LingBot-Vision 是一个以边界为中心的自监督视觉基础模型，利用掩码边界建模（Masked Boundary Modeling）让边界表征从数据中自发涌现，并在无预训练骨干、无人工标注、无外部边缘检测器的条件下，在深度估计、语义分割、视频目标分割等稠密感知任务上取得领先结果；同时作为 LingBot-Depth 2.0 的编码器初始化，显著提升深…
值得关注：LingBot-Vision 提供了一个与“语义不变性优先”不同的视觉预训练路线：以边界/空间不连续为中心，用自监督方式学习稠密空间特征，且无需外部边缘检测器和额外标注。它直接服务物理智能所需的深度估计、分割、特征跟踪…
LingBot-Map 是一个流式 3D 重建模型，通过名为“几何上下文注意力”（Geometric Context Attention, GCA）的结构化流式状态，在 10,000+ 帧的长序列上以约 20 FPS 实时构建高保真 3D 场景地图，且单帧内存与计算开销近乎恒定。
值得关注：LingBot-Map 在“流式”设定下解决了长序列 3D 重建的内存爆炸问题，使实时、高保真场景建图成为可能。相比一次性离线重建，流式重建更贴近机器人、自动驾驶、AR/VR 等对低延迟和持续运行有硬性要求的场景。其与…
LingBot-Depth 用“深度传感器自身产生的空洞”作为掩码信号，通过掩码深度建模（Masked Depth Modeling, MDM）学习用 RGB 视觉上下文补全缺失深度，把消费级深度相机在玻璃、镜面、金属等反光透明物体上失效的问题，转化为可训练的感知任务，并在深度补全、单目深度估计、立体匹配和机器人抓取上取得领先结果。
值得关注：LingBot-Depth 的增量价值在于：它把传感器“失效模式”重新定义为可学习的掩码信号，而不是简单地当作噪声过滤。这一思路直接解决了机器人从感知到操作中最容易出问题的真实场景——玻璃、镜面、金属容器等。相比既有 …
据 a16z 合伙人 Casado 爆料，一款被称为“今年最重要发布”的新模型即将到来，多方线索指向 Ilya Sutskever 旗下 SSI 的首款模型，传闻核心是持续学习突破，但尚未获得官方证实。
值得关注：这可能代表 AI 前沿在“持续学习”方向上的重大进展，而此前已有相关卡片未涉及 SSI 或 Ilya 新模型动态，本条补充了这一增量信息。 Ilya Sutskever 作为 OpenAI 前首席科学家，其新动向对 A…
根据现有元数据，在线旅游公司 loveholidays 正在利用 OpenAI Codex，让非技术团队也能参与软件开发，从而更快地把想法变成产品。具体机制与效果暂待核实。
值得关注：已有相关卡片多聚焦于开发者工具（Claude Tag、Cursor、Devin Desktop）对程序员工作流的改变；本条增量信息在于：**企业正将 Codex 引入非技术业务团队**，把“人人可编程”从理念推向具体企…
通用具身基础模型DM0.5在港大等近20所机构联合发起的RoboDojo评测中综合排名第一，其中Memory维度表现大幅领先，并已全面开源模型权重与训练框架。
值得关注：该结果展示了具身智能基础模型在记忆、抗干扰和精细操作上的进展，特别是长时记忆能力成为评测中的关键差异化维度。开源权重与训练框架的做法，可能加速具身智能领域的复现、研究与产业应用。
候选摘要显示，OpenAI 正在将 **ChatGPT for Teachers** 扩展至 **55 个美国学校系统**，为超过 **100,000 名**教育工作者和教职员工提供安全 AI 工具、培训与支持。由于原始网页正文未能抓取，以上数据及细节有待原文核实。
