今日速览
- 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，打通AI决策到物理执行全链路
- 小米开源MiMo-V2.6系列全模态大模型，Pro版本登顶全球开源大模型榜单，兼顾性能与成本
- Anthropic发布Sonnet 5.5模型，速度优于前代，作为Opus 5.5低成本替代方案
- 诺因智能发布通用具身智能生成式学习架构GLOW，支持一次演示跨场景复用任务
- 阿里Qwen3.8-Omni技术报告公开，原生全模态模型向Agent能力落地演进
大模型
厂商动态
- 小米发布并开源新一代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，沿用前代API定价。
- 智谱上线GLM-5.3-FlashX模型来源。
- OpenAI 9月22日发布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；9月23日上线MentalHealthBench基准，用于评估AI心理健康对话的实用性与安全性。
- 据报道OpenAI因安全担忧取消发布GPT-6.1 Astra模型来源。
- 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。
- Meta发布Muse Spark 1.1，已在Meta AI app开放“Thinking”模式，同时开放Meta Model API公开预览供开发者调用。
- 万联证券研报指出，当前大模型行业呈现模型降本与安全治理同步演进的趋势。
- Google DeepMind发布私有AI计算技术更新，通过安全服务器端内存提升隐私计算能力。
arXiv论文
- Differentiable Fuzzy Inference Layer: A Monotone, Compositional Ordinal Reasoning Head for Large Language Models：提出可微模糊推理层，为大模型提供单调、可组合的序数推理能力。
- StarWM: Self-Supervised Trained Attention Routing for Robust World Models：提出自监督训练的注意力路由机制，提升世界模型鲁棒性。
- DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale：开源面向大规模智能体训练的沙箱基础设施DSec，支持高效Agent训练。
- 公开Qwen系列技术报告来源。
AI 应用
厂商动态
- 高德发布空间智能AI平台，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。
- OpenAI推出ChatGPT Work，面向企业场景提供文件/简报生成、后台自动任务执行、工具插件对接能力，支持企业级管控与治理。
- OpenAI开放gpt-oss系列开源模型，包含120B和20B参数版本，支持桌面、笔记本、数据中心本地部署，可自定义安全策略。
- 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，推进与国产模型厂商生态合作来源。
- Gemini API更新Antigravity Agent 09-2026预览版，替代旧版预览版本，优化远程沙箱执行能力。
- Mistral推出Vibe智能助理，支持长周期任务处理，可对接用户自有知识与工具来源。
arXiv论文
- SkillEvoReg: Regularizing Agent Skill Evolution：提出智能体技能演化正则化方法，提升智能体技能迁移稳定性。
- Is Reasoning Always Useful? Rethinking Reasoning Utility in Universal Multimodal Embeddings：重新分析推理能力在通用多模态嵌入中的效用边界，为多模态模型优化提供参考。
- Cross-Country Code-Mixing for Generative Recommendation：提出跨国代码混合方法，提升生成式推荐系统的跨场景适配性。
- DeepSeek Elastic Compute (DSec): A Sandbox Infrastructure for Effective Agentic Training at Scale：同大模型板块，为智能体训练提供基础设施支撑。
多模态
厂商动态
- 微软研究院发布通用多模态基础模型BEiT-3技术更新，推动文本、图像、多模态预训练技术统一。
- 小米MiMo-V2.6系列大模型支持图片、视频、音频和文本全模态输入，补齐开源Pro级全模态模型短板来源。
- 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。
- 2026年车载多模态交互技术落地，AI语音助手融合视觉、手势、情绪感知能力，可根据驾驶场景主动调整交互策略来源。
- 华为发布AI Centric“1+2+3”全系列解决方案，联合信通院推动AI-MOS体验标准从规划走向产业落地来源。
- 北京市科委披露多模态协同感知大模型技术研究成果，已获13项专利，面向自动驾驶场景应用，目前处于实验室研究阶段。
- Mistral Small 4模型支持文本与图像输入，面向多模态场景开源来源。
