今日速览
- 斑马智能发布端侧全模态大模型AutoOmni2.0-23B-A3B，任务处理能力对标10倍参数量云模型
- 全球首台搭载全国产化电子架构的具身智能机器人正式亮相，实现控制与AI计算隔离融合
- 小米开源MiMo-V2.6系列大模型，支持全模态输入，兼顾性能、速度与成本
- 阿里千问Qwen3.8-Omni技术报告公开，主打原生全模态智能体能力
- Meta Muse Spark 1.1开放API预览，个人AI助手上线12天下载量达280万次
大模型
厂商动态
- 小米正式发布并开源新一代MiMo-V2.6系列大模型，包含Pro与Flash两款，支持全模态输入，在第一梯队模型中实现性能、速度和价格兼顾，Pro版本登顶全球开源大模型榜单，单任务成本低至0.13美元[来源：新浪财经]
- Anthropic发布Sonnet 5.5模型，运行速度显著快于Sonnet 5，是Opus 5.5的低成本替代方案，定价为每百万输入token 2美元
- OpenAI推出GPT-6 Sol和Luna两款模型，以不同能力与成本组合覆盖日常工作场景，同时上线MentalHealthBench基准，用于评估AI在心理健康对话中的实用性与安全性
- 智谱GLM-5.3-FlashX正式上线[来源：北京国际科技创新中心微信公众号]
- Meta发布Muse Spark 1.1，开放Meta Model API公开预览，模型支持"Thinking"模式，已在Meta AI app和meta.ai上线
- 行业研报显示，当前大模型领域呈现降本与安全治理同步演进的趋势[来源：万联证券]
arXiv 论文
- Differentiable Fuzzy Inference Layer: A Monotone, Compositional Ordinal Reasoning Head for Large Language Models：提出可微分模糊推理层，为大模型提供具备单调性、组合性的序数推理能力
- DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale：公开面向大规模智能体训练的沙箱基础设施DSec，支撑智能体训练的效率与安全性
- 公开Qwen系列模型技术报告[来源：arXiv]
AI 应用
厂商动态
- 高德发布空间智能AI平台，以空间智能为基座，构建从空间还原到行业分析再到现实行动的完整链路，推动智慧城市自主进化
- Meta个人AI助手Muse上线12天下载量达280万次，支持邮件、旅行预订与交易执行，正推进与Shopify支付生态整合，加速消费级智能体商业化[来源：中信建投]
- Manus面向海外发布2.0版本及个人生活场景智能助理Cue，同时正组建团队开发面向国内市场的产品，与国产模型厂商的合作稳步推进[来源：新黄河]
- OpenAI推出ChatGPT Work企业方案，具备企业级管控治理能力，支持文件/简报制作、后台自动任务执行，兼容常用工具与插件[来源：OpenAI]
- Google更新Gemini API，发布antigravity-preview-09-2026智能体版本，替换此前的05-2026预览版[来源：Google AI for Developers]
arXiv 论文
- SkillEvoReg: Regularizing Agent Skill Evolution：提出智能体技能演化正则化方法，提升智能体长期任务执行的稳定性
- Cross-Country Code-Mixing for Generative Recommendation：针对跨国场景下的混合代码生成推荐问题提出优化方案
- Agent Survival Micro-benchmark for Long-Horizon LLMs: Social Exposure, Personas, and Tool Use Budgets：发布长上下文大模型智能体生存微基准，覆盖社交暴露、角色设定、工具使用预算等评估维度
多模态
厂商动态
- 微软研究院公开通用多模态基础模型BEiT-3的技术进展，推动文本、图像、多模态预训练技术走向大一统[来源：智算网络联盟]
- 国内多模态AIGC行业进入新阶段，AI视频从生成素材向完整作品交付演进，技术竞争转向全链路系统能力[来源：新华网]
- 2026年AI语音助手实现多模态交互革新，融合视觉、手势、情绪感知能力，可根据驾驶场景主动调整交互策略，重塑座舱体验[来源：新浪新闻]
- 北京市科委披露多模态协同感知大模型技术研究及在自动驾驶中的应用成果，属原始创新，目前处于实验室研究阶段，已获13项相关专利
arXiv 论文
- TAC-Time: Texts as Channels For Multimodal Time Series Forecasting：提出将文本作为多模态时间序列预测的信息通道，提升预测精度
- Multimodal Thinking with Renderable Programs：提出基于可渲染程序的多模态思考框架，增强多模态模型的推理可解释性
