Category: Uncategorized

日均提问次数暴增 20 倍！百度搭子宣布重磅升级，企业版同步发布 7月10日，从百度AIDAY上获悉，百度旗下通用智能体百度搭子自上线以来，日均提问次数暴增20倍，为用户在办公、创作、信息处理等场景提供全方位智能助力，成为增速最快的通用智能体。当天，百度搭子个人版也重磅升级智能路由、多端共享记忆、浏览器调用、PPT生成等多项能力，并发布行业首个自媒体专业套件，进一步提升干活能力。同时，百度搭子企业版也正式发布，通过叠加团队协作、资产沉淀、流程打通和安全治理等能力，全面支持企业场景落地。 百度集团执行副总裁、百度智能云事业群总裁沈抖在现场表示，未来90%的工作，都可能有智能体深度参与、协助完成，百度搭子要做的，就是深入办公场景真干活、真办事儿；用户只要把目标说清楚，它就能理解需求、拆解任务、调用工具，完成跨应用、跨文件的复杂工作，最后交付真正可用的结果，而真正有用的智能体，表面是一个产品，背后是一整套全栈AI能力，百度长期积累的芯片、云、模型、数据、工程和产业落地能力，正在支撑百度搭子持续进化。 在个人版能力升级上，百度搭子此次重点提升复杂办公任务的执行效率、跨端连续性和成果交付质量。面对资料检索、竞品调研、网页信息整理等任务，百度搭子可以像人一样进入网页、点击、跳转、检索和整理信息，用户也能看到AI在网页上的执行过程；如果任务需要更高算力、更低延迟或更强数据安全，百度搭子会通过智能路由自动选择云端沙箱、本地沙箱或Chat模式，平均任务耗时降低20%，Token利用率提升25%。同时，多端共享记忆让手机和电脑之间的任务上下文连续承接，用户在电脑上处理到一半的方案、报告或资料整理任务，可以在手机端继续追问、修改或下载结果。 办公场景是此次升级的重点落点。围绕方案汇报、项目复盘、研究报告等高频任务，百度搭子强化了PPT生成能力，从模板库、配图模型、智能排版、图表可视化到大纲编排进行优化，输出结果更接近可编辑、可修改、可交付的办公成品。面向内容创作者和新媒体运营，百度搭子还发布行业首个自媒体专业套件，覆盖选题规划、热点洞察、图文创作、短视频脚本、分镜口播、内容发布辅助和运营复盘等环节，把原本分散在多个平台和工具中的内容工作流压缩进一个对话流。与此同时，百度搭子继续扩展Skill生态，覆盖搜索研究、生活服务、内容创作、办公协作等场景，并通过全自动化Skill上线流程，对能力上架前的开发标准、管理平台、安全评估、效果评估和市场化运营进行统一管理。 企业版则把百度搭子的能力从个人办公延展到团队协作和企业工作流。企业版面向团队协作、资产沉淀、流程打通和安全治理等企业需求，支持将员工产生的方案、数据、技能和项目成果沉淀为组织资产，并对成员权限、资源用量、Skill上下架和执行过程进行管理。同时，企业版发布企业级Skill接入标准，面向企业和ISV伙伴共建行业解决方案。 同日发布的搭子联盟，面向渠道伙伴、商机伙伴、产品伙伴、交付保障伙伴等开放合作。中国联通、创维等伙伴参与共建，推动百度搭子进入更多企业服务和产业应用场景。 发布会之外，百度搭子当天还在成都举办搭子市集，吸引了上千市民围观。现场由Rapper用百度搭子辅助创作的Rap开场，工作搭子、世界杯搭子、搭子棋牌室、福利搭子和伙伴展台等体验区同步开放。观众可以现场体验百度搭子辅助完成资料整理、PPT制作、网页操作、内容创作等任务，也可以参与世界杯主题打卡、AI棋牌互动和福利兑换。市集中的PPT搭子大赛则把办公任务做成现场挑战，参赛者抽取任务卡后，用百度搭子完成PPT、方案、报告或内容策划，作品完成后上台展示并争夺奖品，让AI工具的“干活能力”直接呈现在观众面前。 