本主题的已审核通过卡片，按事件日期排列。
NVIDIA Cosmos 通过“开放模块化框架 + NIM 推理微服务”两条路径，把世界基础模型从训练、强化学习、优化到部署串成完整开发链路，并以 Cosmos 3 Nano 系列配方覆盖自动驾驶、机器人操作与手术仿真等交互式场景。
值得关注：这条发布把世界模型从“单点模型演示”推向“可复现的工程流水线”：一方面用开放框架降低传感器适配与后训练门槛，另一方面用 NIM 解决推理部署与显存约束。对物理 AI 而言，闭环仿真（生成观测回灌策略）是连接合成数据与策…
昆仑万维发布并开源Matrix-Game 4.0，采用Coding Agent与视频模型分工的架构，可在单张RTX 5090上以480p/60FPS实时运行，端到端延迟低于150毫秒。
值得关注：与已有实时交互世界模型卡片（如蚂蚁灵波LingBot-World 2.0）相比，本条增量在于：以"Agent写代码+引擎管状态+视频模型渲染"的分工架构，在单张消费级显卡上实现480p/60FPS的实时游戏运行，并开源…
AMD与World Labs达成82亿美元收购协议，并计划让李飞飞出任AMD执行副总裁兼首席科学家；此举意在为AMD补齐空间智能与World Model能力，使前沿AI workload更早对接芯片路线图，但交易仍待监管批准，关键细节需以官方公告为准。
值得关注：空间智能和World Model被视为生成式AI向3D、机器人与仿真延伸的重要方向。与已有卡片中“1X成立世界模型实验室”“Meshy完成AI 3D融资”等脉络相比，本条增量在于：不是终端机器人实验室或3D生成公司融资…
腾讯研究院AI速递（20260910）报道，OpenAI发布新一代图像生成模型ChatGPT Images 2.5，重点提升图片细节质量、生成速度与编辑精度。最大变化是无需重新生成整图，即可单独调整产品、背景、文字等元素，并在多轮修改中保持人物与产品等主体的稳定。API同步推出Flare与Sunburst两款模型，其中Flare延迟较上代降低50%。
值得关注：与已有相关卡片无直接延续；本条属于生成式图像模型的产品侧更新，不涉及晶体材料、机器人世界模型或AI 3D融资。 增量信息集中在：精准编辑能力、多轮一致性、API模型分层Flare/Sunburst，以及高额周图片生成量…
影眸Hyper3D发布世界生成模型WorldGen，将3D生成从“单个资产”推进到“可交互、可编辑、可进入生产管线的完整场景”：上传一张场景图，2～3分钟后即可得到带空间关系与物理属性的3D场景。
值得关注：此前多数整体式场景生成“好看但中看不中用”，场景内容被合并成不可拆解的整体，难以改动和复用。 WorldGen的关键差异是把场景拆解为可单独操作的资产，同时保留空间与物理关系，使生成结果能被继续编辑、复用并接入现有工作…
群核科技发布3D生成模型Lux3D，用户上传图片或输入一句话，即可在最快20秒内生成带PBR材质的网格、3D高斯等3D资产，单个成本最低约0.07元，并同步内测走显式3D路线的世界模型。
值得关注：此前AI 3D赛道已有Meshy完成约4亿美元融资、估值超百亿元的进展。本卡片的增量在于：群核科技以“极速+低成本+材质能力”作为差异化切入点，同时押注显式3D世界模型。这表明AI 3D竞争正从单一几何生成扩展到材质、…
阿里云百炼正式开放 Wan3.0 视频生成模型，所有开发者可直接调用；单次可生成 30 秒 1080P 电影级画面，原生音画同出，并支持图、文、音频、视频、文档与网页等全能参考。
值得关注：相对于已有“阿里Wan3.0视频模型开启公测”卡片，本条增量信息在于：Wan3.0 已在阿里云百炼正式开放，公开了“按秒计费、失败不计费、标准版限时7折”等商业化策略，并明确支持 1080P、原生音画同出，以及最多 1…
Suno 于2026年8月推出 Studio 2.0，仍运行在浏览器中，新增 MIDI 编辑、内置合成器、音频效果器、参数自动化及可直接操作工程的 Studio Chat，开始补齐 DAW 骨架；但复杂路由、第三方生态与本地稳定性仍不及传统 DAW，更像生成式音乐工作站。
值得关注：Suno Studio 2.0 将 AI 生成与 DAW 式编辑结合起来，让创作者可以在 AI 生成结果之上进行精细修改，这是 AI 音乐生成工具向专业工作流靠拢的关键一步。相比此前 AI 音乐常见的“整首歌一键生成”…
MiniMax Music 3是一款定位“完整歌曲”而非短循环的开源音乐生成模型，用户输入歌词与曲风即可生成最长5分钟、含前奏/主歌/副歌/桥段等结构的歌曲，输出32kHz立体声；发布后已获得ComfyUI Day-0支持，权重可在魔搭与Hugging Face下载。
