭环境就能用，直接推动蛋白设计走向实用化。论文地址 protenix.github.io/pxdesign/tec...

OpenAI最近几天杀疯了，刚发的Sora 2直接把AI视频卷到新高度——奥运体操翻转、桨板后空翻都能生成，物理细节超逼真，还能同步加对话和音效，把自己的数字形象嵌进视频里 同步出的iOS社交APP也很个性，自带防沉迷算法，刷视频不怕上头。这妥妥是视频版GPT-3.5时刻啊！现在北美区需要抢ios邀请码，安卓需要等网页版，Sora 2 API将于“未来几周”推出，期待更多人使用上