值得关注：教育行业是 AI 落地的关键场景之一，但学校系统通常对安全性、教师培训和采购流程有更高要求。本条信息的重要性在于：OpenAI 正在从“模型功能更新”走向“行业项目制落地”，把 AI 交付给机构客户。与已有模型更新类卡…
据AGIBOT官网新闻（2026-08-26），AGIBOT在世界人形机器人运动会（World Humanoid Robot Games）首秀中赢得18枚金牌，位列金牌榜和总奖牌榜第一；具体赛事细节与统计口径待核实。
值得关注：这是在AGIBOT此前宣布WAIC 2026发布新品、2026年上半年全球人形机器人出货量登顶、与长隆合作打造具身智能主题公园之后，新增的“竞技/赛事成绩”型信息。增量在于：AGIBOT不仅在研发、出货和商业合作上推进…
英伟达首次公布下一代机柜级系统 Vera Rubin NVL72 的片上实测结果：使用 DeepSeek-V4-Pro 运行智能体编码任务，每兆瓦吞吐较 GB300 最高提升约 30 倍，每百万 Token 成本最高下降约 35 倍；同期还发布了首款 Agent 专用 Vera CPU，并被 SpaceXAI 规模化部署。
值得关注：首次片上实测意味着 Vera Rubin 不再只是纸面发布，而是有真实负载数据支撑。 成本降 35 倍、吞吐升 30 倍，直接冲击智能体规模化落地的算力经济学。 与已有卡片相比，本条增量信息包括：每百万 Token 成…
苹果发布新一代Mac mini与Mac Studio，搭载M6及M5 Pro/Max/Ultra四款芯片，以统一内存架构主推本地大模型运行；其中M6为首款2纳米M系列芯片，AI性能最高达M4版4倍，Mac Studio还可通过Thunderbolt 5组集群做分布式推理。
值得关注：在已有相关卡片聚焦模型、推理引擎与编码智能体的基础上，本条补充了硬件侧的关键动作：苹果正通过统一内存架构和高速互联集群，把大模型推理能力下沉到桌面设备。这提示Agent时代的算力基础设施可能不仅存在于云端，也正在走向本地节点。
NVIDIA 提出的 COMPASS（Cross-Embodiment Mobility Policy via Residual RL and Skill Synthesis）框架，借助 AI 编码代理和人类审批门，将预训练的 NVIDIA X-Mobility 导航策略适配为面向特定机器人与环境的“残差专家”，从而显著降低跨本体、跨环境导航策略开发与复现…
值得关注：这是“AI 代理 + 机器人策略开发”的一个具体落地案例：代理不仅写代码，还能执行环境验证、场景准备、训练调度、诊断和评估，并在人类审批下推进流程。相比通用编码代理生成代码，COMPASS 展示了代理在物理仿真空地中承…
Alibaba 发布的 Qwen3.8-Flash-Next 预览模型，以 176B 总参数量、6B 每 token 激活参数，结合 Gated DeltaNet 与 Qwen Sparse Attention 的混合架构，在 NVIDIA GB300 NVL72 上可实现每 GPU 超 16K tokens/s、每用户超 200 tokens/s 的吞吐…
值得关注：这是 NVIDIA 平台对第三方 Qwen 预览模型的一次生态级验证，而不是 NVIDIA 自研模型。增量信息在于：Qwen3.8-Flash-Next 为 Qwen4 架构探路，其 GDN+QSA 混合设计代表长上下…
Codex负责人Tibo表示，ChatGPT与Codex终将融合为高度个人化的AGI；下一代Agent的关键不是堆叠更多机制，而是让skill、记忆、子Agent等机制“消失”，成为持续理解用户的伙伴。