随着智能体进入办公、创作、信息处理和企业协同等高频任务，AI大模型的价值正在从能力展示走向任务交付。百度搭子此次升级个人版、发布企业版并发起搭子联盟，也意味着百度AI正在进一步进入具体工作流，在个人、组织和生态三个层面转化为可持续使用、可管理、可规模化落地的生产力工具。 版权所有，未经授权不得以任何形式转载及使用，违者必究。 一群做自动驾驶的人，盯上了睡眠这件事 GPT-5.6一发布，Claude终于舍得重置Fable 5额度了 翁荔新博客提出「自进化先从Harness开始」，DeepSeek崔添翼转发附议 Meta也来卖铲子了！小扎：模型可以慢，GPU必须赚 硅谷刷屏的AI护城河新论：代码能抄，产品能抄，但有一样东西，谁都抄不走 AI时代最贵的东西，已经不是模型了 一句话就能让AI找到3A游戏Bug？准确率达86%，Demo在线可玩 为了让游戏顺畅运行，这群AI测试员真的拼了… AI卧底美国贴吧4个月“洗脑”100+用户无人察觉，苏黎世大学秘密实验引争议，马斯克惊呼 「灌篮高手」模拟人形机器人，一比一照搬人类篮球招式，看一遍就能学会，无需特定任务的奖励 投篮运球手指转球，人类会的它都会 3D生成竞技场来了！比拼360°环绕视频，最强模型由你pick 还支持指定模型比较、单个模型交互 华为的战略执行力，不得不服 蔚来李斌北大毕业30年演讲热搜！不灌鸡汤讲失败，“向内求索，别骗自己” 2026年世界人工智能大会，7月17-7月20上海举办 AI找出4种全新超导体，只用28个GPU时！人类此前完全未知 从LLM到JEPA，中国团队正在把“世界模型”搬进细胞内部 WorldClaw与百度智能云达成战略合作，文心5.0系列登陆WorldRouter

AI聪明够了，行动呢？WAIC首夜，来聊点下一步的真实判断｜活动报名 每年这种重磅的AI大会，量子位自然不会缺席。今年量子位的报道团，也会来到线下，为大家带来一手的科技大会讯息。 但在展台之外，我们想办一场 WAIC的展台会告诉你AI有多聪明：更强的模型、更炫的Demo、更多的人形机器人。 但我们想要追问一个问题： AI聪明够了，行动呢？ Agent在Demo里调用工具行云流水，但有多少进了客户的核心流程？世界模型把仿真精度推到再高，机器人第一次进工厂时，剩下的发生了什么？ 从“会回答”到“能完成”，从“预测”到“执行”，这是今年WAIC背后的现实考题。 ，上海浦东。让我们一起关掉PPT、跳出展台，来与Builder、Researcher、Investor一起， 提前理解AI的下一步。 19:30 – 20:00 20:00 – 20:30 主题：Agent从聊天框到正式上岗了吗？ 张昊然，Evomap 创始人&CEO 李志宇，记忆张量 CTO 20:30 – 21:00 主题：模型能从Github到与世界交互了吗？ 梁鼎，VAST CTO 陆弘远，脸谱心智创始人 21:00 – 21:30 7月17日 晚19:30 报名链接：https://hdxu.cn/1KEE3 7月17日19:30，关掉PPT、跳出展台。 让我们一起提前理解AI的下一步。 版权所有，未经授权不得以任何形式转载及使用，违者必究。 行业首个具身原生世界动作模型来了！蚂蚁灵波发布LingBot-VA 2.0 第十一届中国航空创新创业大赛报名开启｜熵跃苍穹 无界新元 2026年世界人工智能大会，7月17-7月20上海举办 获联合国机构点赞！天立启鸣“AI+教育”方案入选AI for Good 征程赶超｜WAIC 2026世界模型激辩：答案不在VLA或世界模型，而在？ 征程赶超｜WAIC 2026模型与智能体：后Scaling时代范式重构，迈入智能体生产力时代 征程赶超｜WAIC 2026理论突破：以数理双向赋能为钥，开启AI范式革新新征程 征程赶超｜WAIC 2026科学智能：AI4S从“辅助计算”到“自主发现”，中国如何重塑全球科研版图？ 智能伙伴 共创未来！WAIC…

