跳到正文
  1. 量子位77

    GPT-6.2 Astra具身实测:16项任务成功率较GPT-6 Astra翻倍

    XDOF对GPT-6.2 Astra的Ember-0实测显示,其16项双臂操作任务综合成功率从两个月前GPT-6 Astra的19.6%升至41.2%,并完成给绳子打结、展开T恤两项此前无AI通关的任务。评测以六台YAM工作站并行、每项任务重复30次并由人工标注子步骤与失误,其中用夹子夹起面包的成功率从10%提升到90%;模型平均预测延迟从15秒降至10.1秒。

    推荐理由:原文给出GPT-6.2 Astra与GPT-6 Astra在16项双臂操作任务上的成功率对比,可据此评估通用大模型进入机器人控制的真实进度。

  1. IT之家80

    不调用图像模型,Anthropic Claude Fable 5.2 用 Python 代码模拟真实画笔作画

    Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2 模型,其中 Fable 5.2 不调用图像生成模型,而是编写 Python 代码模拟画笔、颜料与画布逐笔作画。

    推荐理由:原文给出 Fable 5.2 用代码逐笔作画的实现细节,并与 GPT-6 Astra 在机器人控制基准上对比,可看出两类模型的能力差异。

  1. 量子位82

    英伟达发布 GR00T 2 机器人基础模型,首批 10 万小时数据率先开源

    英伟达在 CoRL 大会发布新一代世界动作模型 GR00T 2,可同时预测未来画面与机器人动作,模型、数据、仿真环境与采集硬件将陆续开源,首批 10 万小时人类数据已开放。

    推荐理由:原文拆解了 X-Adapt 跨本体迁移路径与人类视频数据实验,读者可看到大规模人类经验如何转化为机器人执行能力。

  1. Google DeepMind70

    Google DeepMind 发布 Gemini Robotics 2.5,加速真实世界通用灵巧操作

    Google DeepMind 发布 Gemini Robotics 2.5,为其目前最强的视觉-语言-动作(VLA)模型,可学习的技能广度与掌握速度均有提升。

    推荐理由:原文给出 200 项任务评测和奔驰工厂 96% 成功率实测,读者可据此评估 VLA 模型在工业场景的落地进度。

  1. Hugging Face Blog64

    NVIDIA 发布 Cosmos 3 交互式世界模拟开放模型

    NVIDIA 在 Hugging Face 发布 Cosmos 3 模型家族的四个开放权重检查点,分别用于多视角驾驶数据生成、同步相机与 LiDAR 流式仿真、仿真器控制转视频以及双臂机器人动作预测。

    推荐理由:四个检查点分别覆盖驾驶数据生成、流式仿真与机器人操作,并开放后训练配方,读者可据此评估迁移到自身场景的路径。

  1. Google DeepMind80

    Google DeepMind 发布 Genie 4 新一代世界模拟模型

    Google DeepMind 发布新一代世界模型 Genie 4,可实时生成交互式模拟,并原生生成环境音、音乐与可适应输入的角色对话。模型结合 Gemini 系列能力,Gemini 3.8 Flash 作为引导智能体维护场景连贯,还可与 Gemini 4 Argon 及 Gemini Robotics 联动模拟多步骤机器人任务。

    推荐理由:原文将 Genie 4 的能力拆为实时操控、物理与人物动作、原生音频和复杂事件模拟四部分,并说明了研究预览版的开放范围与已知局限。

  1. NVIDIA Blog80

    NVIDIA 扩展开放模型家族,推进欧洲跨行业主权智能

    NVIDIA 宣布扩展其开放模型家族,新成员覆盖语言、机器人、生物和量子计算,组织可用本地数据定制并在自有基础设施上部署。

    推荐理由:原文按语言、机器人、生物和量子等领域逐一列出各开放模型的能力与可用入口,读者可据此判断哪些模型适合纳入本地化部署。

  2. Hugging Face Blog73

    NVIDIA Cosmos3-H-Dreams 发布:用生成式仿真呈现临床手术

    NVIDIA 发布 Cosmos3-H-Dreams,一个基于 Cosmos 3 的实时生成式手术仿真器,可在单张 RTX PRO 6000 GPU 上交互运行。

    推荐理由:它把交互式生成仿真从桌面缝合推进到临床胆囊切除场景,并开放模型、代码与蒸馏配方,具身智能团队可按这套方法迁移到自有数据。

  1. 量子位81

    VAST 开源实时世界模型 EdenLive,单张 RTX 5090 上 720P 超过 24FPS

    VAST 发布并开源实时世界模型 EdenLive,在单张 Nvidia RTX 5090、720P 条件下,其 5B 模型生成速度超过 24FPS,支持分钟级连续生成,端到端延迟为百毫秒级。

    推荐理由:原文拆解了状态维护与视觉渲染解耦的技术路线,读者可据此判断实时世界模型在交互场景中的适用边界。

  1. Google DeepMind89

    Google DeepMind 发布 Gemini 4 Argon 模型

    Google DeepMind 发布最新前沿模型 Gemini 4 Argon,面向开发者、企业和消费者全球开放。该模型在 Vals Index 排名第一,API 输入价格为每百万 token $2、输出为每百万 token $10,支持 1M token 的统一输入输出上限。

    推荐理由:原文给出了新模型在编码、科研和具身智能等领域的实测数据与安全机制,读者可据此评估其在复杂任务中的实际能力边界。

已经到底了