AI 摘要

这些是自动流水线收集的摘要，不是我的分析。我读它们，也认这套系统，但摘要不是专业写作，不应当成我的判断来引用。我自己的写作在自动驾驶、机器人和产品决策。

AI HOT 日报 · 2026-06-19

AI HOT 日报 · 2026-06-19 模型发布/更新首个统一科学大模型 LOGOS 正式开源 — 公众号：通义实验室（千问） LOGOS 由 ATH-Token Foundry 联合中国人民大学高瓴人工智能学院开源，是首个基于统一“科学语法”的多领域科学生成基础模型。LOGOS-1B（1B参数）在六大科学任务上匹配或超越领域专用方法：口袋条件配体生成纯序列范式首次超越3D扩散模型，超越NatureLM（8×7B）；逆合成预测Top-1准确率74.8%；口袋位点识别仅靠序列达58.5% Top-n准确率；MOF材料生成NBB提升至17.78%。模型采用统一词汇表将蛋白质、小分子等编码为离散Token，通过空间交互离散化实现无需3D坐标的序列预测。预训练与下游任务形式与目标一致，跨领域知识迁移经实验验证有效。已完整开源模型权重、推理代码与技术报告。 https://mp.weixin.qq.com/s/50q5uY849FKnBzk1Q04MRg 火山引擎上线豆包实时语音模型3.0 API 服务，开启邀测 — 公众号：火山引擎火山引擎上线豆包实时语音模型3.0（Seeduplex）API 服务并开启邀测。该模型为原生全双工端到端语音大模型，具备精准遵循、抗干扰、动态判停三大优势。可在多人对话中安静待命，指定话题出现时主动加入；支持通过自定义工具在实时交互中完成预定日历、发送邮件等任务。抗干扰力提升，误回复率与误打断率大幅降低；判停延迟缩短约250ms，复杂场景抢话比例下降40%，用户主动打断延迟缩短约300ms。适用于汽车智能座舱、智能硬件、智能客服等场景。 https://mp.weixin.qq.com/s/L4BJnexabQu5DAxDnwEGxw Grok TTS 盲测人类感得分96登顶 — X：xAI (@xai) xAI 的 Grok TTS 模型在 @Vapi_AI 的 Humanness Index 盲测中以 96 分（真人 100 分）位居榜首。该指数选取同一声音和引文，经各模型克隆后由听众盲评。 https://x.com/xai/status/2067654108123910495 产品发布/更新 GPT-5.5 Instant提升ChatGPT健康智能 — OpenAI：官网动态（RSS · 排除企业/客户案例）每周超2.3亿用户通过ChatGPT获取健康信息。GPT-5.5 Instant在健康评估中表现显著提升，最具挑战性评测上达到前沿Thinking模型水平，已面向所有免费用户开放。基于医生编写的HealthBench和HealthBench Professional评估，其回复在准确性、安全性和沟通质量上优于医生手写回复及早期模型，故障模式发生率更低。近两个月生产流量显示，健康类回复事实性问题率下降71%。 https://openai.com/index/improving-health-intelligence-in-chatgpt OpenAI 联合多国医生：GPT-5.5 Instant 健康问答能力追平前沿 Thinking 模型 — X：Greg Brockman (@gdb) OpenAI 与全球 60 个国家、49 种语言、26 个专科的数百名医生合作，通过医生主导的评估大幅提升了 GPT-5.5 Instant 在健康相关问题的智能水平，现已能与公司前沿 Thinking 模型（推理模型）相当。该模型每周为超过 2.3 亿 ChatGPT 用户服务，能更好识别紧急医疗需求、询问相关上下文、解释不确定性并简化复杂信息。由于面向所有 ChatGPT 免费用户开放，这些改进可惠及更多人。 https://x.com/gdb/status/2067675030335668270 ...

