AI 资讯
来自 Twitter · Hacker News · GitHub 的 AI 行业动态
文生图开源第一易主，但 HiDream-O1-Image 为什么褒贬不一？
雷峰网讯 2026 年 5 月，智象未来开源了文生图模型 HiDream-O1-Image（8B），直接登顶 Artificial Analysis 开源模型全球第一，Elo 1187 的分数力压 Qwen Image（27B）和 FLUX.2 dev。值得注意的是，这也是 Artificial Analysis 榜单前十中唯一的开源模型。 但消息一出，有人说最强一代开源文生图模型“实至名归”，却
国产 Coding 争霸赛：MiniMax 爆冷登顶，DeepSeek 性价比称王
雷峰网讯 你很难把 Coding 仅仅视为大模型的诸多能力维度之一。 和单纯的文本或图像生成相比，代码更明确的规则、严格的语法和可验证的结果只是部分原因。更为特殊之处在于，在 ChatBot 到 Agent 这条进化链上，Coding 意味着的工具调用、数据处理和复杂流程自动化，几乎承载了模型从“会说”走向“能干”的绝大部分期待。 一个值得关注的变化是，Coding 正在从眼花缭乱的 Benchm
Agent 落地，数据库先变
雷峰网讯 AI 的竞争越靠近落地，越展现出其残酷的一面。Benchmark 上几分的得失正变得意义有限，取而代之的，是真金白银的投入产出比。Agent 如何真正读懂业务，模型智能如何在业务端释放出更大的价值，成为了这一阶段竞争最核心的命题。 而一同被推向舞台中央的，还有数据库。 过去，它扮演的角色很简单，本质就是一个长期、安全、可查询的数据存储系统。比如用户在淘宝购物，完成了下单、支付、退款、查物
PhotoQuilt：基于自举分块去噪的无训练任意分辨率照片马赛克生成
PhotoQuilt是一个无需训练的框架，通过将全局布局构图与潜在空间中的独立块生成相结合来生成高分辨率照片马赛克，克服了扩散模型在平衡局部细节与全局结构方面的局限。
Anthropic 发布 Claude Sonnet 5：最具 Agent 能力的 Sonnet
Anthropic 上线 Claude Sonnet 5，称其为迄今最具 Agent 能力的 Sonnet——会规划、用浏览器与终端、自主运行，能完成此前 Sonnet 半途而废的复杂任务并主动自检。性能接近 Opus 4.8、显著超越 Sonnet 4.6；已成 Free/Pro 默认模型，8 月 31 日前介绍价输入 $2、输出 $10/百万 token。
@claudeai
阅读 →
关注注意力头：多模态 LLM 的拓扑表示对齐
HeRA 对齐 MLLM 中的单个注意力头以保留跨模态局部邻域关系，提升视觉中心任务性能并减少视觉幻觉。
延迟验证破坏多智能体 LLM 信念：不稳定性阈值与最优修正器放置
多智能体 LLM 系统中的延迟验证可能导致不稳定和振荡，但基于事实的回答可通过将真相作为吸引域来稳定系统。
MirrorPPR：基于样例的人像照片修饰
采用 Diffusion Transformer 和 LoRA 适配及自增强训练数据的基于样例人像修饰框架，实现卓越质量和身份保持。
SWE-Together：交互式用户会话中的编程智能体评估
SWE-Together 是一个多轮编程基准测试，基于真实用户与智能体交互创建，包含反应式 LLM 模拟器，可根据最终正确性和交互效率评估智能体。
NVIDIA 提交 8-K（2026-06-30）
NVIDIA（NVDA）向 SEC 提交 8-K 文件：8-K。Accession 0001045810-26-000056。
中国信通院牵头，首个智算运维智能体评测基准正式落地，覆盖 5 款主流国产芯片
6月29日，在中国信通院人工智能软硬件协同创新与适配验证中心、中国人工智能产业发展联盟、工信部人工智能标准化技术委员会联合主办的2026“众智”大模型开放智算生态协同高级别研讨会中，中国信通院副院长魏亮，正式发布AISHPerf人工智能软硬件基准体系3.0版本，包含两项 AI Infra 领域核心评测基准——AISHPerf-智算运维智能体评测基准以及AISHPerf-算子生成智能体评测基准，两大
RocketSmith：高性能火箭智能增材制造系统
基于大语言模型的智能系统实现了高性能火箭设计自动化，飞行测试成功且仿真结果一致。
一模型，多延迟：面向多样化实时应用的通用语音增强
一种通用语音增强模型，通过并行卷积和早退机制实现可配置的算法延迟与计算延迟控制。
一步梯度延迟不会阻碍大规模异步流水线并行LLM预训练
PipeDream-2BW通过优化器选择和误差反馈修正，使异步流水线并行达到接近同步的性能，克服了传统的稳定性问题。
独家丨前云鲸、安克两员强将联手创业，瞄准AI宠物健康硬件
这支新消费电子团队，盯上了宠物饭碗。 作者丨黄艳冰 编辑丨姚单 雷峰网·鲸犀独家获悉，云鲸智能早期营销骨干冯杰已开启创业，目前已成立PetLive宠生创新（深圳市宠生创新科技有限公司），聚焦AI宠物赛道。公司创办于2026年3月，产品定位为全球首款AI定制主粮机，旨在围绕宠物饮食这一高频场景，构建覆盖宠物全生命周期的健康管理生态。 据了解，冯杰曾担任云鲸第一代产品营销负责人，也担任过云鲸电商总监，