- THERE AND BACK AGAIN: BIDIRECTIONAL DIFFUSION BRIDGES FOR MULTIMODALITY TRANSLATION：提出双向扩散桥架构，实现不同模态之间的双向高效转换
- Evolution of Multimodal Question Answering: From Modality-Adaptive Extraction to Unified Language Representation：梳理多模态问答技术演进路径，提出从模态自适应提取到统一语言表示的发展方向
Omni 全模态
厂商动态
- 斑马智能在云栖大会发布新一代端侧全模态大模型AutoOmni2.0-23B-A3B，普通任务处理能力堪比10倍参数量云模型，复杂任务处理能力达到10倍参数量云模型的80%-90%，主打具身智能场景适配
- 阿里千问上线Qwen3.8-Omni-Flash全模态模型，支持文本、图像、音频、视频输入，上下文长度达1M，相比上一代30项评测平均得分提升超26%，音视频能力显著增强，API成本最高降幅达98%，主打原生全模态智能体能力，已在千问AI平台开放使用
- Google DeepMind公开Gemini Omni模型进展，支持以视频为起点的任意模态内容生成[来源：Google DeepMind]
arXiv 论文
- Qwen3.8-Omni: Towards Native Omni-Modal Agents：阿里千问团队公开Qwen3.8-Omni的技术细节，阐述原生全模态智能体的设计思路与性能表现
- Can MiniMax-H3 Reason About the Physical World? An Evaluation of Omni-Modal Generative Model：针对全模态生成模型的物理世界推理能力提出系统性评估框架，覆盖多视图空间推理、音频消歧等维度
- OmniFysics-Nano-V2 Technical Report: Understanding the Physical World Across Modalities：发布跨模态物理世界理解模型OmniFysics-Nano-V2的技术报告，优化端侧全模态模型的物理推理性能
具身智能
厂商动态
- 全球首台搭载全国产化电子架构的具身智能机器人在湖北宜昌正式发布，由东土科技主导提供底层底座，整合鸿道实时操作系统、AUTBUS总线、国产AI计算芯片等核心模块，实现实时控制与AI智能计算的隔离融合，打通从AI决策到物理执行的全国产技术链路，可完整替代国外方案
- 智元与长隆集团联手打造的全球首个大规模具身智能主题乐园在横琴启幕，超过300台智元全系机器人常态化上岗，覆盖文娱商演、科普研学、导览导购、互动娱乐等场景，落地全球最大规模常态化"人机共演"、机器人空中飞人表演等项目
- 深圳诺因智能发布通用具身智能生成式学习架构GLOW技术，支持通过一次人类完整演示，让机器人实现跨物体、跨环境的任务复用，无需为新任务重新采集数据或更新模型参数
- Google DeepMind公开Gemini Robotics 2进展，作为通用机器人智能层，可智能控制各类形态的机器人系统[来源：Google DeepMind]
arXiv 论文
- EmbodiedMind: Adaptive Data Curation and Prefix-Tree Reinforcement Learning for Efficient Embodied Intelligence：提出EmbodiedMind框架，通过自适应数据治理与前缀树强化学习，提升具身智能的训练效率
- Know Your Body: A Harness for Direct and Self-Improving Robot Control with VLMs：提出基于视觉语言模型的机器人自改进控制框架，让机器人实现对自身本体的感知与控制优化
- Neurosymbolic Embodied Agents：提出神经符号具身智能体架构，结合神经网络的感知能力与符号系统的推理能力，提升复杂场景下的任务执行可靠性
本周趋势观察
本周AI领域呈现三大清晰趋势：一是全模态模型向端侧下沉加速，斑马AutoOmni2.0等端侧全模态模型的能力已经逼近大参数量云模型，结合成本优势将进一步推动具身智能、智能座舱等端侧场景的落地；二是具身智能的国产化替代取得核心突破，全国产电子架构的落地打通了从底层芯片、操作系统到上层AI决策的全链路，摆脱了对国外技术方案的依赖，同时文旅场景已经实现具身智能的大规模商业化落地，验证了To C场景的商业化可行性；三是大模型市场竞争进一步分化，开源模型如小米MiMo-V2.6在性能追平第一梯队的同时成本大幅降低，闭源模型则通过分层产品矩阵（如Sonnet 5.5、GPT-6系列）覆盖不同性价比需求，同时安全治理已经成为大模型迭代的核心前置指标。