AI 每日调研 · 2026年10月12日｜Meta推Muse Wonder大模型、杭州启幕具身智能两大重磅活动

今日速览

1. Meta发布Muse Wonder旗舰大模型，14个月攻坚后跻身前沿梯队
2. 首届全球具身智能应用创新挑战赛暨ITU标准全会13日杭州启幕
3. 阿里云披露Qwen4及下一代视频模型训练进展，Qwen-Image-3.1性能逼近GPT-Image系列
4. 宇树科技王兴兴称具身智能临界点最快1-2年到来，GPT-6已落地机器人测试
5. 模思智能完成超10亿元Pre-A轮融资，推进全模态实时交互智能研发

大模型

厂商动态

1. Meta发布新一代旗舰大模型Muse Wonder：这是Meta重组AI团队14个月后首次推出自称达到“前沿水平”的旗舰大模型，包含主打快速性能的Muse Wonder与完整版本Muse Wonder Full。Meta CEO扎克伯格表示，该模型是公司朝着为所有人提供“个人超级智能”目标的重要一步，官方跑分显示其在多项基准测试中超越Anthropic同期模型，目前Muse Spark子版本已在meta.ai及Meta AI app上线。
2. 10月10日曾报道智谱发布GLM-5V-Turbo多模态Coding模型、OpenAI开放gpt-oss系列权重模型，10月9日曾报道OpenAI将GPT-6.1 Sol默认上下文长度提升至500k，当日均无实质性新增进展。
3. 小米MiMo-V2.6、Anthropic Claude Opus 5等模型近期无新增动态。

arXiv论文

1. arXiv:2610.13330《Masked Diffusion Language Agents for Tool-Integrated Chemical Reasoning》：提出掩码扩散语言智能体框架，在化学推理场景下工具调用能力较基线提升37%。
2. arXiv:2608.25593《JIT-Agent: Scaling Harness Intelligence via Just-in-Time Harness Evolution》：提出即时演化的智能体框架，使复杂任务执行成功率提升42%。
3. arXiv:2610.02117《Where-OPD: Spatially Guided On-Policy Self-Distillation of MLLMs with Synthetic Scenes》：提出空间引导的多模态大模型自蒸馏方法，仅用合成场景数据即可将模型空间推理能力提升28%。

AI 应用

厂商动态

1. 10月9日曾报道千问即将推出个人AI助理“千问Go”，当日无新增功能细节披露。
2. 阿里云AI应用矩阵更新：包含支持影视级创作的HappyHorse视频生成模型（具备智能分镜调度、多镜头叙事能力）、可智能生成网站前后台的万小智3.0（支持GEO/SEO，上线即具备经营能力）、千问3系列离线语音合成/识别模型（覆盖17种拟人音色，支持多语言方言，低延迟高稳定），覆盖内容创作、企业服务、语音交互等场景。
3. OpenAI推出“ChatGPT 工作”企业方案：支持团队共享资料空间、实时协同编辑、@AI修改内容，可结合用户模板生成文档、演示文稿与分析结果，已包含在ChatGPT Business和Enterprise方案中。

arXiv论文

1. arXiv:2610.07860《WorkflowOps: Learning Agent Collaboration Priors for Multi-Agent Workflow Orchestration》：提出多智能体工作流编排框架，通过学习协作先验知识，使多智能体任务完成效率提升51%。
2. arXiv:2610.11384《Environmental Feedback Modeling Matters: Rethinking Feedback Treatment in Agentic Hindsight》：提出环境反馈建模方法，解决智能体在动态场景下的经验复用问题，任务泛化能力提升34%。

多模态

厂商动态

1. 模思智能完成超10亿元Pre-A轮融资：由华控基金领投，国开科创、上海科创基金等跟投，资金将用于推进全模态实时交互智能的研发与能力建设，以及全球商业化落地。
2. 阿里公布多模态模型进展：Qwen-Image-3.1性能有望逼近最强GPT-Image系列；下一代视频模型已在训练中，将进一步提升长视频生成与理解能力。
3. 10月11日曾报道谷歌发布EmbeddingGemma 2多模态嵌入模型（支持文本、图像、音频、视频共享嵌入空间，可在智能手机端运行）、10月9日曾报道紫东太初ZDTaichu5.0-9B拿下9大国际权威基准8项第一，当日均无新增进展。
4. 北京科委披露多模态协同感知大模型技术成果：已取得13项相关专利，可应用于自动驾驶场景的图像识别、视频问答等任务，目前处于实验室研究阶段。

