搜索
5周内，他们如何做出了一个新的Agent产品，并完成了组织改造？那时，他们的公司火星电波成立了1年2个月，刚刚拿到新一笔200万美元融资。ListenHub——他们打造的一款AI驱动的音频内容生成工具，已经做到300万美元ARR，并实现了月度盈亏平衡。且，ListenHub仍在增长。按照原来的计划，他们会继续把它推向海外，到年底，营收或许还能再翻几倍。
你敢信？仅仅是让Fable 5数一下，单词raspberry里到底有几个字母r，结果就被一脚踢回了Opus 4.8！更离谱的还在后面。哈佛生物统计学家Kareem Carr，只是自报了一下家门——我是做生物统计的。话音刚落，Fable 5当场翻脸，直接强制降级。
还在用 DragGAN、DragDiffusion 拖拽修图？点选拖拽容易变形、边界割裂、细节丢失的时代落幕了！ECCV 2026 ICRDrag 首创上下文区域拖拽模型，用掩码精准定位局部区域，移动、缩放、变形全都丝滑自然，兼顾精准度与画面真实感。
本次访谈于2026年彭博科技大会举办，博通CEO陈福阳是业内知名的半导体并购大佬，正带领博通发力AI芯片赛道；采访者TomGiles为彭博资深科技记者，访谈恰逢博通财报发布后市场担忧其AI业务增长，他借此详解公司AI布局与发展预期。
近日，上海AI Lab等团队提出了一种面向专业软件智能体的新范式——ComAct（COM-as-Action）。它的核心思想在于：不再把鼠标点击和键盘输入作为Agent的action，而是让Agent直接生成COM代码，通过软件底层对象模型操纵真实专业软件。
vLLM 社区推出的 Semantic Router 除了专注上面三个方向，正在更进一步：我们认为：router 不只是选择模型，还可以提升模型能力。用户不用改权重，也不用让每个 Agent 团队都自己搭一套 Graph，而是在一次普通 Model API 调用的内部，组织出一支有边界、有预算、有验证、有回退的 “小队”。
今天来好好盘点 2026 年上半年的图片与视频模型，伴随模型更新时间轴出现的，还有我一些当时的测试文章。也算是对不怎么努力也没什么收获的上半年做个总结汇报了。
浙江大学等五所高校的研究团队提出 EgoTSR。研究从第一人称机器人视角出发，希望让 VLM 学会判断任务状态，并把这种能力进一步扩展到长程规划。团队构建了包含 4600 万条样本的 EgoTSR-Data，并设计了三阶段课程学习流程。
AI 创业公司「MobAI」已完成数百万元天使轮融资，由港股上市公司赤子城科技独家投资。目前，由MobAI开发的AI互动叙事应用Lunaverse Stories 已进入邀请制测试阶段。 熟悉AI互动类产品的人应该对MobAI并不陌生。
7月4日，豆包和通义千问宣布智能体功能将下线。豆包发布《豆包智能体功能下线通知》，称由于产品功能调整，智能体功能将于2026年7月15日下线。功能下线后，用户仍可在一段时间内查看并自行保存智能体信息及历史对话数据，10月15日后，豆包将根据《隐私政策》对智能体相关数据进行处理，后续将无法在豆包内查看或恢复。
今天，我们将面向任何用户推出OmicOS Science正式版（https://omicos.cn/），无论您处于世界上的任何区域，无论您使用的是任何模型，都可以享受AI时代的红利！我们深知，科学研究最关键的一环是可审计与可复现性。在OmicOS Science中，点击生成的每一张图，你都能看见这张图绘制的代码
上线短短一个月，抖音科技发起的#VibeCoding大赏 就有2.3万人参与、超6.3亿次播放。在这里，没有枯燥的PPT和高大上的行业术语，这届独立开发者、各路创作者以及无数普通用户，用一种好玩的方式释放想象力。
AI新云赛道再现巨额融资。成立于2022年的AI新云（Neocloud）公司Together AI，于7月1日正式宣布完成8亿美元C轮融资，投后估值达到83亿美元。Together AI的核心业务是出租NVIDIA GPU集群及其他AI专用基础设施，为企业提供运行开源大模型的云平台。
2026 年，风向掉头了。几个最受关注的年轻 AI 人才，开始走进大厂。罗福莉，四川宜宾乡村出身，北大硕士，DeepSeek-V2 作者之一。被雷军点名后，“天才少女”四个字在热搜上挂了很久。她去了小米，负责大模型 MiMo。
就在昨天，网友们激动发现：Codex应用的底层代码中惊现GPT-5.6 Sol、Terra和Luna三大子模型标识。更令人期待的是，一个全新的「速度拨盘」功能也出现在代码中。根据爆料，OpenAI已经在内部定下了死命令：GPT-5.6发布的目标窗口直指下周二（7月7日）至7月9日。
Github热榜持续屠榜，短短几天一路狂揽15.4k stars，甚至一度冲到了Top 1的位置。不是啥大厂项目，也不是啥新模型。而是一个叫OpenMontage的开源「视频制作」系统～（剪辑人狂喜.jpg）