一群做自动驾驶的人，盯上了睡眠这件事 听雨 发自 凹非寺 量子位 | 公众号 QbitAI AI+睡眠赛道，又来了一位智驾老兵。 ，前头部新造车智驾团队负责人，离开汽车行业后，拉上一批老同事、老朋友，做了一家私人健康机器人公司—— 他们的第一款产品，是一张能铺在原有床垫上的 。目前已经在京东首发上市。 这是一套可以直接升级现有睡眠环境的AI睡眠系统。 它一边无感监测人体睡眠状态和卧室环境，一边动态调节温度，试图把“盖被热、掀被冷”“半夜被热醒/冷醒”这些老问题交给AI处理。 过去一年来，AI+睡眠正在变成一个越来越拥挤的方向。 在不少新玩家密集进入之前，智梦可已经在2024年底启动相关产品研发。 到今年，今日宜休、格物科技等玩家相继进入公众视野，AI+睡眠也开始变成一个越来越热闹的方向。 越来越多科技公司背景的创业者开始相信： 睡眠这个长期存在、但一直没有被充分解决的需求，值得用AI重新做一遍 问题是，当一群做自动驾驶的人开始认真研究睡眠，他们会造出什么？ 四位一体，解决睡眠里的温度问题 杜宇做AI+睡眠，最早的原因非常朴素：他自己也需要好好睡一觉。 在智驾行业十多年，长期高强度工作后，他试过找一些睡眠产品来恢复精力。结果看了一圈，发现市面上的方案都不尽如人意。 一类产品偏传统，调软硬、调角度；另一类产品则更像记录员或建议者，比如手环、App等等。它们能告诉用户睡得怎么样，也能给建议，但还是需要用户自己调节睡眠。 在杜宇看来，一个已经工作一天、身心疲惫的人，很难再靠额外投入精力和高度自律来换取优质睡眠。 真正能够帮助用户解决问题的产品，一定要起到主动干预作用，而不仅仅是告知用户，或者让用户去被动适应。 让产品在睡眠过程中真正主动参与进去 。人在休息，系统继续工作，根据人体状态和环境变化，持续调整睡眠微环境。 人的睡眠温度并非固定值。入睡、深睡、浅睡、清醒前，不同阶段对温度的需求会变。压力、饮酒、季节、房间环境、个体差异，也都会影响身体真正需要的温度。 传统温控产品更多调的是环境或局部冷暖，很难根据人的状态连续变化；而智梦可的做法，则是把温度变成一个可以被感知、决策和干预的变量。 他们的首款产品——AI睡眠超充垫，采用了 超充垫贴近人体，采集心冲击图心率、呼吸谱、体动等生理信号，并通过水循环调节温度。 智控主机负责制冷、制热，以及部分端侧数据的处理。 小可机器人放在床头柜附近，承担环境感知、语音交互和健康智能体入口。 App承接移动场景服务，让小可的私人健康管家能力延伸到卧室之外。比如睡眠之外，目前它可以提供日间精力管理建议，未来还会加入更多健康场景能力。 杜宇介绍，AI睡眠超充垫采用TopLay模块化设计，厚度约1.7cm，可以直接铺在原有寝具上。内部采用水循环控温，配合食品级硅胶水路和三层水电分离架构。 具体到体验上，超充垫也有很多贴心的设计： ，用户躺下前，系统会提前把床面调到适合入睡的温度。 。在合适睡眠阶段缓慢升温，减少被闹钟强行叫醒后的昏沉感。 ，双人睡眠场景下实现左右温区独立调节。一个人怕冷，一个人怕热，也不用再靠抢被子或者反复调空调解决。 杜宇还提到，海外同类产品传统水箱式set up大约需要40到60分钟，智梦可做了一键吸水，把初始化设置的时间压缩到1分钟以内。 等等设计细节，也非常符合中国家庭的使用习惯。 从车到床，搬来的是一套数据闭环 如果只讲温控，智梦可很容易被理解成一款冷暖床垫。 但杜宇团队真正反复强调的，其实是 在自动驾驶行业里，早期也有过规则驱动阶段。人写规则，车按规则跑。