字节CEO梁汝波发全员信：要求Leader实质产出；DeepSeek V4正式版高峰期价格将翻倍；共享单车79分钟收30元？哈啰客服：新车型成本超1200元
要闻提示 1.入职刚满一年！阿里前副总裁贾扬清离开英伟达 2.字节CEO梁汝波发全员信：要求Leader实质产出 3.共享单车79分钟收30元？哈啰客服：新车型成本超1200元 4.多位DeepSeek API用户确认已收到调价邮件：V4正式版高峰期价格将翻倍 5.利润暴跌九成！保时捷中国收缩战线，取消4家门店授权应对销量下滑 6.快手社科线两位技术高管转岗可灵事业部，或为上市做准备 7.Mome
独家丨字节、大疆背景创业者入局AI运动训练，APP排名进入多国榜单前列
一位前自动驾驶工程师，把创业方向选在网球场上。 作者丨黄艳冰 编辑丨姚单 雷峰网·鲸犀独家获悉，AI体育创业项目“小球圈”已形成商业化与产品矩阵。目前小球圈APP已在全球上线，网球拍进入量产销售阶段，智能球拍、智能球搭子及球场摄像硬件处于原型机阶段，整体产品形态仍在迭代中，但已明确以APP作为核心数据入口，并逐步向硬件延展。 “小球圈”（运营主体为北京光跃极枢智能科技有限公司）成立于2025年7月
超越独立同分布：表格基础模型的泛化能力究竟有多强？
表格基础模型在不同数据条件下表现各异，传统方法在复杂大规模数据集上仍优于新兴方法。
让机器人动作流畅丝滑如「连音」，千寻智能高阳团队提出Legato，入选RSS 2026
来源：公众号“机器之心” 链接：https://mp.weixin.qq.com/s/SmpQ7MKd2R_z9oqkMngGWw 在音乐术语中，Legato（连音）意味着音符之间平滑过渡、毫无间断，演奏出流畅优美的旋律。钢琴家的手指在琴键上滑动，小提琴家的弓在琴弦上连贯运行 —— 这种 "连音" 技巧让音乐充满生命力。一位真正掌握连音技巧的演奏者，不需要靠后期剪辑来弥补断点，而是能够知道如何让每
ZooClaw-FashionSigLIP2：蒸馏微调实现鲁棒时尚检索
一种时尚专用视觉-语言模型，通过知识蒸馏和权重插值进行全参数微调，在新基准测试中超越现有方法，同时解决了现有数据集的结构性偏差问题。
交错语音-文本语言模型在文本上存在隐式处理阶段
交错语音-文本语言模型展现出隐式转录阶段，文本令牌在中间层变得可解码，随后在转换为语音前进行基于文本的预测。
AXera Edge-Day首站收官——构筑物理AI算力底座，打通边缘AI商业闭环
2026年6月28日，以“构筑物理AI算力底座，打通边缘AI商业闭环”为主题的AXera Edge-Day——爱芯元智开发者生态沙龙在深圳南山正式落地。来自边缘计算、端侧AI、开源硬件、智能感知等领域的开发者与产业伙伴齐聚一堂，与爱芯元智一起，围绕物理AI算力底座建设与边缘AI商业化路径展开了多维度的深度交流。 物理AI算力底座：边端侧智能的时代命题 爱芯元智联合创始人、副总裁刘建伟以《物理AI的
当割草机器人遇见世界杯：MOVA打造了一场庭院足球挑战赛
当全球目光聚焦绿茵场上的世界杯对决时，一场别开生面的科技赛事近日在巴黎塞纳河畔同步上演——全球头部智能庭院公司耐士劳，在塞纳河畔举办了一场割草机器人足球挑战赛。活动以“You watch the game，MOVA watches your garden”为核心主题，把硬核庭院科技和足球趣味场景深度结合。 作为全球范围内首次将智能割草与足球竞技结合的创新赛事，本次活动在形式上进行了一次行业突破性探
亿级流量导入，支付宝携手九识智能开启“无人配送”新纪元
近日，支付宝与九识智能及菜鸟无人车达成即时运力深度合作。随着九识智能与菜鸟无人车在2026年实现深度战略整合、打造出全球规模最大的RoboVan联合车队后，此次九识智能联手国民级应用支付宝，将依托支付宝亿级月活流量，实现RoboVan与更大规模用户的触达，推动无人物流车全面服务千家万户。 然而，如何让高大上的自动驾驶技术进一步转化为让民众触手可及的普惠服务，始终是行业规模化落地的重要命题。作为国民
视觉世界建模评估中的长尾问题处理
当前视觉世界模型在常见物理交互之外泛化能力有限，尽管标准基准上表现逼真，但在罕见和不规则场景中仍面临挑战。
Orca：世界尽在你的脑海
Orca 通过多模态数据的下一状态预测建模，建立统一的世界潜空间，在下游任务中表现优于专用基线。
扩展视野而非参数：35B Agent实现万亿参数级性能
Agents-A1是一个35B专家混合智能代理模型，通过长视野轨迹扩展和异构代理能力扩展实现万亿参数级性能，训练采用三阶段方法，包括监督微调、领域级教师模型和多教师蒸馏。
TACO：面向智能体工具使用的增强信用优化方法
TACO 通过双重优势通道区分有用、冗余或误导性代码操作来提升多模态智能体性能，包括用于单个工具贡献的差异答案探测奖励和用于最终结果分配的成果门控优势路由。
AsyncOPD：异步在线策略蒸馏能容忍多陈旧的数据？
异步在线策略蒸馏通过解耦 rollout 生成与学习者更新，解决了大语言模型后训练中的计算瓶颈，但引入了陈旧策略数据问题，需要专门解决方案。