资讯
腾讯混元图像3.0开源，800亿参数引领AI创作新纪元
腾讯混元团队正式开源全球最强开源图生图模型——混元图像3.0，拥有800亿参数，采用混合专家架构，在LMArena榜单中位列第一梯队。模型通过‘先思考，后编辑’的核心技术，深度融合文本与视觉理解，支持增删改、风格变换、老照片修复等多种编辑功能，适用于从普通用户到专业设计师的广泛场景。
88 
0 
Mistral AI发布Vibe 2.0 终端编程助手进入子代理时代
Mistral AI 发布 Vibe 2.0 终端编程助手，由 Devstral2 模型驱动，核心升级为多代理编排能力。它支持多文件协同和自定义子代理分工协作，显著提升复杂项目开发效率，并新增终端斜杠命令优化操作体验。该版本采用订阅制，提供企业级定制服务，标志着 AI 辅助编程进入高度自动化的代码编排新阶段。
LingBot-VLA引领具身模型从无序走向有序竞争
本文探讨了具身智能领域面临的评测标准缺失问题，指出无序竞争阻碍了技术工程化落地。通过分析上海交通大学发布的GM-100评测基准和蚂蚁LingBot-VLA的表现，文章强调了标准化评测对推动行业有序发展、驱散泡沫质疑的关键作用，为具身模型从乱象走向高质量发展提供了清晰路径。
Mistral AI推出Vibe 2.0编程助手，新增自定义子代理功能
Mistral AI 发布终端编程助手 Vibe 2.0，由 Devstral 2 模型驱动，提供强大的代码编排能力，支持全代码库上下文感知和自定义子代理功能，可分工处理测试、代码审查等任务。新版本优化交互逻辑，增加指令澄清机制和斜杠命令，提升开发效率，现已集成在付费订阅计划中。
北大团队首创电感知SLAM技术 机器人水下不再“睁眼瞎”
北京大学谢广明教授团队在IJRR发表创新研究成果，提出基于电感知的Electro-SLAM系统，为水下机器人在黑暗、浑浊等极端环境下提供全新的定位与建图解决方案。该系统仿生弱电鱼感知机制，结合主动与被动电感知，实现了单机与多机协同的高精度SLAM，显著提升水下自主作业能力。
蚂蚁开源LingBot-Depth模型 提升机器人抓取透明反光物精度
蚂蚁集团旗下灵波科技开源高精度空间感知模型LingBot-Depth，该模型基于奥比中光Gemini330系列双目3D相机，通过创新的掩码深度建模技术，有效解决机器人对透明、反光物体的深度感知难题。在权威评测中性能显著优于主流模型，能大幅提升三维视觉的精准度和可靠性，推动具身智能与机器人技术的发展。
MiniMax M2.1赋能Clawdbot 全天候开源AI助手时代来临
Clawdbot开源AI助手在接入MiniMax M2.1模型后，凭借出色的全栈任务处理能力和极低成本，实现了24小时持续运行的智能工作流。它能自动处理报价比较、邮件跟进、技术监控等复杂任务，并通过聊天软件跨平台控制，预示着未来与工具交互将更多通过编程式智能体完成。
Mistral CEO指DeepSeek借鉴架构 技术圈热议谁师从谁
Mistral CEO Arthur Mensch 声称中国开源模型 DeepSeek-V3 基于其架构，引发技术圈关于创新与借鉴的激烈讨论。文章深入分析了两者论文发布时间、架构设计差异以及技术反转现象，揭示了全球AI实验室在快速迭代中的竞争焦虑与开源精神的本质。
PI VLA模型解读：从π0.6到人机技能迁移的涌现
本文是PI VLA模型解读系列的第三篇，重点介绍了Physical Intelligence发布的具身智能VLA模型π0.6的架构设计、训练数据及改进点，并探讨了其引入的RECAP方法以及观察到的人机技能迁移涌现现象，展现了模型在机器人操作任务中性能的显著提升。
上海交大发布Optics GPT 物理世界迎来数字光脑
上海交通大学发布光领域垂直大模型Optics GPT，标志着我国在‘AI+硬科技’交叉融合领域的重要突破。该模型专注于光学专业知识，在基础理论、前沿技术和工程应用等六大核心方向上表现优异，支持轻量化部署和高可靠性应用，为光学研发提供了智能化的‘数字大脑’，重塑行业研发范式。
IEEE TRO从《沙丘》走进现实：清华团队研发“沙虫”机器人感知地下世界
清华大学深圳国际研究生院SSR团队受《沙丘》沙虫启发，研发出SandWorm仿生沙虫机器人，能够主动利用振动感知地下环境。该机器人采用螺旋推进和蠕动驱动相结合的方式，有效穿越颗粒介质，并搭载创新的SWTac主动振动触觉传感器，将振动从干扰转化为感知工具，解决了地下探索中'看不见、摸不准、走不动'的难题，相关成果已被IEEE TRO接收。
谷歌DeepMind发布D4RT 赋予AI四维视觉能力
Google DeepMind推出革命性AI模型D4RT，通过融合三维空间与时间维度，赋予AI穿透时空的四维视觉能力。该模型采用统一架构，能实时追踪动态场景、重建3D结构并预测物体运动轨迹，运行速度比现有技术快18到300倍，为机器人导航、增强现实等领域带来突破性进展。
Agentation发布，AI编程实现精准导航
Agentation是一款革新性的开发工具，通过将代理与标注深度融合，为AI编码助手提供精准的网页元素定位能力。它能瞬间抓取元素的类名、CSS选择器和空间位置，将模糊的自然语言描述转化为结构化的代码地图，让AI助手如Claude Code、Cursor等直接定位到源文件，极大提升了UI调整和Bug修复的效率。工具设计轻量、中立，支持动态交互场景，重新定义了开发者与AI的协作方式。
阿里通义千问开源Qwen3-TTS：97ms超低延迟 3秒克隆音色 改变实时AI语音格局
阿里通义千问团队开源Qwen3-TTS语音合成模型，采用端到端架构实现97ms超低延迟，支持3秒音色克隆和跨语言迁移，并能通过自然语言指令设计全新音色。该模型提供1.7B和0.6B双版本，适用于实时交互、多语言内容创作等场景，大幅降低AI语音应用门槛。
北大团队研发新型模拟计算芯片，能效比提升228倍突破AI算力能耗瓶颈
北京大学团队成功研发出一款专为“非负矩阵分解”设计的模拟计算芯片，突破AI算力能耗瓶颈。该芯片利用物理规律进行并行运算，在图像压缩和推荐系统等场景中，计算速度提升约12倍，能效比暴增228倍，为海量数据处理提供了高效低功耗的新路径。