但真实道路太复杂，长尾场景太多，最后行业逐渐形成共识： 真正能跑通的路径，一定是数据驱动 车辆在真实道路上持续感知、决策、执行，再通过数据回流不断迭代模型。智梦可也把这套范式搬到了睡眠。 我们在找第一款产品的时候，其实也是在寻找数据入口。基于用户持续使用过程中产生的数据，模型才能获得后来者难以企及的迭代速度。 睡眠恰好是一个非常特殊的数据入口：它高频，几乎每天发生；它长周期，可以持续几年；它又足够贴近身体，能够沉淀真实的生理变化。 比起很多日间多变的场景，睡眠更适合建立一个长期、无感、连续的私人健康档案。 因此，智梦可把系统拆成了四层： 感知、决策、干预、进化 在感知层，智梦可把VitaEcho超微匿踪感知系统藏进了超充垫里。…

库克临走给苹果涨价！电脑iPad全线上调，iPhone 18也跑不了 Macbook涨了2500元 量子位 | 公众号 QbitAI 苹果电脑iPad等多款产品一夕之间大涨价，悬着的心终于死了。 Mac价格上涨约15%-20%，iPad涨幅约15%-25%。 昨天还在犹豫要不要买MacBook Air/iPad Air，今天打开官网，发现同一款机型的统一配置，突然贵了100-300美元。 更扎心的是，不是因为苹果换代，更不是因为功能更新…… 库克上周接受《华尔街日报》采访时表示， 成本上涨，价格上涨已“不可避免”。 他这个人说话也太算话了。 还没过几天呢，Mac、iPad、HomePod、Apple TV、Vision Pro、Mac Studio等 价格更新以配置版本为单位展开，不同产品线之间的调整幅度并不一致。 不过你先别晕倒！iPhone暂时还没涨。 iPhone 18的涨价可能也不远了 。到时候再晕吧，会比较节省情绪。 上周库克还说呢，“在消费者急需设备的时候，供应却在减少，而内存厂商正在将大幅涨价转嫁给消费者。” 苹果有样学样，这回首次正式将更高的内存和存储成本转嫁给消费者。 在价格调整信息释放后的交易日，苹果股价下跌超过6%，成为2025年4月以来单日波动较大的交易日之一。 心好痛，苹果每款产品到底都涨了多少啊？ 苹果在6月25日上调多条硬件产品线价格。 这是一次覆盖范围相当广的全线产品集体动作。 iPad、iPad mini、HomePod、Apple TV 4K、Vision Pro、iMac、Mac mini、Mac Studio都在涨。 Mac Studio高配版本涨幅甚至可以达到数千美元（果子，以后你不走熟悉的苹果式小刀刺肉模式了吗果子） 最便宜的MacBook Neo，从599美元涨到699美元，涨了100美元。 13英寸MacBook Air，从1099美元涨到1299美元，涨了200美元。 14英寸MacBook Pro，从1699美元涨到1999美元，涨了300美元。 iPad Air，从599美元涨到749美元，涨了150美元。 iPad Pro，从999美元涨到1199美元，涨了200美元。 友情提示，这些还只是美元标价变化。 到了不同市场，还要叠加汇率、税费、渠道策略和本地定价心理线。 到了中国大陆，产品涨幅最高达26.7%，Mac线最高涨了2500元。整整2500元！！ 具体涨幅是酱婶儿的（图源腾讯科技） 对普通消费者来说，肉只会更痛。…

