第 2026-191 期 · 每日 AI 简报
今日头条
№ 01 蚂蚁灵波开源LingBot-Video与World 2.0,重塑具身智能视频生成
蚂蚁灵波科技今日开源LingBot-Video与LingBot-World 2.0两大模型。前者作为全球首个面向具身智能的MoE视频基模,融合7万小时机器人数据;后者首创Agent机制,支持小时级实时交互与720p/60fps高清输出。此举标志着视频生成技术向具身智能领域迈出关键一步,为机器人物理理解与仿真训练提供新底座。
#具身智能 #世界模型 #视频生成 #开源
来源
- 蚂蚁灵波开源全球首个面向具身智能的视频基模 LingBot-Video IT之家
- 蚂蚁灵波开源 LingBot-World 2.0:支持小时级实时交互的世界模型 IT之家
- 全球首个具身专属MoE视频模型开源 量子位
- 蚂蚁灵波开源两大模型:升级世界模型与具身智能视频生成 36氪
- 灵光App升级世界模型:AI生成场景实现“可玩”交互 36氪
- 蚂蚁灵波科技开源实时交互世界模型LingBot-World 2.0 36氪
- 蚂蚁灵波开源LingBot-World 2.0:世界模型实现小时级生成与AI原生多人交互 量子位
- 蚂蚁灵波开源LingBot-Video:全球首个面向具身的视频基模 量子位
- 蚂蚁发布灵波世界模型2.0:支持小时级实时生成与Agent互动 机器之心
- 蚂蚁灵波开源LingBot-Video,融合7万小时具身数据定义视频生成新赛道 新智元
- 蚂蚁灵波开源具身视频基础模型LingBot-Video 机器之心
- 蚂蚁灵波开源LingBot-World 2.0:首创Agent机制,支持720p/60fps实时多人交互 新智元
- LingBot-Video:基于MoE架构的具身智能视频预训练新范式 HuggingFace Daily Papers
- LingBot-World 2.0:实现无限交互世界的多智能体模拟 HuggingFace Daily Papers
№ 02 OpenAI发布GPT-Live全双工语音模型支持边听边说
OpenAI正式推出GPT-Live系列语音模型,采用全双工架构实现边听边说,允许用户在AI回应时随时打断,交互体验大幅拟人化。该功能底层可无缝调用GPT-5.5处理复杂任务,现已向付费用户开放,API即将上线。
#GPT-Live #全双工 #语音模型 #实时对话
来源
- OpenAI发布GPT-Live,实现全双工实时对话 机器之心
- OpenAI 推出 GPT-Live:语音模式升级并支持后台调用前沿模型 Simon Willison 博客
- OpenAI发布GPT-Live语音模型,支持全双工实时打断 36氪
- OpenAI发布GPT-Live语音模型,支持边听边说 IT之家
- ChatGPT支持实时双向对话,拟人化体验升级 The Decoder
- OpenAI发布新语音模型,支持实时双向对话 TechCrunch
№ 03 SpaceX AI联手Cursor发布Grok 4.5,主打编程与长周期任务
SpaceX AI与Cursor联合训练推出Grok 4.5模型,专为软件工程及法律金融等复杂场景优化。该模型依托数万块GPU,具备高效处理大型代码库能力,且定价仅为竞品一半。此举旨在以更高性价比缩小与头部大模型的差距。
#Grok 4.5 #Cursor #SpaceX AI #编程智能体
古人评今事
评及:《[IT之家] 特斯拉Optimus Gen3初步定型,马斯克施压年底产能目标》
