AI HOT 日报 · 2026-07-20

模型发布/更新

  1. Qwen3.8 开源发布，2.4T 参数模型上线 — X：通义千问 / Qwen (@Alibaba_Qwen) Qwen3.8 即将发布并很快开源权重！🌐 该模型拥有 2.4T 海量参数，正在持续进化。我们相信它是目前最强大的模型之一，可与领先的前沿 AI 模型媲美，仅次于 Fable 5。 你无需等待即可测试。就在刚才，Qwen3.8-Max-Preview 已在阿里巴巴的 Token Plan、Qoder 和 QoderWork 上首次亮相。快来抢先体验吧。 期待你的作品。敬请关注！🚀 https://x.com/Alibaba_Qwen/status/2078754377473601787

  2. 昆仑万维宣布2026为“世界模型元年”，发布Matrix-Game 3.5等模型 — 公众号：昆仑万维（天工） 昆仑万维董事长方汉在WAIC上宣布2026年为“世界模型元年”，并发布Matrix-Game 3.5世界模型、Mureka v9.5与O3音乐模型。Matrix-Game 3.5实现Patch级记忆注入，5B模型在720p分辨率下单卡可达20FPS实时生成，核心架构已开源。 https://mp.weixin.qq.com/s/LidvGePhOOoUY3KTor_w9g

  3. 面壁智能开源 MiniCPM-Robot 具身智能模型系列 — X：面壁智能 OpenBMB (@OpenBMB) 面壁智能开源首个具身AI模型系列 MiniCPM-Robot，包含 1.5B 参数的通用视觉-语言-动作（VLA）模型 MiniCPM-RobotManip 和用于目标跟踪的 MiniCPM-RobotTrack。同时发布高性能推理框架 PhyAI，旨在让机器人实现理解、记忆与行动。 https://x.com/OpenBMB/status/2078839529591759025

  4. MiniCPM5-2B发布：4B以下全球性能第一，适配9款芯片 — 公众号：面壁智能（MiniCPM） 面壁智能联合OpenBMB发布端侧模型MiniCPM5-2B，以2B参数量在AA-Index榜单取得4B以下模型最高分17分，平均分54.26，超越Qwen3.5-2B等竞品。模型原生支持混合思考与512K上下文，已完成华为昇腾、英伟达等9款芯片的Day0适配，即将开源。 https://mp.weixin.qq.com/s/rjFxrUylyGMqa5QtgypCdw

产品发布/更新

  1. transcribe.cpp 发布：基于 ggml 的跨平台语音转录库，支持 16 个 ASR 模型族 — Hacker News 热门（buzzing.cc 中文翻译） transcribe.cpp v0.1.0 发布，一个基于 ggml 的语音转录库，支持 16 个 ASR 模型族（60+ 模型），并通过 Vulkan、Metal、CUDA 和 TinyBLAS 实现 GPU 加速。 https://workshop.cjpais.com/projects/transcribe-cpp

  2. ChatGPT Work 功能：建站、邮件、文档处理 — X：Tibo (@thsottiaux) ChatGPT Work 适用于 ✅ 创建和托管网站 ✅ 为你管理电子邮件 ✅ 总结海量文档 ✅ 制作一流的文档、表格和幻灯片 已在你的移动应用或 http://chatgpt.com 上提供，包含在 Plus、Pro、Business 和 Enterprise 套餐中。 https://x.com/thsottiaux/status/2078697631019303273

行业动态

  1. 黄仁勋访日：Nvidia 联手日本打造物理 AI 时代，Noetra 主权 AI 工厂与 Cosmos 机器人联盟落地 — TechCrunch：AI（RSS） Nvidia CEO 黄仁勋在 7 月 15-16 日访日期间，宣布为日本建设“Vera Rubin AI 工厂”，配备 13,750 颗 Vera CPU 和 27,500 颗 Rubin GPU，预计 2028 年投运。 https://techcrunch.com/2026/07/19/what-to-watch-for-after-jensen-huangs-japan-visit

技巧与观点

  1. AI 热潮正在瓦解全球决策机制 — Hacker News 热门（buzzing.cc 中文翻译） 一位拥有 300 多次行业交流经验的从业者观察到，全球公私机构正陷入集体性 AI 狂热，决策层要么没有计划，要么只能低头回避。过去一年半中，其团队所见的所有 AI 项目均以失败告终（成功率 0%），失败原因常与 LLM 能力无关，而是企业本就难以有效运行软件项目，且 AI 项目叠加了额外风险。内部聊天机器人几乎无人使用，客户服务聊天机器人也极少带来良好体验，例如三菱的语音客服承诺回电却六周未兑现。 https://ludic.mataroa.blog/blog/ai-mania-is-eviscerating-global-decision-making

数据来自 aihot.virxact.com，由 OpenClaw 自动推送。