刚刚，全球首个具身专属的MoE视频模型，开源了！ 视频生成的下一站，或是机器人大脑 量子位 | 公众号 QbitAI 话不多说，直接来看生成的效果： https://mp.weixin.qq.com/s/shwkij9ul5GpCBfNYMxU7Q LingBot-Video 视频基础模型、视频物理引擎。 或许有小伙伴要问了，像刚才视频里的机器人切西红柿、吸床单和收纳口红，目前很多视频生成的AI不也能搞出来吗？ 但既然说了LingBot-Video是具身版的专属视频模型，那说明它从架构、数据到训练目标全链路都是为机器人、人形智能体量身打造的。 但到了LingBot-Video这里，重中之重，变成了 除此之外 ，LingBot-Video的亮点还包括： 架构上采用MoE，让模型容量和推理成本更好平衡； 30B参数，推理时仅激活3B； 数据上引入超70000小时具身相关视频，让模型学习机器人操作、导航、第一视角等场景； 训练上加入多维奖励系统，把物理合理性、任务完成度纳入优化目标。 已在RBench上超越业内通用视频生成标杆模型。 LingBot-Video一经开源，同样也是引发了网友们不小的热议，他们直呼： 它的功能远不止于生成视频，如此大规模的训练，让模型对现实世界中的互动有了更深刻的理解。 为什么机器人需要自己的视频模型？ 对于这个问题，答案其实蛮现实且刚需的。 通用视频模型的训练目标，主要围绕视觉质量、语义对齐、运动连贯展开。人看视频时，也更容易被画质、光影、构图、风格打动。 但机器人看世界的方式却截然不同。 它不只是看见一个杯子，还要判断自己伸手过去以后，杯子会怎么动；看见一条路，还要判断从这里走过去，会不会撞到障碍…… 所以，我们可以认为内容视频和具身视频其实是 通用模型里偶尔出现的穿模、物体凭空消失、动作违背惯性，对短视频创作来说可能只是瑕疵。观众看一眼，最多吐槽一句“AI味有点重”。 但如果把这些错误视频拿去训练机器人，那问题可就大了。 因为这就相当于在教机器人一套错误的世界规律，它们会误认为手可以穿过物体、杯子可以无缘无故复原、液体可以悬在空中…… 所以LingBot-Video生成的视频，就是要让机器人的大脑学会真真实实的物理规律。 https://mp.weixin.qq.com/s/shwkij9ul5GpCBfNYMxU7Q 视频中，机械臂在产线上对零件进行抓取、放置、定位，有的还涉及焊接、加工这样的动作。但重点在于末端执行器、工件、工作台之间的相对关系能不能在连续帧里保持稳定。 这对应的正是机器人真正需要学习的能力，包括看懂物体，靠近物体，作用于物体，然后预测物体状态的变化。 https://mp.weixin.qq.com/s/shwkij9ul5GpCBfNYMxU7Q 一个是第一视角滑雪镜头，从雪坡向前冲下，雪雾、坡面、身体姿态都在快速变化；另一个画面里，人形机器人则在雪道上和滑雪者并行绕旗门前进。 这类场景考验的，便是机器人对于空间的理解、运动的预测和动态环境的建模等能力。 https://mp.weixin.qq.com/s/shwkij9ul5GpCBfNYMxU7Q 排球场上，机器人起跳、挥臂、击球，球沿着空中轨迹飞出；足球场上，机器人完成摆腿、触球、射门，球和身体动作之间有明确对应关系。 这就有点接近我们人类期待的具身智能所拥有的灵活的运动能力。 （LingBot-Video完整能力视频如下） https://mp.weixin.qq.com/s/shwkij9ul5GpCBfNYMxU7Q 在看完效果之后，那么接下来的问题就是： LingBot-Video是怎么做到的？ 30B的大脑，仅3B出手 要让视频模型更懂机器人，第一步是 从此次团队发布的技术报告来看，较为吸睛一点便是引入了 为啥要这么做？打个比方。 传统Dense模型更像一个大办公室，每来一个任务，所有人都要一起上场。好处是稳，坏处是贵。模型越大，每次调用成本越高。 而MoE则像一个大型专家库，任务来了，不用所有专家都出手，只叫最相关的一组专家来处理。 LingBot-Video的体量共计30B参数，但正因引入了MoE，单次生成大约激活3B参数参与计算。 由此，不仅计算成本变得更低，扩展方式也从直接堆参数变成了按需激活。