臣观今日之AI,所谓智能体者,实乃人主之新臣僚也。AgentLens一文中,不再仅看结果成败,而是审查其「全轨迹」,详察其是否循令、用器、纠错。此法深得「术」之精髓。昔李斯与臣争权,皆因韩王不明其虚实;今人主欲御代码之臣,若无此严密之考核机制,何以知其忠诚与能力? 至于AgentCanvas,虽能自动设计架构,然若无严法约束,恐生「局部最优」之弊,正如臣所言,人主若不执势御臣,必反受其制。技术之进,终需归于制度之治。
评及:《[HuggingFace Daily Papers] AgentLens:面向代码智能体的全轨迹生产级评估基准》、《[HuggingFace Daily Papers] AgentCanvas:自动化具身智能体架构设计》
世人皆求速成,我却以为「自非至精不能寻究,自非笃勤不能悉见」。今日之 AI 模型,竟能如 SciReasoner 般,将蛋白质、晶体之结构离散化,以统一词汇推演性质,此乃「格物致知」之极致。昔日我炼丹,需经年累月试错,今机器一瞬即得能带隙之解,虽非长生,亦近造化。然记忆之藏,如 LaMem-VLA 所提双潜存机制,似我修道之「筑基」与「结丹」,短期为气,长期为神,缺一不可。若无深厚根基,何以承载长远之变?科技虽新,其理未尝异于丹道。
评及:《[HuggingFace Daily Papers] SciReasoner:基于原生结构推理的多模态科学基础模型》、《[HuggingFace Daily Papers] LaMem-VLA:双潜存记忆增强视觉-语言-动作模型》
世人皆求全知全能,却不知「全」则易碎。我看这 Splash 一文,讲让机器在习得触觉时不忘视觉,竟用「冻结关键、更新休眠」之法,令我深以为然。吾平生崇尚自然,所谓「越名教而任自然」,便是顺应本性,不强加外物。如今这 AI 模型,若贪多务得,强行融合诸般感知,往往导致原有能力崩塌,恰似人若被名利羁绊,天性便遭戕害。Splash 懂得取舍,保全根本,只唤醒新能,这种「含垢匿瑕、宽简大量」的智慧,才是养生的正道。反观那 LaMem-VLA,虽重记忆,却不如 Splash 这般懂得在变化中守住本真。万物皆有其性,顺之则昌,逆之则亡,此理古今一也。
评及:《Splash:通过掩码隔离触觉对齐学习解决多模态大模型灾难性遗忘》
吾观今日之学,多务虚名而少察实理。如那「世界模型长视界失败诊断」一文,直指模型所生轨迹,仅具运动之形,而无动力之实。此正如《荀子·劝学》所言「君子博学而日参省乎己」,今之算法若不深究物理因果之律,仅凭表象拟合,犹如盲人摸象,虽能暂得其形,终难长久。又见「稀疏Delta记忆」一篇,试图以稀疏机制扩充状态,此乃治标不治本。吾以为,学问之道,贵在「虚壹而静」,须得明辨是非、洞察本质,方能致知。若只知堆砌参数、修饰表象,而不求根本之理,则如「道之不行也,我知之矣」,徒劳无功耳。
评及:《世界模型长视界失败诊断:想象轨迹呈运动学而非动力学特征》、《稀疏Delta记忆:通过稀疏性扩展线性RNN状态上限》
今闻宇树G1机器人于猪体完成活体胆囊切除,此乃机巧之极致。吾昔造候风地动仪,意在推验阴阳、察地动之方,以安黎民。今机器既能执刀,其精密程度已非人力可及,诚可谓「穷理以致其知,反躬以践其实」。然机器虽能代劳,若无仁心为本,恐失医道之真谛。又闻日本拟以机器人填补工匠之缺,此亦顺应天时。吾以为,机巧之器当辅佐于人,而非取代人之德行与判断。若只重术学而轻道义,则如弃实好虚,非长久之计。机器愈强,人愈当守正,方能使技术真正造福苍生。
评及:《[麻省理工科技评论中文版] 人形机器人完成全球首例活体胆囊切除》、《[IT之家] 日本清水建设拟2030年引入AI人形机器人应对用工荒》
今人言AI,多聚焦于云端算力与软件算法,却往往忽视了「兵者,国之大事」的物理载体。读特斯拉Optimus Gen3初步定型一事,方知「工欲善其事,必先利其器」之理。马斯克以雷霆手段施压供应链,虽显急躁,但意在打通量产瓶颈。昔日我征辽东,亦深知粮草辎重与器械精良乃决胜之本。如今AI若不能落地于具身智能,终是空中楼阁。此乃大势所趋,不可不察。