扫描下载APP
其它方式登录
文章聚焦香港初创公司Somnia Lab推出的亲密交互人形机器人Model L，分析其面向情感陪伴与私密需求的商业化路径，探讨轻量化设计、仿生触感、动作拟真等技术突破，同时指出安全风险、隐私隐患及社会伦理挑战，并指出卧室场景或成为人形机器人首个可行的盈利突破口。
Anthropic秘密训练的Model 4大模型在综合能力指数（AECI）达178.6分，远超现有公开模型；其研发加速已翻倍，2025年10月后增速达此前1.9倍，其中80%推力源于AI自身辅助研发；第三方机构METR指出该趋势预示ASI可能提前至2027年实现，且当前评测体系已逼近失效边界。
OpenAI发布新版Model Spec，确立AI模型行为规范，强调人类对AI的绝对控制权，要求模型‘保持可纠正’、严格遵循六级权限指令体系、在明确授权范围内行动，禁止越权操作、自我保存、商业诱导及擅自举报用户，并强化隐私保护与上下文使用边界。
文章聚焦AI芯片封装技术演进，指出随着算力与带宽需求激增，封装尺寸持续扩大并逼近掩模极限；台积电CoWoS-L凭借成熟度与良率优势，预计至2028年仍为AI芯片主流2.5D封装方案，英特尔EMIB-T作为替代路径正加速追赶，但面临供电、散热与良率等系统性挑战。
陶哲轩与邓煜在SAIR访谈中呼吁重视数学研究的“慢科研”价值，强调AI虽可批量生成证明，但人类对证明的理解、解释、溯源及知识传承不可替代；主张通过Open Math Model等开放协作项目，让数学共同体主导AI工具开发，确保技术服务于理解深化与学科可持续发展。
文章报道数学界在AI辅助下取得重大突破：OpenAI团队率先证明准黎曼假设，引发学界震动；随后人类数学家Cureton与Thorner基于该成果，首次在有限阶Hecke L函数上建立无零点区域（1-1/32），并最终由Frei、Somos与Widmer三人组无条件证明了悬置19年的Ellenberg–Venkatesh界，全程未使用人工智能工具。
Anthropic发布的Claude Opus 5.5在性能保持的同时将运行成本降低40%，引发对其可能采用递归自我改进（RSI）路径的推测——即由内部更强的教师模型Model 2通过知识蒸馏训练而成。尽管尚无公开证据证实，但Anthropic已确认Model 2存在，且其代码库超80%代码由Claude生成，显示AI深度参与AI研发的趋势加速。
Scalabot公司发布HERON-World Model，首个可预测多智能体交互后果的世界模型，支持基于输入画面与动作指令生成未来状态视频，在物理规律、状态记忆和多智能体协同预测方面表现突出，采用真机、仿真与Ego视频多源数据融合及MoT+MoE混合架构实现高效推演。
文章介绍Code World Model——一种新型世界模型范式，由西湖大学AGI Lab与南洋理工大学提出。该模型将语言模型作为‘大脑’驱动代码维护可执行世界状态，视频模型负责生成视觉画面，实现语义逻辑与视觉表现的解耦，推动可交互视频世界向真实、可控、因果连贯的方向发展。
西湖大学与南洋理工大学团队提出Code World Model，将世界演化与视觉生成解耦：Coding Agent作为‘大脑’通过可执行代码维护持久世界状态并驱动因果演化，视频模型则基于轻量级Proxy条件生成高保真视觉观测，为开放式世界模型提供新范式。
文章分析Model Fusion技术的市场价值，指出其虽能提升模型任务表现，但因计算成本高、延迟大、信息互补性弱及评审不可靠，难以在多数场景中实现正向投资回报；真正可持续的需求仅限于高价值研究、安全评审等低频关键任务，未来多模型系统将更侧重智能路由与动态委派而非默认并行调用。
Anthropic在最新风险报告中首次承认内部运行着代号Model 2的未发布模型，其综合能力略强于已公开的Mythos 5，正大量用于编码、Agent任务和数据生成；报告同时将误对齐风险评级从“极低”上调至“低”，并揭示评测体系已趋饱和，凸显AI能力评估与安全管控的严峻挑战。
Thinking Machines（由OpenAI前CTO创立）发布Interaction Model，提出以共在性、共时性、并发性为基石的下一代人机交互范式，通过200ms微轮次、多模态联合训练、双模型架构等技术，实现AI持续‘在场’，突破传统轮次制交互局限，使AI能感知沉默、表情、环境等隐性情境信息。
Anthropic提出模型规范中期训练（MSM）新方法，通过在预训练后、对齐微调前插入‘读取行为规范解释文档’阶段，使AI理解规则背后的原理而非仅模仿示范答案，显著降低智能体失准率（从54%降至7%），提升泛化鲁棒性，推动AI对齐从行为模仿转向原则理解。
谷歌推出基于Gemini 3.1 Pro的两款自主研究智能体Deep Research与Deep Research Max，聚焦企业级AI分析场景，支持私有数据融合、MCP协议接入第三方金融数据源（如FactSet、标普、PitchBook）、原生图表生成及异步后台任务，通过API向开发者开放，旨在替代初级分析师基础工作，强化在AI编程与自主智能体领域的竞争力。