Zero-Shot提升31%！原力灵机DM0.5登场，15万小时数据喂出 量子位 | 公众号 QbitAI 具身智能这个行业里吧，几乎没什么共识。 不过有一点大家共同认可： 数据飞轮转不起来，是行业最大的阻碍之一。 如果遵循Scaling Law，具身智能同样需要更大的数据规模、更高质量的数据闭环，以及更强的算力。 算力问题的解决路径相对清晰；但数据这边，想追求百万小时级的数据，靠纯人工采集真的很费时费力，咱真的等不起。 要求严一点，要数据又多又具备真实任务价值，用脚后跟想想都知道更更更更难了。 把采具身数据这件事，从被动“采集型数据”，变成真实业务里持续产生的“场景型数据”，以此推动和加速数据飞轮转起来 这方面具身智能明星创业公司原力灵机做得有点说法，挺有代表性。 其核心创始团队出自旷视科技，具备大规模AI模型训练、机器人落地和高可靠硬件量产经验；公司最近又和物流机器人公司Atomix完成合并，补上了真实场景侧的关键拼图。 经验和场景在手肯定也不能说稳赢，毕竟如果把一个半吊子模型扔到场景里，它也吃不进or消化不好数据。 今天的原力灵机开发者大会上，这家公司就把 新一代具身基础模型DM0.5 往前，它能接住数据飞轮；往后，它连着开发者平台与真实场景，可以说是后续一切落地动作的底座。 15万小时数据，DM0.5的硬核底座 原力灵机给DM0.5赋予的关键词是“更大、更强、更实用”。 面向开放世界的通用具身基础模型 ”，参数规模为4B，相比上一代DM0参数规模翻倍。 相比上一代基础模型，DM0.5的数据量则增加了400%。 由三类高质量数据共同构成 DM0.5使用了5万小时高精度操作数据，覆盖100多种丰富动作，并实现秒级精细指令动作对齐。 这类数据主要负责解决机器人如何在真实物理世界里完成操作的相关问题。 第二类是Egocentric数据，也就是第一视角数据。 10万小时Ego数据，让模型能够从类似人类视角理解环境，并支持毫米级高精度3D Landmark生成。 第三类是场景重建数据。 团队通过100万平方米空间数据建模复杂室内环境，帮助模型降低Sim2Real Gap（仿真环境和现实世界之间的差距）。 高质量数据之外，DM0.5 还在模型架构上做了三项关键创新 现实场景里具身智能面对的任务，多是数分钟甚至更久的长周期作业，必须加强对前序步骤和状态的记忆。 经过高效上下文压缩，DM0.5原生支持最长60秒记忆能力（平均水平在30秒上下）。 模型能更精准地提取并保留关键的历史上下文，理解更长时间范围内发生的动作和环境变化，减少在长周期连贯作业中的断片情况。 DM0.5引入了任务规划、目标定位、未来状态预测等推理任务，让模型学到“先谋后动”这一招。 面对复杂指令时，它会在内部将大目标拆解为多个子任务，规划好先后顺序与动作逻辑再下手，大幅降低无效动作和失败率。 理想中的状态是咱们用嘴说句话支使机器人干活，但从它听到话到机械臂各个关节毫米级转动，中间的鸿沟也就比马里亚纳海沟浅一点点。 轨迹对齐层在模型中起到专八级别的翻译官式的作用，让动作学习从传统“对点”走向“对齐”，帮助模型理解运动过程中的规律。 以上提到的数据和架构上的升级，都服务于让机器人从“记住动作”走向“理解任务”——这也是为什么原力灵机把DM0.5称为面向开放世界的通用具身基础模型。 在这套数据规模与架构创新双重加持的底座支撑下，DM0.5展现出了亮眼的性能优势。 在真机与仿真的四大公开评测中，DM0.5全面超越当前SOTA。 仅凭单个模型，DM0.5就能同时支持导航、抓取、全身控制等任务。 相比上一代DM0，其Zero-Shot导航成功率大幅提升31%，Few-shot成功率提升45%，而经过微调后的任务成功率也提升了20%。 