arXiv论文

1. arXiv:2610.11363《UniData: Universal Multimodal Instruction Generation Pipeline》：提出通用多模态指令生成流水线，可自动生成覆盖12类模态的指令数据，使多模态模型微调成本降低60%。
2. arXiv:2607.08497v1《Cognitive-structured Multimodal Agent for Multimodal Understanding, Generation, and Editing》：提出认知结构的多模态智能体框架，可同时实现多模态内容理解、生成与编辑，在图文创作、视频剪辑等场景表现超过基线模型41%。

Omni 全模态

厂商动态

1. 10月10日曾报道阿里云Qwen3.5-Omni-Flash-Realtime全模态模型更新（支持60+种语言音频输入、30+语言语音输出、智能语义打断），当日无新增进展。
2. NVIDIA披露Nemotron 3 Omni训练配方：针对30B参数的混合专家模型Nemotron 3 Nano Omni提供多模态后训练Pipeline，可快速适配全模态任务需求。
3. Cloudflare Clef-omni全模态模型近期无新增动态。

arXiv论文

1. arXiv:2610.09307《vLLM-Omni Technical Report: A Unified Serving Runtime for Omni-Modality Generation》：公开全模态统一服务运行时vLLM-Omni，支持文本、图像、音频、视频生成任务的统一调度，推理吞吐量较现有方案提升2.3倍。
2. arXiv:2609.25738v1《OmniFysics-Nano-V2 Technical Report: Understanding the Physical World Across Modalities》：提出面向物理世界理解的全模态小模型OmniFysics-Nano-V2，仅需1.2B参数即可实现跨模态的物理规则推理，适合端侧具身设备部署。

具身智能

厂商动态

1. 首届全球具身智能应用创新挑战赛暨2026中国机器人大赛、ITU具身智能标准焦点组第三次全会13日杭州启幕：来自43个国家的近400名专家将围绕多模态数据、接口互操作等议题拟定两项关键技术规范；挑战赛吸引全国高校近5000名参赛者参与，将推动具身智能技术的落地验证。
2. 宇树科技王兴兴称具身智能临界点最快1-2年到来：在第26届中国国际工博会对话环节中透露，团队已将GPT-6部署至机器人进行任务测试，效果表现良好；当前AI技术迭代速度快，具身智能行业落地临界点预计最快1-2年、最慢3-5年到来。
3. 安徽省具身智能创新中心正式揭牌：在中国科大具身智能产学研融合创新大会上成立，将聚焦具身智能技术创新、成果转化、人才培养，推动“政产学研用”深度协同，完善安徽省人形机器人产业梯队。
4. 10月11日曾报道DeepSeek拟入局具身智能领域、10月9日曾报道我国已建成70家具身智能训练场，当日均无新增进展。

arXiv论文

1. arXiv:2610.10498《EmbodiedRSI: Active Continual Robot Learning Through Hypothesis-Guided Co-Evolution》：提出假设引导的协同进化机器人持续学习框架，使机器人在动态环境下的新任务适应速度提升3倍。
2. arXiv:2609.09158v1《TANGO: Humanoid Navigation in Cluttered Environments with a Whole-Body Vision-Language-Action Model》：提出全身视觉-语言-动作模型，可实现人形机器人在杂乱环境中的自主导航，避障成功率较传统方法提升58%。

本周趋势观察

本周大模型与具身智能领域的联动效应进一步凸显：一方面Meta、OpenAI等海外厂商持续提升大模型基础能力，另一方面国内将具身智能作为产业落地的核心突破口，从标准制定、赛事验证、产学研协同多维度推进。同时全模态模型的端侧化、实时化趋势明显，谷歌EmbeddingGemma 2、OmniFysics-Nano-V2等小参数全模态模型的发布，为具身设备、消费电子的AI能力升级提供了可行路径。预计未来1-2个月，全模态模型在端侧场景的落地案例将快速增加，具身智能领域也将迎来更多大模型厂商的布局动作。