蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch,统一触觉Token提升机器人操作成功率
蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch,将磁触觉、视触觉、压阻式触觉信号统一编码为触觉Token供动作模型使用。在π0.5拉拉链任务中,接入该模型后成功率从原始触觉的15%升至59%,轻量版 LingBot-Touch-Tiny 约532万参数且代码权重已开源。此前直接输入原始触觉信号反而使机器人操作成功率下降。
蚂蚁灵波开源触觉预训练基础模型 LingBot-Touch,将磁触觉、视触觉、压阻式触觉信号统一编码为触觉Token供动作模型使用。在π0.5拉拉链任务中,接入该模型后成功率从原始触觉的15%升至59%,轻量版 LingBot-Touch-Tiny 约532万参数且代码权重已开源。此前直接输入原始触觉信号反而使机器人操作成功率下降。
魔芯科技在乌镇世界互联网大会发布新一代通用4D世界模型MoWorld 2.0,将重力、流体等十余种物理要素融入同一模型,实时视频推理速度从50 FPS提升至70 FPS。模型可输出3D/4D高斯资产供下游编辑与机器人仿真,推理成本最低为同规模GPU方案的30%。该版本是继今年7月MoWorld 1.0后的迭代,依托华为昇腾NPU优化实现芯模协同。
NVIDIA 发布四个 Cosmos 3 Nano 开放权重检查点模型,用于交互式世界模拟与多传感器驾驶场景生成。四个模型分别为 Cosmos3-Nano-Transfer-Auto、Sim-Auto、Sim-Transfer 和 Sim-Bimanual,均基于 Cosmos 3 Nano 后训练,具备 16B 可训练参数并采用 OpenMDW1.1 许可。
推荐理由:原文放出四个 Cosmos 3 Nano 开放权重模型,覆盖驾驶多视角与双臂机器人视频生成,研究者可基于公开食谱微调适配。
魔芯科技发布基于华为昇腾原生的 4D 世界模型 MoWorld 2.0,将重力、光照等物理要素融入空间建模,输出可实时渲染的 4D 高斯资产。该模型视频推理速度提升至约 70 帧每秒,推理成本最低可降至同等规模 GPU 方案的 30%。这是继今年 7 月 MoWorld 1.0 发布后,该模型在物理交互与算力效率上的能力跃升。
近日招商局狮子山实验室发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」,采用MoE架构总参数约35B仅激活约3B。该模型在十项公开基准上全部指标提升,综合均分65.29,并于Hugging Face开源权重。其依靠能力牵引数据引擎而非堆砌数据,提供可复用训练方法论。
天数智芯现场用天垓300和彤央TY1200实测对比英伟达H200与Thor T5000,并发布拥抱Agentic AI的天数智算软件栈。天垓300文生图耗时95.6秒低于H200的112秒,TY1200跑Qwen3.8-27B达Thor的138%。这是其1月发布彤央边端产品后基于天枢架构交出的实测答卷。
Google DeepMind 的 Genie 4 以实时世界模型重新演绎前 LLM 时代的智能体设计,能逐帧生成带声音与对话角色的交互场景。Gemini 模型在后台规划以维持模拟一致性,当前仅向选定测试者开放研究预览,后续将登陆 Project Genie 网页应用及 Gemini API 早期合作方。它是 Genie 3 的后继,Genie 3 于 2025 年 8 月展示。
Google DeepMind 发布 Genie 4 世界模型,可原生生成多模态实时模拟,在物理、人类动作与音频写实度上实现显著提升。该模型借助 Gemini 家族提供推理以维持模拟连贯,目前已向受信测试者开放研究预览,后续将登陆 Google AI Ultra 等平台。
推荐理由:Genie 4将实时世界模拟的写实度、物理与人类动作连贯性推进到新水平,当前仅以研究预览向受信测试者开放。
Nvidia 开源了名为 Flora 的机器人视频标注引擎,其每小时视频标注成本约为 72 美分,比 GPT-6 Astra 的 88.50 美元低 125 倍。