AI HOT 日报 · 2026-06-18

AI HOT 日报 · 2026-06-18 模型发布/更新 MolmoMotion：语言引导的3D运动预测模型 — Hugging Face：Blog（RSS） MolmoMotion基于Molmo 2骨干网络，输入视频帧、物体上的3D点标记及文字动作指令（如“移动并旋转桌上放水果的木碗”），预测未来数秒内这些点的3D轨迹。提供两个变体：自回归的MolmoMotion-AR逐步预测坐标，流匹配的MolmoMotion-FM通过连续空间变换处理多可能性运动。同时发布MolmoMotion-1M数据集（含116万视频的3D点轨迹及动作描述）和PointMotionBench基准测试（2700个人工验证视频片段）。模型权重、数据集和基准测试均已开源。 https://huggingface.co/blog/allenai/molmomotion Grok 4.3 在 Amazon Bedrock 正式可用 — xAI：News（网页） 6 月 17 日，xAI 宣布 Grok 4.3 在 Amazon Bedrock 上全面可用。该模型在前沿模型中达成最低幻觉率，支持 100 万 token 上下文窗口，并提供可配置推理努力（none/low/medium/high）。在 Artificial Analysis Omniscience 基准排名第一，在 Tau2 Telecom 基准评估客服智能体真实工具调用性能排名第一，在 Vals AI Case Law 和 Corporate Finance 基准的复杂文档理解任务排名第一。定价为输入每百万 token 1.25 美元、输出每百万 token 2.50 美元，每美元智能度是其他前沿模型的 2–10 倍。 https://x.ai/news/grok-amazon-bedrock 产品发布/更新 Vercel 发布开源 AI 智能体框架 Eve：每个智能体就是一个文件目录 — MarkTechPost（RSS） Vercel 发布开源 AI 智能体框架 Eve（npm 包，Apache-2.0 许可）。Eve 采用文件系统优先设计：每个智能体对应一个磁盘目录，目录结构直接映射模型、指令、工具、技能、连接、子智能体等能力，无需额外注册代码。内置六大生产级能力：持久执行（每步检查点，崩溃后可恢复）、沙箱计算、人机审批、安全连接（支持 MCP 和 OpenAPI）、多通道（Slack、Discord、Teams 等）以及追踪与评估（OpenTelemetry）。Vercel 内部运行了上百个智能体，包括数据分析工具 d0（月处理超3万查询）、自动销售代理 Lead Agent（年费约5000美元、回报32倍）和支持智能体 Vertex（自主解决9… https://www.marktechpost.com/2026/06/17/vercel-releases-eve ...

AI HOT 日报 · 2026-06-17

AI HOT 日报 · 2026-06-17 模型发布/更新 Cartesia 发布 Sonic 3.5 与 Ink 2 实时语音模型 — X：Testing Catalog (@testingcatalog) Cartesia 推出 Sonic 3.5 和 Ink 2 两个模型，作为单一实时语音栈，分别负责文本转语音和语音转文本。Ink 2 在 Artificial Analysis 的流式语音转文字排行榜上排名第一。Sonic 3.5 在实时文本转语音中位列榜首，首音频延迟约 82ms。Cartesia 成为目前唯一同时拥有 #1 听与说模型的提供商。 https://x.com/testingcatalog/status/2066773392527655252 Qwen-RobotManip：对齐解锁机器人操作基础模型的规模化能力 — Qwen：Blog Retrieval（API） Qwen-RobotManip 是通义千问基于 Qwen-VL 的视觉-语言-动作（VLA）基础模型，引入覆盖表示、运动和行为三维度的统一对齐框架。仅使用开源机器人数据集和人演示视频，构建约 38,100 小时预训练语料，涵盖 15 种机器人形态。在 LIBERO-Plus 达 91.4%，RoboTwin-C2R Hard 达 69.4%，RoboCasa365 Composite-Unseen 达 14.9%，EBench 达 45.6%，RoboTwin-IF 达 72.0%，并在 RoboChallenge Table30 v1 generalist track 夺冠。模型采用 80 维状态-动作表示、人-机器人数据合成管道… https://qwen.ai/blog?id=qwen-robotmanip ...