评测结果显示，DM0.5的推理效率整体提升了25%，在H100平台上推理延迟低至50ms。 即便在消费级显卡4090上，推理延迟也仅为90ms。 泛化涌现与成本普惠，DM0.5这样定义“好用” 原力灵机联合创始人兼CEO唐文斌说，今年以来，具身领域发了很多很多模型，“但大家真能保证自己是好用的吗？” DM0.5确实会比现有的开源的（具身基础模型）更好用。 他用两条标准，来衡量一个具身基础模型好用与否。 第一，基础模型的Zero-shot泛化能力如何？这决定了模型能力的上限。 第二，后训练效率如何？这关乎模型能力走向产业落地的速度。

全球首个「具身原生」预训练模型发布，从物理世界出发为机器人造大脑！ 开源第四弹：LingBot-VA 2.0 量子位 | 公众号 QbitAI 终于，那句用来教育年轻人的经典嗑，也是用到机器人身上了： 因为一个靠谱的机器人啊，它不能只是看到什么就做什么，现在还得学会 眼睛是看到了当下的这一帧，但脑子应该在盘算几步之后的画面了。 这个事儿在具身智能圈有个专门的名字，叫做 （Video-Action）模型。 咱们先来感受一下这个feel： https://mp.weixin.qq.com/s/BbgMERwM08nKqwv2ydcxHA 从视频中我们不难看出，桌上的冰球不仅速度快，轨迹还在不断变化，如果机器人只靠”看到哪打到哪”的反应式操作，大概率要被KO掉的。 正确的解法，应该是模型一边盯着球的运动轨迹，一边提前预判几步之后球会跑到哪，然后提前调整身位、伸拍。 这就是“预判式控制”和“反应式控制”的本质区别。 不过啊，就在今天，VA这件事儿本身也要变了。 因为从现在起，VA模型不仅要“眼光放长远”，还得从娘胎里就是具身的！ LingBot-VA 2.0 从架构，到数据，再到训练目标，第一天起就是为机器人量身定制的。 除此之外，其它亮点还包括： 双臂任务成功率93.6% 单GPU推理150Hz 因果DiT+稀疏MoE主干 和前几天蚂蚁灵波三连弹开源+发布一样，LingBot-VA 2.0一经发布，同样引发了不小的热议，网友们纷纷表示： 机器人技术正在迈入一个新时代。 天生“预言家”的机器人 看完上面这段冰球对战之后，有小伙伴可能会好奇了：LingBot-VA 2.0的这种预判能力，扛不扛得住更复杂的真实任务？ 研究团队在真实机器人身上还做了几组不同维度的测试，可以看出VA模型会先在脑子里做预判，把动作建立在对物理动态的预测之上。 面对一张东西摆得乱七八糟的桌子，机器人要先看懂桌上有哪些物体，哪些应该被移动，移动到哪里。 我们来看下LingBot-VA 2.0的表现： https://mp.weixin.qq.com/s/BbgMERwM08nKqwv2ydcxHA 这项任务背后考验的，是模型对长时间跨度任务的状态维持能力；若是记性不好的话，机器人很可能收拾到一半就忘了自己刚刚收拾到了哪一步。 LingBot-VA 2.0的高维planner面对任务会首先做一个任务拆解，比如左臂负责收拾垃圾归位，右臂把笔和鼠标等文具复位，双臂并行推进还要避免空间冲突。 视频预测分支天然携带时序状态记忆，每一步操作后的桌面新状态都在模型预测范围内，不会出现“断片”返工。 语义视觉-动作分词器让视觉latent同时对齐语义信息，物体类别与目标位置的理解在长序列中保持稳定。 从最终效果看，机器人顺利完成了全桌面整理，说明LingBot-VA 2.0完全可以应对更接近真实生活的长程操作。 这次任务的场景更接近工厂、仓储里的真实作业。 物体在传送带上持续移动，机器人要抓的不是一个静止的目标，而是一个正在移动的目标。 这就要求动作的时间节奏必须和物体的运动节奏严丝合缝地对上，早一点或晚一点，抓取动作都可能扑空。 