扫描下载APP
其它方式登录
上海AI Lab团队提出MemHarness框架，通过在LLM Agent中引入显式的记忆重构环节，使Agent能像人类一样结合当前上下文动态评估、改写或舍弃历史经验，从而提升决策鲁棒性与泛化能力，尤其在分布外场景中显著优于静态记忆增强和纯强化学习方法。
贾扬清离开英伟达后创立Intent Lab，推出自主AI工程团队Fleet，实现从用户意图直接生成生产级软件系统。Fleet已完成三项突破：将GLM-5.2推理速度提升534%，全自动构建通过600万项测试的SQLite兼容数据库，以及开发性能达EFS 626倍的分布式文件系统AgentFS。
贾扬清离职英伟达后联合创立Intent Lab，推出自主智能体系统Fleet，旨在让AI端到端完成生产级系统软件的设计、实现与验证。首批成果包括性能提升6.3倍的GLM-5.2推理引擎、通过600万条SQLite测试的数据库引擎，以及具备形式化验证的分布式文件系统AgentFS，标志AI Infra正从管理算力转向由AI自主构建基础设施。
北大校友、AI安全领域资深专家翁荔宣布辞去Thinking Machines Lab联合创始人职务，主因长期高压导致健康严重受损；她在离职信中强调健康优先，反思AI创业节奏过快对人的消耗，呼吁在技术狂奔时代回归对个体身心的尊重与照护。
美国AI公司Thinking Machines由OpenAI前CTO穆拉蒂创立，其首款模型Inkling沿用DeepSeek-V3架构并借助Kimi K2.5数据训练，虽性能落后于Kimi、GLM等中国头部开放模型且调用价格更高，但凭借美国本土开发、Apache 2.0开源许可及合规确定性，瞄准因政策风险而不敢使用中国模型的美国企业市场，成为‘贵替’型替代方案。
强化学习奠基人Richard Sutton在WAIC 2026分享其新创公司Oak Lab与非营利机构Openmind Research Institute的协同模式，强调以20瓦能耗为目标构建可实时学习的‘完整心智’，批判当前AI过度依赖人类数据、忽视经验学习，并质疑AI‘对齐人类价值观’的可行性与正当性。
Thinking Machines Lab发布开源大模型Inkling，参数量9750亿，主打原生多模态、高Token经济性与企业级可微调性，以1/3 Token成本追平英伟达Nemotron 3 Ultra，在美国开源模型中综合性能登顶，强调能力广度、部署成本控制与工程落地适配，而非单一SOTA指标。
69岁的强化学习奠基人Richard Sutton离开Keen Technologies，联合学生Khurram Javed创立Oak Lab，致力于构建万亿参数、实时学习与规划、功耗仅20瓦（媲美人脑）的新型智能体；其核心理念是智能源于运行时持续产生的经验，主张摒弃依赖海量离线数据的主流深度学习范式，转向基于OaK架构的时间抽象、技能演化与事件驱动的在线学习。
LAB代币在五周内从27.48美元暴跌98.5%至0.40美元，暴露出系统性操盘行为：创始人Vova Sadkov借AI交易叙事快速发币，通过链上备货、交易所配合拉升、操纵资金费率绞杀空头，并在解锁日集中抛售。早期投资人浮盈数十倍，而散户普遍深套，项目被指为可复制的骗局模型。
上海AI Lab推出35B参数MoE Agent模型Agents-A1，通过扩展Agent Horizon和三阶段训练（全领域SFT、领域教师训练、多教师OPD），在长程搜索、科学推理和指令遵循等任务上超越部分万亿参数模型，强调以工作习惯优化替代单纯参数扩张。
前SpaceX工程师Lex Li创立Plan Execution Lab，以第一性原理重构金融执行体系，推出PlanX金融执行协议与Xgent自主金融运行时，旨在解决当前金融市场中执行层碎片化、人类工作流主导、策略衰减加速等根本问题，构建开放、协同、自主演化的执行网络，推动从中心化交易所向链上金融执行基础设施的迁移。
X-Era Lab首席科学家王可泽带领团队研发物理AGI世界动作模型，以真实世界4D+X数据为训练基础，突破具身智能底层架构瓶颈，在零售、工业等场景实现落地与泛化，构建感知—预测—控制闭环及数据—模型—商业正反馈飞轮，致力于打造通用物理基座模型。
文章揭示AI生成代码在金融、企业系统等敏感场景中潜藏的语义性风险——代码语法正确、测试通过但业务逻辑错误，导致数据泄露、权限暴露和资产损失；北京大学Narwhal-Lab开源Narwhal AI Code Risks项目，系统整理真实案例、早期信号与典型风险路径，构建覆盖供应链、配置、Agent等七类风险的公共知识库，推动AI编码安全治理。
北京大学、香港中文大学与上海AI Lab等机构联合提出VGGT-Edit，一种原生3D编辑框架，直接在3D空间进行语义驱动的局部编辑，解决传统2D回映方法导致的多视角不一致问题；在DeltaScene数据集上实现5秒单次编辑、最高120倍加速，显著提升语义一致性与几何稳定性，推动AR/VR、机器人和数字孪生等场景的实时3D交互。
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。