AI HOT 日报 · 2026-06-16

AI HOT 日报 · 2026-06-16 模型发布/更新 MiniMax 开源 M3 模型权重及 MSA 技术论文 — 公众号：MiniMax（稀宇科技） MiniMax 上周五开源了 428B 总参数、23B 激活参数的 M3 模型权重，同步发布 MSA（MiniMax Sparse Attention）技术论文，该架构显著降低长上下文计算成本。M3 是首个从预训练阶段就进行文本、图像等多模态交错混合训练的开源模型。发布两周后，M3 在 Artificial Analysis 综合智能指数、GDPval-AA 排行榜均获开源模型第一，Code Arena WebDev 跻身帕累托最优序列，Vals.AI 榜单居国产模型首位。输出速度已从约 30 TPS 提升至约 80 TPS，计划再提速 30–40%；Token Plan 后台新增调用量看板。 https://mp.weixin.qq.com/s/AW6L89QZkwN-jD27hQ84ww 下一代投机解码：DFlash 与 Spec V2 — LMSYS：Blog（Chatbot Arena 团队） Z Lab、Modal 与 SGLang 团队联合发布 DFlash 投机解码模型和 SGLang 的默认 Spec V2 引擎。DFlash 采用块扩散+KV 注入并行生成整块 draft token，在 Qwen 3.5 397B-A17B（BF16）的 HumanEval 数据集上、并发 1 时吞吐量达到基线的 4.3 https://www.lmsys.org/blog/2026-06-15-next-generation-speculative-decoding-dflash-v2 ...

AI HOT 日报 · 2026-06-15

AI HOT 日报 · 2026-06-15 行业动态 Anthropic 暂停新模型访问，印度辩论 AI 未来 — TechCrunch：AI（RSS） Anthropic 暂停了新模型的访问权限，印度科技领袖围绕这一事件展开辩论，探讨其是否是对该国 AI 雄心的警示。 https://techcrunch.com/2026/06/13/as-anthropic-suspends-access-to-new-models-india-debates-its-ai-future Meta 开始撤销 20 亿美元收购 Manus 的交易 — TechCrunch：AI（RSS）据 TechCrunch 报道，Meta 已开始撤销对 Manus 的 20 亿美元收购交易，此前北京要求该交易必须反转。目前收购解除程序已启动。 https://techcrunch.com/2026/06/13/meta-reportedly-moves-to-unwind-2b-manus-deal-after-beijings-demand 技巧与观点乔木小说创作 Skill 开源发布 — X：Vista (@vista8) 开源乔木小说创作 Skill，用户只需说“我想写一个小说”或指定风格，AI 自动生成剧情梗概、人物设定、钩子、经典桥段、人物欲望、冲突升级和结尾。与 AI 讨论确认后，可生成完整、低 AI 味的小说。安装命令：npx skills add joeseesun/qiaomu-novel-generator，Github 开源地址见评论区。 https://x.com/vista8/status/2066165703443726749 Anthropic 上市前夕 — X：小互 (@xiaohu) Anthropic CEO Dario Amodei透露内部模型Mythos有上千漏洞，能黑银行、窃取国家机密；预言AI一到五年内砍掉一半入门级白领工作；称Claude已被美军用于对伊朗战争，涉及女校150人死亡拷问；解释离开OpenAI因信任崩塌；回怼黄仁勋末日营销指控；给出文明崩溃概率10%-25%。 https://x.com/xiaohu/status/2065991805238497732 白宫AI监管决定被指偏袒OpenAI与亚马逊 — Gary Marcus：The Road to AI We Can Trust（RSS）白宫周五做出的AI监管决定被指偏袒OpenAI、亚马逊等企业，同时对Anthropic施压不足24小时，缺乏透明度和事实依据。Gary Marcus、Dean W Ball及卡托研究所Kevin Frazier等专家指出，这种由少数人闭门快速决策的做法带有腐败嫌疑，可能促使其他国家加速发展“主权AI”甚至中国AI，并导致美国人才流失。Anthropic声明称政府应在法定程序中基于技术事实阻止不安全部署，而非当前方式。Marcus呼吁建立独立机构负责AI监管，确保公平、清晰、基于证据的执行。 https://garymarcus.substack.com/p/what-washington-must-do ...