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，提升时序预测精度。
- Multimodal Thinking with Renderable Programs：提出可渲染程序的多模态思考框架，提升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，实现跨模态内容的双向翻译与生成。
- 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，提出基于统一语言表示的多模态问答优化方向。
Omni 全模态
厂商动态
- 阿里千问上线Qwen3.8-Omni-Flash原生全模态模型，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%，核心定位为面向生产力场景的Agent基础模型，目前已在千问AI平台开放使用。
- 斑马智能在云栖大会发布端侧全模态大模型AutoOmni2.0-23B-A3B，普通任务处理能力堪比10倍参数量云模型，复杂任务能力达到10倍参数量云模型的80%-90%，面向车载等端侧具身场景优化。
- Google DeepMind Gemini Omni模型开放视频生成与编辑能力，支持多模态输入输出创作来源。
- DeepMind 5月发布OmniVision-3全模态模型，实现毫秒级动作识别，面向特定行业场景优化来源。
arXiv论文
- Qwen3.8-Omni: Towards Native Omni-Modal Agents：阿里千问团队公开Qwen3.8-Omni技术细节，阐述原生全模态模型向Agent能力演进的技术路径。
- 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评测框架，覆盖多视角空间推理、音频消歧等维度。
- Omni-Decision: Evidence-Ledger Planning for Omni-Modal Agents：提出基于证据账本的全模态智能体规划框架，提升智能体多模态决策的可靠性。
- OmniFysics-Nano-V2 Technical Report: Understanding the Physical World Across Modalities：提出跨模态物理世界理解模型OmniFysics-Nano-V2，面向端侧低资源场景优化。
具身智能
厂商动态
- 9月28日，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亮相，由东土科技主导提供底层底座，打通国产AI芯片、鸿道实时操作系统、AUTBUS确定性总线、MaVIEW开发工具四大核心模块，实现实时控制与AI智能计算的隔离融合，构建从AI决策到物理执行的全国产化技术链路，可完整替代国外方案来源。
- 深圳诺因智能发布通用具身智能生成式学习架构GLOW，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。
- 全球首个大规模具身智能主题乐园在横琴长隆启幕，由智元机器人与长隆集团联手打造，超过300台智元全系机器人在园区常态化上岗，覆盖文娱商演、科普研学、导览导购、互动娱乐等场景，实现具身智能To C场景大规模落地来源。
- Google DeepMind Gemini Robotics 2 VLA模型开放，作为通用智能层支持控制任意类型机器人，覆盖双足、机械臂等多形态具身设备。
- Meta具身智能平台Habitat持续迭代，支持社交智能机器人训练，面向家庭日常 chores场景优化来源。
arXiv论文
- EmbodiedMind: Adaptive Data Curation and Prefix-Tree Reinforcement Learning for Efficient Embodied Intelligence：提出自适应数据治理与前缀树强化学习框架，提升具身智能训练效率。
- 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直接控制框架，支持机器人自主感知本体状态并迭代控制能力。
- Neurosymbolic Embodied Agents：提出神经符号具身智能体架构，融合符号推理与神经网络能力，提升具身决策的可解释性与鲁棒性。
- Human Centric Embodied Intelligence for Soft Wearable Robotics：面向柔性可穿戴机器人场景，提出以人为中心的具身智能设计框架。
本周趋势观察
- 大模型迭代呈现“分层化+场景化”特征：头部厂商同时推出高端旗舰、高性价比端侧等不同定位的模型产品，成本优化与安全治理成为并行的行业核心命题，开源模型性能持续追平闭源第一梯队，中小厂商接入门槛进一步降低。
- 全模态模型向Agent能力落地迈进：Qwen3.8-Omni、AutoOmni2.0等产品均将“任务规划、工具调用”作为核心优化方向，全模态能力不再局限于内容理解，开始成为智能体感知物理世界、完成复杂任务的基础支撑。
- 具身智能进入技术底座与场景落地双重突破期：全国产化电子架构的发布解决了具身机器人底层供应链“卡脖子”问题，而具身主题乐园的落地则验证了To C场景的商业化可行性，技术迭代与商业闭环形成正向循环。
- 消费级智能体商业化加速：Meta Muse、Manus Cue等面向个人场景的智能体产品快速迭代，开始接入支付、日程管理等高频生活服务，“对话即服务”的交互模式逐步从办公场景向日常消费场景渗透。