Kimi K3 的开源发布引发“第二次 DeepSeek 时刻”，迫使 OpenAI 和 Anthropic 在智能体赛道展开激烈竞争：OpenAI 取消使用限制、重置额度，并推出以“每美元有用智能”衡量 AI 价值的新指标；Anthropic 同步上调 Claude Code 周额度、延长 Fable 5 付费访问。
值得关注：标志着 AI 产业从“回答问题”正式向“替你干活”的智能体时代切换。 OpenAI 和 Anthropic 的正面交锋不仅涉及模型性能，更涉及定价策略、数据收集和用户留存，可能重塑 SaaS 市场价值评估体系。 开源模…
2026年7月，AI圈盛传谷歌将在48小时内发布旗舰模型Gemini 3.5 Pro（代号Cappuccino）。该模型宣称拥有200万token上下文窗口、全新“深度思考”推理模式，并在内部评测中超越GPT-5.6 Sol和Claude Fable 5。然而，彭博社于7月18日独家报道称该模型已延期数月，原因是为提升AI编码能力而紧急更新训练数据后，结果…
值得关注：本卡片补充了Gemini模型系列的最新动态：此前已有AlphaEvolve（基于Gemini的编码智能体）和AlphaEarth Foundations（地球地图模型），而Gemini 3.5 Pro作为谷歌迎战GPT…
Agility Robotics 宣布在加州弗里蒙特开设新设施，专注于物理AI（Physical AI）的研发。该设施将作为公司的软件与能力枢纽，工程团队在此训练、测试和推进AI技术，使Digit能够学习新技能并在客户环境中执行更复杂的任务。该空间占地60,000平方英尺，与位于俄勒冈州塞勒姆的RoboFab制造工厂形成互补，标志着Agility在硅谷心脏…
值得关注：本卡片补充了Agility在2026年6月宣布合并上市后的运营落地进展：弗里蒙特AI开发中心的建立强化了其“硬件制造（俄勒冈）+软件AI（硅谷）”的双轨布局，加速了从实验室到客户现场的AI迭代。相比已有卡片中对订单和客…
IDC报告预测，到2030年全球日活智能体（DAA）将达22.16亿个；百度在WAIC上发布百度搭子、企业级智能体及无人车出海三大方向，并首次以DAA为度量衡展示智能体落地成果。
值得关注：DAA指标的提出使智能体评估从模型参数、Token消耗转向“实际任务完成量”，为衡量AI生产力提供新坐标。百度在此框架下展示了从个人工具到企业核心决策、再到物理世界部署的全栈落地能力，表明中国企业在全球AI标准建设与产…
小米发布具身基座模型 Xiaomi-Robotics-1，利用 10 万小时真实操作数据和约 1 万小时跨本体数据训练，验证了机器人策略模型的 Scaling 效应，以每任务不足 10 小时数据即可适配复杂新任务，并在多个仿真基准排名第一。
值得关注：这是小米在具身智能领域的首个基座模型，标志着从单一机器人控制向通用操作基座模型的跃迁。 首次系统验证了机器人策略模型的 Scaling 效应，为行业提供了可复现的规模化训练范式。 相较于已有相关卡片（如 AlphaEv…
Mira Murati 创办的 Thinking Machines Lab 发布首款自研混合专家模型 Inkling（总参数 9750 亿、激活 410 亿），100 万 token 上下文，完整开放权重；同时推出集成 RGB 指示灯和摇杆/旋钮的实体硬件，用于可视化多 Agent 工作流状态。
值得关注：这是 Mira Murati 离开 OpenAI 后创立的 Thinking Machines Lab 首次公开发布模型，标志着新玩家进入基础模型赛道。 与已有卡片中 Google DeepMind 的 SIMA 2（…
MiniMax 正式更新 Code 2.0 桌面端，基于开源框架 Pi Agent 重构底层架构，改善长程任务执行稳定性，并针对金融场景实现多源数据原生接入，即将上线远程控制与浏览器操控功能。
值得关注：**与既有脉络的关系**：区别于已有相关卡片中 Cursor 的视觉提示模式和 Cohere 的开源编码模型 North Mini Code，MiniMax Code 2.0 的核心增量在于 **底层架构对长程任务稳定…
腾讯元宝通过接入京东AI Agent，实现了用户在对话中直接完成商品搜索、推荐到购买的完整闭环，标志着AI助手从“回答问题”向“解决问题”演进的关键一步。
值得关注：相比传统搜索-跳转-下单路径，对话内完成交易降低了用户操作成本，可能改变主流电商入口形态。 腾讯与京东的生态融合进一步深化，AI Agent成为连接社交、政务、电商等服务的统一入口。 为其他垂域（如出行、教育）接入元宝…
昆仑万维天工短剧工作台通过“Agent智能分镜＋无限画布”双轨模式将导演思维拆解为六个可视化环节，有效解决AI短剧中的角色变脸、站位漂移等一致性问题，上线三部AI短剧7天均实现百万美元级营收。
值得关注：本卡片是对“已有相关卡片”中智能体（Agent）应用场景的延伸：此前卡片聚焦于编码、游戏、UI交互等数字领域，而本案例将Agent用于影视导演的创造性工作流，标志着Agent从工具型辅助向创意型导演思维的跨越。 从产业…