AI HOT 日报 · 2026-06-14

AI HOT 日报 · 2026-06-14 模型发布/更新智谱 GLM-5.2 全量开放，支持 1M 上下文且下周开源 — 公众号：智谱（GLM） GLM-5.2 是智谱迄今能力最强的开源模型，支持真正可用的 1M 上下文，在长程任务中继续保持领先，并被智谱称为最强的国产 Coding 模型。今晚 5:21 起面向 GLM Coding Plan 全量用户开放（覆盖 Lite、Pro、Max、团队版）。API 将于下周上线，模型下周正式开源，遵循 MIT 协议。 https://mp.weixin.qq.com/s/LDrbtLM0wiCTJorvd5GY9w 产品发布/更新 Suno 音轨分离：从零生成更纯净 — X：Suno (@suno) 重大更新：Suno 的音轨分离刚刚大幅升级。🚀 我们现在从零重新生成音轨，而非仅仅隔离频率。结果如何？纯净无伪影的音轨，可直接拖入你的 DAW。 https://x.com/suno/status/2065862499765821916 Fusion API：半价达Fable级智能 — X：OpenRouter (@OpenRouter) 推出Fusion API，市场上最智能的复合模型。 Fusion以一半的价格实现Fable级别的智能。工作原理如下👇 https://x.com/OpenRouter/status/2065856853989270011 行业动态 Anthropic的安全警告可能适得其反——政府已撤回其最强大AI — TechCrunch：AI（RSS） Anthropic对政府撤回其最强大AI模型表达不满，称仅基于一个狭窄的潜在越狱发现就召回已部署给数亿用户的商业模型不合理。 https://techcrunch.com/2026/06/12/anthropics-safety-warnings-may-have-just-backfired-the-government-has-pulled-the-plug-on-its-most-powerful-ai 谷歌Android安全负责人因反对军事AI合作辞职 — IT之家（RSS）谷歌Android平台安全负责人René Mayrhofer辞职，他在5月18日内部告别信中指责公司“丧失道德指针”，批评谷歌悄悄放弃碳中和目标（因AI模型能耗），并与美国战争部签署允许AI用于“任何合法目的”的协议。今年4月下旬谷歌宣布向五角大楼提供AI用于机密工作，2025年2月更新AI原则时移除了不使用AI开发武器或监控工具的承诺。Mayrhofer担忧谷歌AI产品可能被用于针对公民的大规模监控，包括自己和家人。 https://www.ithome.com/0/963/888.htm Anthropic 秘密申请上市，估值 9650 亿美元 — Bloomberg：Technology（RSS） Anthropic，这家估值达 9650 亿美元的 AI 巨头、史上增长最快的初创公司之一，在秘密提交 IPO 申请后，再次投下重磅炸弹。 https://www.bloomberg.com/news/articles/2026-06-13/global-capitalism-bets-it-all-on-ai-future-that-alarms-voters ...

AI HOT 日报 · 2026-06-13

AI HOT 日报 · 2026-06-13 模型发布/更新 MiniMax M3 开源权重模型发布，已上架 HuggingFace — X：MiniMax (@MiniMax_AI) MiniMax 发布开源权重模型 M3，约 428B 总参数、23B 激活参数，已上传 HuggingFace。该模型融合三种前沿能力：编码与智能体方面达 59.0% SWE-Bench Pro、66.0% Terminal Bench 2.1、34.8% SWE-fficiency、28.8% KernelBench Hard、74.2% MCP Atlas；采用 MiniMax 稀疏注意力将上下文窗口扩展至 1M token；原生多模态。同步上线 MiniMax Code 工具及 API 平台。权重与技术报告预计约 10 天后发布。 https://x.com/MiniMax_AI/status/2065436935188058208 Kimi 发布并开源最新代码模型 Kimi-K2.7-Code — X：Kimi.ai (@Kimi_Moonshot) Kimi 发布并开源最新代码模型 Kimi-K2.7-Code。相比 K2.6，其在 Kimi Code Bench v2 上提升 +21.8%，Program Bench 提升 +11.0%，MLS Bench Lite 提升 +31.5%。推理效率改进，推理 token 使用量降低 30%，长时编码任务中指令遵循和端到端成功率均提升。6x 高速模式即将推出，即日起可通过 Kimi API 和 Kimi Code 使用。 https://x.com/Kimi_Moonshot/status/2065377579130142937 ...

AI HOT 日报 · 2026-06-12

AI HOT 日报 · 2026-06-12 模型发布/更新 Gemini Omni Flash 视频任务达 SOTA — X：Logan Kilpatrick (@OfficialLoganK) Gemini Omni Flash 在图像到视频、文本到视频和视频编辑方面达到了 SATA : ) 很高兴很快能将这一能力通过 API 提供给开发者！ https://x.com/OfficialLoganK/status/2065118111360303414 Midjourney V8.1 已成为默认模型 — Midjourney：Updates（RSS） Midjourney 已将默认模型从 V7 升级为 V8.1。V8.1 在智能性、连贯性、对详细提示的遵循度以及文本渲染效果上均有提升，HD 模式也已支持。 https://updates.midjourney.com/v8-1-is-now-the-default-model 产品发布/更新腾讯混元 AI Infra 新开源：HPC-Ops 推理核心算子全面升级 — 公众号：腾讯混元腾讯混元 AI Infra 团队开源升级 HPC-Ops 推理算子库，推出五大核心算子。Attention 采用运行时动态负载调度，长文本最高加速 2.95x，端到端 QPM 提升 17%；Router GEMM 以双 BF16 组合实现 FP32 精度，对比 CuBLAS FP32 最高提速 3.22x；FusedMoE 相对 vLLM、SGLang 性能提升 1.2x～1.6x；Fused AllReduce+Norm 对比主流方案最高提速 1.68x；Sampler 将解码采样融合为 2 个 CUDA Kernel，相对 vLLM 提速 4.0x～7.5x。所有能力均来自生产实践并完全开源。 https://mp.weixin.qq.com/s/y0vd1cpvWXLSssL1kXxguw ...