值得关注：MiniMax Music 3与常见的“短循环/采样片段”式音乐生成不同，它把“完整歌曲结构和一致性”作为核心能力，且通过ComfyUI的Day-0支持进一步接入开源AIGC工作流。这为创作者提供了一个从歌词/曲风到成…
直接偏好优化（DPO）可以把一个无监督的结构条件蛋白语言模型（ESM-IF1）对齐到实验稳定性数据，得到 ProteinDPO。它在稳定性打分上优于无监督原版和监督微调（SFT）版，且能推广到大型复合物结合亲和力预测及流感血凝素三聚体稳定化。
值得关注：DPO 为蛋白质生成模型提供了一种相对轻量的对齐方案：不需要为每个任务从头训练专用监督模型，也不像 SFT 那样容易丢失预训练知识。通过把实验测量到的“适应度”作为偏好信号，可以将生物物理信息直接注入生成模型。作者提出…
阿里发布新一代视频生成模型 Wan3.0 并开启公测，单次可生成 30 秒视频，支持连续运镜、一镜到底等复杂镜头语言与智能时长，并首次支持文档输入，主打真实感与一致性。
值得关注：长视频生成（30 秒）与复杂镜头语言（一镜到底、连续运镜）是视频生成模型从“单镜头片段”走向“可叙事内容”的关键一步。 真实感与一致性是视频生成在影视、广告、教育等领域被采用的核心门槛，Wan3.0 将其作为主打方向。…
Sand.ai 开源的千亿级 MoE 视频生成模型 MAGI-2 Preview，在 8 卡 H100 条件下生成 10 秒视频成本约 0.5 元，并以约 6B 激活参数在 Artificial Analysis 图生视频榜单排名第六、进入第一梯队。
值得关注：该条目是对已有卡片“Sand.ai 开源全球首个千亿 MoE 视频生成模型 MAGI-2-preview”的延续更新。增量信息在于：给出了 8 卡 H100 下的成本测算（约 0.5 元/10 秒）、激活参数量（约 6…
据量子位 2026-08-05 报道，清华系团队 Sand.ai 推出了视频生成模型 MAGI-2-preview，并公开代码与权重。该模型采用 MoE 架构，总参数 114B，单次前向激活约 6B，被文章称为“全球首个千亿 MoE 视频生成模型”。
值得关注：视频生成模型的 Scaling 面临“模型更大、视频更长、成本可承受”的不可能三角，MAGI-2-preview 用 MoE 路线给出了一个可运行的系统级解法。 与单纯迁移语言模型 MoE 不同，视频 MoE 要解决超…
MiniMax发布通用全模态生成模型H3，支持文本、图像、视频、声音的统一理解，可输出原生双声道音视频；最高支持15秒2K分辨率，2K每秒价格不到主流模型三分之一，并将在未来几天开放模型权重。
值得关注：当前视频生成领域多聚焦于“文本/图像到视频”的单项生成能力，H3强调全模态统一理解与生成，并将“原生双声道”作为产品特性，意味着音视频同步生成而非后期配音。相较于已有的材料发现、机器人、3D生成等卡片内容，本条是生成式…
AI 3D 公司 Meshy 完成近 4 亿美元 B 轮融资，投后估值超 100 亿元人民币，刷新 AI 3D 赛道单轮融资规模与估值两项纪录，营收一年增长 12 倍，并推出对话式 3D Agent、8K 贴图等能力，布局实时互动多模态内容体验。
值得关注：Meshy 的大额融资和高速增长标志着 AI 3D 生成赛道进入规模化商业化阶段。其客户包括半数全球顶尖科技公司，意味着 3D AI 正从工具型产品向平台级基础设施演化。与已有相关卡片（如 SIMA 2、Cursor …
2026年6月4日，1X宣布成立1X世界模型实验室，这是一个专门从事具身AI前沿研究的新组织，核心方向是通过大规模具身世界模型预训练推动完全自主人形机器人。该实验室建立在1X世界模型突破的基础上——该模型已使NEO机器人能够以零样本执行完全未见过的任务。1X CEO Bernt Børnich表示：“世界模型将使机器人摆脱静态环境中的狭窄任务陷阱……为了最…
值得关注：具身智能长期被当作“微调问题”来对待，而1X认为必须从预训练阶段就让模型理解物理世界。该实验室的成立可能改变人形机器人研发范式，使机器人具备泛化、自适应和自我学习能力，从而应用于更广泛的实际环境。同时，Sam Sinh…
Park 和 Walsh 提出了一个强化学习框架（Chemeleon2），通过组相对策略优化（GRPO）和多目标奖励机制引导潜在扩散模型生成热力学稳定、化学新颖且结构多样的晶体材料，有效解决了生成模型在材料发现中“似然采样”与“探索未开发区域”之间的目标错配问题。
值得关注：传统生成模型倾向于插值新颖性，而材料发现需要外推至未知化学空间。本文通过强化学习将生成目标从“似然最大化”转向“奖励驱动探索”，直接解决了这一关键瓶颈，使生成式 AI 在功能材料逆向设计中更具实用性和可控性。