医院公众号粉丝动辄百万级，每天涌入的咨询消息600+条起步，其中大约70%是同一类问题——挂号流程、科室位置、门诊时间、报告查询……人工客服一旦下班，患者就容易被晾着。现在，微信公众号向医院开放AI分身能力，AI分身可以7×24小时在线，秒回患者问题，公众号后台一键就能开通。
独家获悉，一支北大出身、手握国际顶级超算成果的核心技术团队已完成市场化主体搭建，正式布局物理AI底层基础设施赛道。团队由北京大学杨超教授领衔，杨超是我国首位 ACM 戈登贝尔奖得主，2016 年带领团队拿下该国际超算最高荣誉，实现了我国在该奖项上零的突破；其本人也获评首届王选杰出青年学者奖，在高性能计算、数值仿真、人工智能等领域长期深耕。
或许是知道大家这周末都要奋战狂战 Fable 5，Anthropic 的 Claude Code 开发者 Thariq 放出了一篇长文，分享他使用 Fable 5 模型的方法论。Thariq 在文中表示：Fable 5 的能力上限，取决于你能发现多少自己还不知道的东西。
Pinecone宣布 旗下 Nexus 知识引擎将与 Microsoft OneLake 实现新的集成，从根本上改变企业 AI 智能体访问和推理企业数据的方式。这项集成在 Microsoft Build 2026 大会上正式发布，允许 AI 智能体通过预构建的结构化知识工件（非传统的检索管道）查询存储在 OneLake 中的企业信息。
优必选仿生恋人上市之际，虎嗅AI硬件社群也热闹了起来：“情趣赛道天花板”“价格也是天花板”“88个自由度”“面部细节非常逼真”...但讨论很快转向一个更冷静的问题：如果它足够像真人，真的会有人长期需要这样的机器人吗？还是说，这只是一次性的猎奇消费？
就在前几天，一家名为 Oasis Devices 的迈阿密初创公司，发布了一款专门适用于不方便打字也不方便大声说话的新 AI 录音听写硬件，OASIS 1 智能戒指。这枚售价 289 美元的钛合金戒指，最大的卖点，就是把 Wispr Flow 的 AI 听写技术，从一个放在手机上的 App 里，转到了一个离我们嘴巴更近的载体里。
最近，AI虚拟细胞（AIVC）赛道，迎来关键突破！作为全球最早布局该领域的企业之一，百曜科技正式发布全球首个基于LLM-JEPA架构的AI虚拟细胞世界模型——AURA CellOS。
“Opus是好模型，但Fable 5比它好十倍。”Alex说。他建议开发者把过去两周Fable下架期间写的所有代码，全部丢给Fable 5进行重新审查，目的是看看有没有安全漏洞、性能不够的地方、或者写得太粗糙但可以修改好的逻辑。
就在昨晚，Anthropic扔出了经济指数系列的第六份报告——第一次把几百万次Claude对话的采样精度从每周拉到逐小时！你几点焦虑、几点嘴馋、几点睡不着，全在数据里。AI比你的伴侣还懂你的作息。
Vidu S1 面向的是一类全新的使用场景：让视频模型从离线成片，走向可对话、可响应、可持续在线的实时交互。它的核心能力包括语音实时控制视频生成内容、无限长实时生成、540P (960×540) + 25FPS (最高可支持 42FPS) 实时交互，以及自定义初始图像与音色。难得的是，这套实时交互能力在消费级显卡上就能跑起来。
全球第一！中国AI语音ViiTorVoice首创「局部编辑」神技：配音错字告别重录，像改Word一样修语音。内附姆巴佩、哈兰德爆笑实测，快来见证！这个凭空出世的中国模型，将 Qwen3-TTS、CosyVoice3、Fish Audio 等一众主流巨头挑落马下，径直登顶综合排名第一！
「不如直接数字人」 私以为，世界模型这个概念的发展经过了三个非常幽默的阶段。 第一阶段：硅谷真懂行的老登如杨立昆、李飞飞，觉得大语言模型在讲故事上没啥空间了，所以从学术圈拽了个新概念过来尝试弯道超车。
中国人民大学的研究团队提出 CoDA-Bench，联合评估 Agent 的 Code Intelligence + Data Intelligence。该基准首次把 Code Agent 放进包含 1000 + 数据文件的复杂环境下，要求模型先自主探索文件系统、找到相关数据，再编写代码完成分析。实验显示，即使当前表现最好的系统，在 CoDA-Bench 上执行准确率也只有 61.1%；
LinStereo 对应地做了三件事：PALA 换掉 ConvGRU 解决传播问题，HSCV 保留多尺度特征，DPI 用单目深度给一个靠谱的起点。PALA 做的事情说起来很直观，就是把 ConvGRU 的局部更新换成全局注意力，让每个像素每次迭代都能看到整张图。难点在于 softmax attention 是 O (N²) 的，直接用在高分辨率视差图上跑不动。
