荣耀发布伙伴型多模态智能体操作系统 AgenticOS，Robot Phone 8 月首发内核
荣耀在 2026 世界人工智能大会上发布 AgenticOS，支持意图驱动、自然交互等四大特征，拥有行业首个系统级 Agent 架构。8 月发布的 Robot Phone 将首发其内核，Q4 的 Magic9 系列将推出尝鲜版。Robot Phone 搭载第五代骁龙 8 至尊版芯片，顶部集成行业最小四自由度钛合金机械云台，体积缩小 70%。
#多模态
IT之家·人工智能AI 评分5050
IT之家·人工智能AI 评分6161 B站“猫娘计划”亮相WAIC 2026，支持自主导入模型并理解桌面内容
哔哩哔哩在WAIC 2026上展示了开源AI数字生命生态计划“猫娘计划”，其核心产品为主动式全模态AI伙伴驱动器N.E.K.O.。该产品支持Live2D与VRM双引擎，用户可自由导入模型，并内置视觉多模态大模型以理解电脑屏幕内容。目前该产品已在Steam上架抢鲜体验。
Apple Machine Learning ResearchAI 评分5050 Apple 研究：Show Me Examples — 从图像集推断视觉概念
Apple 机器学习研究团队提出一种方法，让视觉语言模型（VLM）仅从图像集示例中推断视觉概念，无需文本指令。该方法通过对比示例图像与候选图像，使模型捕捉颜色、纹理等视觉规律，在多个概念推理基准上提升准确率。该研究目前为学术论文，未公布模型或 API 可用性。
MiniMax (official)@MiniMax_AIAI 评分4040引用Vals AI@ValsAIWhen will MiniMax have a Fable level model? @olive_jy_song, research lead at @MiniMax_AI, joins The Bench to answer that question, plus M3, open source models closing the gap on Vibe Code Bench, and the truth about 996 culture. Full episode out now! 7:19 – Inside MiniMax's research culture: AI agents tracking papers since early last year 18:01- The headline of M3: native multimodality and one million tokens of context 21:10- The bottleneck of building models is people, not compute 22:48 – Does MiniMax work 996? 25:47 - Olive's prediction and the 30 point gap on Vibe Code Bench 32:02- Model capabilities Olive is most excited about 32:35- The lab Olive most respects outside of MiniMax 36:24- Will more labs go open source a year from now?
公众号：面壁智能AI 评分4848 面壁智能 MiniCPM 端侧模型落地三星盖乐世 AI
7 月 15 日，三星盖乐世 AI 等 7 款手机端侧 AI 产品通过国家网信办备案，面壁智能 MiniCPM 系列作为端侧模型能力提供方深度参与。面壁智能是唯一以端侧模型能力参与备案的大模型企业，其 MiniCPM 系列开源模型累计下载量超 3800 万次，覆盖文本、视觉、语音全模态。此次合作标志着面壁端侧模型进入全球头部手机厂商。
IT之家·人工智能AI 评分5050 阿里千问 AI 眼镜将升级为智能体眼镜，联合 Bose 打造首款 AI 智能体耳机
千问在 2026 世界人工智能大会首日宣布，其 AI 眼镜将升级为智能体眼镜，并联合 Bose 推出首款 AI 智能体耳机。升级后的眼镜支持全双工语音、眼动追踪、体征监测（心率、血氧、HRV）等新技术，可调用第三方 Skill 和 Agent。上述硬件技术年内将应用于千问 AI 智能体眼镜，已发售的 S1、G1 也将通过 OTA 引入 Agent 能力。