10月22日,米哈游崩坏AI研发团队联合清华、北大等高校开源GameScaling系列游戏模型,提供0.8B至27B参数规模共8个版本。该系列基于Qwen3.5视觉语言模型继续预训练,可接收游戏画面与操作记录生成键鼠指令控制角色。团队还发布论文探讨通过持续预训练提升虚拟游戏环境中的智能体操作能力。
NVIDIA 发布 Nemotron 3.5、Kumo、Cosmos 3.5 等多款开放模型推进欧洲跨行业主权智能,覆盖语言、机器人与量子等领域。企业可用本地数据定制并部署在自有设施,模型已在 Hugging Face 等平台提供。此为 NVIDIA 欧洲公告的一部分。
推荐理由:NVIDIA发布一系列覆盖语言机器人生物量子等领域的开放模型,企业可用本地数据定制并部署在自有基础设施上。
NVIDIA 发布 Cosmos3-H-Dreams,一个基于 Cosmos 3 和 FlashDreams 的实时生成式临床胆囊切除术模拟器,可在单张 NVIDIA RTX PRO 6000 GPU 上交互运行。
奇瑞在 2026 全球创新大会上发布 CheryMind 垂域基础大模型,宣称其为物理 AI 而生。该模型已覆盖 200+ 业务场景,打通 400+ 企业系统,并处理 700TB 企业知识与 200PB 工程数据。奇瑞称 6 万+ 员工每日使用 CheryMind,正在重塑企业运转方式。
VAST发布并开源实时世界模型EdenLive,开放模型权重、推理代码与技术报告。在单张RTX 5090显卡、720P条件下,5B模型生成速度超24FPS,端到端延迟百毫秒级。VAST今年6月已明确状态与渲染解耦设计,该路线早于行业共识形成约3-4个月。
谷歌正式发布 Gemini 4 Argon 模型,API 每百万输入 token 2 美元、输出 10 美元限时半价至 11 月 30 日。该模型加强编程、多模态与长任务执行能力,第三方评测并列53分且调用成本约竞品一半到五分之一。谷歌同时发布217页安全报告。
推荐理由:Gemini 4 Argon首发API价格打五折,调用成本约竞品一半到五分之一,开发者可低成本评估其长任务能力。
Google 数日前全球发布 Gemini 4 Argon,期望它成为机器人唯一所需的 AI 模型,统一控制、仿真与评估。演示中从单张照片生成超4500次仿真训练,真实机器人成功率从56%升至75%;ERQA 基准获87%领先对手,但 AA-Robotics 真实控制测试仅排第三。虚拟环境训练并非新事,World Labs 与 Nvidia 已有类似探索。
Google 数周前揭示的 Gemini 4 Argon 今天开始向 Gemini 应用和 Antigravity 的付费用户广泛推送,能力未变。该模型具备高级推理与智能体编码能力,Google 内部用例显示其将 YouTube 评论系统服务器负载降低 45%,并在 Project Wing 无人机模拟器中找到 2018 年以来的关键 bug,还提升了机器人具身推理。
Google DeepMind 发布 Gemini 4 Argon 前沿模型,今起全球开放用于编码金融法律等复杂任务,每百万输入 token $2、输出 $10。该模型在 Vals Index 经济领域基准排名第一,内部使用将智能体代码提交提升超 35%。此为 Gemini 4 家族首款发布的模型。
推荐理由:原文给出Gemini 4 Argon的全球可用入口与定价,读者可对比其在多项基准对经济领域的领先表现。
Odyssey 推出 Odyssey-3 世界模型公开研究预览,用户可免费从文本生成实时交互环境。该模型基于自回归扩散 transformer,基础版 14B 参数、832×480 分辨率,Pro 版支持 1280×720,并在 Physics-IQ Verified 等基准取得分数但存在提交 caveat。
Odyssey 发布 Odyssey-3 系列基础世界模型,其 Pro 版在 Physics-IQ Verified 视频到视频基准测试中取得 66.1 分,创该榜单最高纪录。该模型采用自回归扩散变换器架构,支持实时预测环境变化,并在 WorldMark 评估的三类环境中均排名第一。
Reka AI 发布 Rho-1 研究预览,该 19B 参数全模态模型在单一神经网络中处理并生成文本、图像、视频与机器人控制动作。模型将所有模态作为 token 置于共享上下文窗口,无工具调用或外部模型,并用逆向动力学从普通互联网视频提取控制信号应对机器人数据稀缺。