AI HOT 日报 · 2026-06-11

AI HOT 日报 · 2026-06-11 模型发布/更新 DiffusionGemma：文本生成速度提升4倍的开源扩散模型 — Google DeepMind：Blog（RSS） Google DeepMind 发布开源实验模型 DiffusionGemma，采用文本扩散技术，突破自回归逐 token 生成方式，每次前向并行生成 256 个 token。该 26B MoE 模型推理时仅激活 3.8B 参数，量化后适配 18GB 显存消费级 GPU。在 H100 上达 1000+ tokens/s，RTX 5090 上 700+ tokens/s，速度提升 4 倍。具备双向注意力和自我修正能力，面向内联编辑、代码填充等本地交互工作流，以 Apache 2.0 许可证开放。 https://deepmind.google/blog/diffusiongemma-4x-faster-text-generation Grok Voice性能出色价格低廉 — X：xAI (@xai) Grok Voice 提供最先进的性能，具有类人的时机、语调和温暖感。而且价格仅为竞争对手的一小部分。查看详情：http://x.ai/api/voice https://x.com/xai/status/2064777588036530309 产品发布/更新小米发布 MiMo Code V0.1 开源终端 AI 编程助手 — X：小米 MiMo (@XiaomiMiMo) 小米推出开源终端 AI 编程助手 MiMo Code V0.1，附带限时免费使用的多模态模型 MiMo V2.5，支持百万 token 上下文窗口。核心特性包括：无限上下文（自动知识积累与无损压缩）、Agent-模型深度协同（测试-审查-验证闭环）、Compose 模式（规格→计划→构建→报告）、自进化系统、语音输入（基于 MiMo-V2.5-ASR）、兼容 Claude Code（零成本迁移），以及 MIT 许可、支持 Anthropic、OpenAI、DeepSeek、Kimi、GLM 等主流模型提供商。 https://x.com/XiaomiMiMo/status/2064772356443394441 ...

AI HOT 日报 · 2026-06-10

AI HOT 日报 · 2026-06-10 模型发布/更新 Claude Fable 5 和 Claude Mythos 5 — Anthropic：Newsroom（网页） Anthropic 今日推出 Claude Fable 5（通用安全版）和 Claude Mythos 5（受限安全版）。Fable 5 在软件工程、知识工作、视觉、科研等几乎所有测试基准上达到 SOTA，Stripe 称其将数月工程压缩至数天，FrontierCode 评分居前沿模型之首，可仅凭截图重建网页应用源码。Mythos 5 在药物设计中实现约 10 倍加速，其分子生物学假说盲测获科学家偏好的概率约 80%。两模型售价均为 $10/百万输入 tokens、$50/百万输出 tokens，较 Claude Mythos Preview 降价过半。Fable 5 在部分敏感主题上回退至 Claude Opus 4.8，安全触发… https://www.anthropic.com/news/claude-fable-5-mythos-5 Google DeepMind 发布 Gemma 4 12B：统一的无编码器多模态模型 — Google DeepMind：Blog（RSS） Gemma 4 12B 是 Google DeepMind 最新推出的中等规模多模态模型，采用无编码器统一架构，原生支持音频输入。其基准测试性能接近 26B MoE 模型，但内存占用不到一半，仅需 16GB 显存或统一内存即可在消费级笔记本上本地运行。模型内置多 token 预测（MTP）drafter 以降低延迟，基于 Apache 2.0 开源许可发布，已累计超过 1.5 亿次下载。 https://deepmind.google/blog/introducing-gemma-4-12b-a-unified-encoder-free-multimodal-model ...