Keep Yelling Assistant (KYA) 通过结合视觉感知（YOLOv8）与情感自适应的大语言模型，实时检测危险驾驶行为并生成符合用户偏好的情绪化语音反馈（如中性、幽默、分析性），在用户研究中最高评分达 4.29/5.00（YOLOv8s + ChatGPT-4o 组合）。
值得关注：这是首个将实时感知与情绪自适应对话整合进车载系统的公开研究，提出了“情绪智能”的车内人工智能新范式。相比于现有只关注感知或决策的辅助系统，KYA 更关注驾驶员的主观体验与情绪支持，可能提升驾驶安全与人际信任。
VideoTreeSearch（VTS）通过将长视频组织成自适应时间树，并训练智能体使用 zoom_in、zoom_out、shift、answer 四种操作进行迭代自纠正搜索，在定位长视频问答任务上显著超越现有智能体方法，同时其学得策略可泛化至通用长视频问答。
值得关注：该工作首次将粗到细搜索与细到粗回溯作为显式、可学习的原语引入长视频问答，解决了现有智能体方法因缺乏退出机制而无法纠错的关键瓶颈。其学习策略具有良好的迁移性，为构建更鲁棒的长视频理解智能体提供了新范式。
PagedWeight 通过运行时动态量化 MoE 大语言模型的专家权重，在保持 FP16 等效精度的同时，最高可节省 72.0% 的 GPU 内存并提升 1.94 倍吞吐量；在相似内存预算下，模型质量比现有量化方法提升高达 39.3%，吞吐量损失不超过 4.1%。
值得关注：解决了 MoE 服务中权重与 KV 缓存的内存竞争这一实际瓶颈，比静态量化更灵活。 量化精度可动态调整，避免了全局低精度造成的精度损失，也避免了全局高精度导致的内存不足。 命名“PagedWeight”借鉴了类似 Pa…
MotionForesight 仅使用 4 万段人类-物体交互的日常单目视频，通过冻结大型视频预测模型并训练轻量适配器，实现了对操作物体未来 3D 轨迹的预测，在多种分布外场景下超越使用百万级视频训练的更大模型。
值得关注：此前许多方法依赖大量标注数据或假设物体属性，MotionForesight 展现了从已存在的视频预测模型（如预训练的视频模型）中提取物理运动先验的可能性，极大降低了数据需求。 与已有相关卡片中的 Cycle-World…
ShellFlow模型在仅使用壳条件和不变质量公式作为物理先验的情况下，从约10⁹个真实LHC对撞事件中学习到了标准模型的多方面结构，包括共振质量、弱混合角、W和顶夸克质量以及未在训练目标中出现的粒子间关联。
值得关注：首次证明单个生成模型能够在跨越五个数量级（sub-GeV至TeV）的不变质量范围内同时学习标准模型多个物理量，覆盖了传统蒙特卡洛样本无法达到的动态范围。 提供了一种可能减少对模拟器依赖的数据驱动方法，有望加速新物理的搜…
UAV-DualCog 是首个联合评估无人机自身状态推理与外部环境状态推理的基准，测试表明当前最强多模态大语言模型（MLLM）在该双认知任务上远未达到可靠水平，尤其在视角转换、精确定位和时间区间定位上存在严重瓶颈。
值得关注：与已有无人机基准相比，UAV-DualCog 提出了“双认知”这一更贴近实际 UAV 自主任务需求的评估维度，填补了同时考察自我与环境时空推理的空白。其自动化数据构建方法减少了人工标注成本，为后续大规模 UAV 智能体…
FVAttn是一种无需训练的稀疏注意力系统，通过运行时负载均衡和松弛感知稀疏增强，在多GPU序列并行下实现了自适应稀疏注意力的高效分布式执行，在Wan2.2 I2V模型上获得4.41倍注意力加速和2.02–2.11倍DiT推理加速，同时保持有竞争力的视频质量。
值得关注：现有无训练稀疏注意力方法虽然减少了计算量，但未充分考虑多GPU序列并行下的负载不均问题。FVAttn首次系统性地通过运行时重平衡和松弛利用解决了这一瓶颈，使得视频生成推理能够在不牺牲质量的前提下获得显著加速，对大规模视…
开源大语言模型（4B–120B参数）在将自动驾驶车辆漏洞描述自动转换为结构化威胁信息（STIX）方面表现良好，单项任务F1最高可达0.99，但完整映射MITRE ATT&CK仍具挑战；多智能体设置下效果有所下降。
值得关注：该研究首次系统评估开源大模型将漏洞文本自动转换为结构化威胁情报的能力，填补了CAV安全领域自动化威胁建模的空白；零代码/低成本的开源模型方案有望降低中小企业应用威胁情报的门槛。与已有相关卡片（如面向自动驾驶的规划框架、…
Cluster-Aware Matching via Laplacian Optimal Transport
CLIFE 提出一种在单个边缘设备上运行的无目标在线标定与轻量级晚期融合的相机-激光雷达框架，在 12 个实际交叉口部署验证，实现在 Jetson AGX Thor 上 53.2 FPS 的高吞吐率，为边缘侧实时路边感知提供了可行的基础方案。
值得关注：**增量信息**：与已有相关卡片相比，CLIFE 填补了“边缘原生”相机-激光雷达融合在真实多交叉口环境中的部署空白。PRISA（2026-07-17）侧重 LiDAR 轨迹预测与安全评估，CLIFE 则提供相机-激光…