值得关注：本条相比已有相关卡片（如SIMA 2、Cursor设计模式）提供了新的增量信息：来自OpenAI Codex负责人的产品判断，明确给出2000万用户规模、底层harness统一、语音优先与界面自适应等设计方向，并透露O…
豆包工作通过与飞书原生打通，让办公Agent直接读取企业聊天、文档、表格与权限上下文，成为目前最接近企业Agent终局的一组实践答案。
值得关注：与已有相关卡片中“虚拟3D世界的通用代理”“编码智能体基准”“Cursor视觉提示编辑UI”等方向不同，本条增量信息在于：企业级Agent竞争正从“会干活”转向“懂组织”。豆包工作接入飞书不是简单插件级连接，而是与组织…
Zero-WAM 提出一种以人类操作视频作为“上下文指令”的因果视频-动作模型，让机器人零样本执行训练中从未见过的操作任务，在 RoboTwin 2.0 的 7 个未见任务上平均成功率达到 47.0%。
值得关注：该工作把“上下文学习”从语言模型扩展到机器人操作，并用人类视频替代语言作为任务规范，为开放世界任务泛化提供了新范式。相比已有相关卡片中的 Surgical WAM（以无动作内窥镜视频预训练手术操作模型），Zero-WA…
VoiceMem 提出一种带有“信息左脑 + 情感右脑”的流式双脑记忆架构，可在语音对话系统中实现高精度、情感化、个性化且低延迟的实时记忆读写，检索仅需 134 ms，不增加额外对话延迟。
值得关注：已有相关卡片多关注视觉、时序预测或机器人建图，未涉及语音对话系统中的流式记忆架构。VoiceMem 的核心增量在于将“记忆”明确拆分为信息性与情感性两条通路，并以流式方式接入双工语音模型，同时验证了低延迟和高精度可兼得…
VISA 把多模态指令跟随数据的合成从“一次性生成-过滤”转变为“合成-验证-反馈-记忆-再合成”的自我进化闭环；在 MM-IFEval 上稳定提升多模态指令跟随性能，并在七个公开基准上保持通用多模态能力。
值得关注：已有卡片（MidTool）关注面向工具使用的中间训练数据合成，（MedPMC）关注从文献提取医学多模态数据。VISA 则面向通用多模态指令跟随的合成数据，其核心增量在于：把失败样本、验证器结果和目标模型错误作为有价值的…
VBVR-Pro 是一个把“通过视觉生成进行推理”变成可训练、可验证、可优化、可对照实验的闭环测试平台：用 300 个程序化任务支撑训练，用规则化的可验证奖励替代 VLM 裁判，并在超过 30 种图像/视频/交错生成器上做机制研究，提出存在对视觉推理至关重要的“视觉原生轨迹”。
值得关注：与已有相关卡片（技能熵基准、VAORA 视觉-动作对齐）相比，VBVR-Pro 的增量信息在于： 明确提出“视觉生成本身即推理介质”这一范式，并通过闭环测试床将其工程化； 用可验证规则奖励取代不可靠的 VLM 裁判，为…
本文提出 UGDiff，一种不确定性引导的扩散采样范式：先估计高保真图像潜在特征的重建不确定性，再结合扩散采样器每步的后验方差动态确定高不确定性区域，从而指导扩散过程只在这些区域重点恢复高频细节，其余区域保持保真度，最终在感知质量与失真之间取得更好平衡。
值得关注：扩散模型在图像超分中面临“好看但不准”与“准但不自然”的两难。UGDiff 的增量信息在于：不把高保真图像当作全局硬约束，而是用潜在特征重建不确定性加扩散后验方差来动态定位需要“补细节”的区域，从而缓解后期采样对高保真…
在B模式超声图像中，使用超声域内基础模型作为LPIPS骨干，比使用自然图像或医学通才骨干更能匹配下游监督任务性能；LPIPS骨干选择是一个不可忽略的设计决策。
值得关注：提示通用自然图像预训练模型在特定成像领域可能不是最优的感知度量基础，为基础模型在垂直医学影像领域的适配提供了证据。 与已有的基础模型能力展示类卡片不同，本工作聚焦基础模型作为“感知度量”的领域专门化，并开源了超声专用L…