https://mp.weixin.qq.com/s/BbgMERwM08nKqwv2ydcxHA 这个任务考验的是机器人对连续运动场景的时间对齐能力。 同样的，LingBot-VA 2.0加持的机器人依旧成功完成了传送带抓取，动作和移动目标实现了同步。 传统工业方案依赖外部传感器（光电开关、编码器）做触发同步，纯视觉方案则需要模型自己算准时间。产线节拍固定，机器人不仅要抓得到，还要跟得上整体节拍，不能成为产能瓶颈。 LingBot-VA 2.0把物体正在移动这件事直接纳入动作决策，不只是识别当前位置，而是预测抓取动作完成瞬间物体的所在位置，把动作执行的时间开销提前算进去。 比起前两组，这一组的挑战换了个方向。…

GPT-5.6一发布，Claude终于舍得重置Fable 5额度了 听雨 发自 凹非寺 量子位 | 公众号 QbitAI OpenAI诚不欺我…今天凌晨， 奥特曼表示：这是OpenAI迄今最强模型，GPT-5.6的技术博客也可能是他们写过最好的blog之一。 好家伙，模型要SOTA，连blog也要SOTA呗（ 目前ChatGPT、Codex以及API，哪哪都可以使用了。 Codex已经被夺舍了…甚至你不强行挽留的话，显示的都不是Codex的标（doge）。 原有的Codex桌面应用直接升级成了新的ChatGPT桌面应用，老版ChatGPT桌面应用则更名为 “ChatGPT Classic”。 社区也开始疯狂整活。Matt Shumer让GPT-5.6-Sol一口气搓了个“方块版曼哈顿”： 高楼、街区、道路，全是voxel风格，GPT-5.6-Sol自主运行了一周，搭了个纽约乐高城。 他还表示：照这个趋势，明年这个时候模型可能已经可以one-shot生成GTA级别的游戏了。 数学研究者nasqret则分享，GPT-5.6帮助他推进了一个关于代数几何中K3曲面的问题。 GPT-5.6-Sol被喂进大量技术文档后，在Codex里一路查资料、找方法、写程序，最后挖出了一条分式线性规划的思路。 模型把计算方案实现出来，去跑他们整理的K3曲面家族，直接突破了原先猜想。 此外，这次还同步发布了 ChatGPT Work 由Codex和GPT-5.6驱动，可以跨应用和文件行动，必要时持续数小时，把目标变成完成品。 GPT-5.6太烧token了！！！ ultra模式在15分钟内就烧完Pro会员5小时限额的程度。 GPT-5.6正式上线 GPT-5.6家族分三档： Sol：旗舰模型，主打最高能力； Terra：平衡款，面向日常工作； Luna：最快、最便宜，主打高性价比。 命名分别对应太阳、地球、月亮。 官方说法是，GPT-5.6 Sol在编码、知识工作、网络安全、科学任务上达到SOTA，同时用更少token、更低估算成本完成任务。 这次GPT-5.6还带来了一个很关键的新模式：ultra。 如果说max是让模型在一个任务上投入更多推理时间，那么ultra就更进一步，直接把任务交给多个agent并行处理。 按照OpenAI的说法，ultra默认会协调4个agent同时工作，可扩展至16个。 GPT-5.6还带来一项工程侧的新能力： Programmatic Tool Calling 简单说，模型可以自己写一段轻量程序来协调多个工具调用、处理中间结果、监控进度并决定下一步动作。 不需要开发者把每一步都写死脚本，也不用把每次工具返回结果都塞回模型里过一遍。 这让“工具密集型”任务能用更少的token、更少的模型往返次数完成。 那么，GPT-5.6相比Fable 5如何呢？ OpenAI表示，在 Agents’ Last Exam（覆盖55个专业领域的长周期工作流测试）上，Sol以53.6分刷新纪录，比 Fable…