公众号：千问APPAI 评分4848 千问AI智能体眼镜与首款AI智能体耳机亮相WAIC 2026
千问在2026世界人工智能大会推出两款硬件：千问AI智能体眼镜和首款AI智能体耳机。智能体眼镜升级全双工语音、眼动追踪、体征监测（心率、血氧、HRV）等能力，可调用第三方Skill和Agent；耳机由千问与Bose联合打造，支持同声传译、会议纪要、健康记录。上述硬件技术年内应用于千问AI智能体眼镜，已发售的S1、G1将通过OTA引入Agent能力。
公众号：千问APPAI 评分4545 这届WAIC，千问AI智能体眼镜、耳机申请出战！
2026世界人工智能大会首日，千问推出AI智能体眼镜与首款AI智能体耳机两大硬件。智能体眼镜升级全双工语音、眼动追踪、体征监测等技术，并实现行业首个用户体征实时监测，可测量心率、血氧、HRV等数据。上述技术年内应用于千问AI智能体眼镜，已发售的千问AI眼镜S1、G1将通过OTA引入Agent能力；耳机由千问与Bose联合打造，支持同声传译、会议纪要等功能。
IT之家·人工智能AI 评分6565 阿里通义实验室发布 Wan-Streamer v0.2，AI 视频电话响应延迟仅 550ms
阿里通义实验室发布 Wan-Streamer v0.2，端到端响应延迟仅 550ms。该模型将输出分辨率从 v0.1 的 192×336 提升至 640×368 @ 25FPS，并通过“快慢分工、时序重叠”架构在提升画质的同时不增加用户可感知延迟。
IT之家·人工智能AI 评分5151 文远知行发布物理 AI 大模型 WITT，引入“最小物理事实单元”概念
文远知行发布自研物理 AI 认知基础大模型 WeRide WITT，首次引入“最小物理事实单元”概念，将真实场景拆解为可验证的事实单元。WITT 具备事实提取、推理、验证与编排四大能力，在自动驾驶垂类场景中平均每片段事实错误率仅为通用大模型的三分之一。相比百B级通用大模型，WITT 可节省 98% 的 Token 成本，单卡单日处理 1 万分钟视频，实现 200 倍数据处理效率提升。
IT之家·人工智能AI 评分6666 腾讯发布具身 VLM 基座模型 Hy-Embodied-VLM-1.0，A3B 规模性能接近上一代 A32B 模型
腾讯 Robotics X 实验室与福田实验室联合发布第二代具身 VLM 基座模型 Hy-Embodied-VLM-1.0。该模型仅采用 A3B 规模，在 37 个评测任务中综合平均得分 65.6，整体性能接近上一代 A32B 旗舰模型。模型已开源。
公众号：通义实验室精选AI 评分6969 通义实验室发布 Wan-Streamer v0.2，端到端响应延迟仅 550ms
通义实验室发布 Wan-Streamer v0.2，这是一款将“听、看、说、演”统一进单个 Transformer 的端到端全模态模型。其端到端响应延迟仅 550ms，输出分辨率从 v0.1 的 192×336 提升至 640×368 @ 25FPS，并采用 Thinker-Performer 双通路架构在提升画质的同时维持了极低延迟。
推荐理由：通义实验室把实时视频交互延迟压到550ms，同时提升了分辨率，不是刷榜而是解决实际问题，对做数字人和实时助手的团队是个值得跟进的信号。
公众号：通义实验室精选AI 评分7676 Wan-Streamer v0.2 发布：端到端响应延迟仅 550ms，支持 640×368 实时视频对话
通义实验室发布 Wan-Streamer v0.2，端到端响应延迟 550ms（200ms 模型延迟 + 350ms 网络延迟），输出分辨率从 v0.1 的 192×336 提升至 640×368 @ 25FPS。
推荐理由：550ms端到端延迟把实时视频对话从拼接流水线推入单模型交互循环，原先因响应太慢而无法沉浸的口语陪练与面试模拟，开始具备自然对话的交互基础。
IT之家·人工智能AI 评分4848 谷歌 Google Vids 新增数字分身功能，Gemini Omni 模型同步登陆
谷歌为 Google Vids 加入个人数字分身功能，用户上传自拍照和语音录音即可生成外貌与声音模仿本人的虚拟形象。多模态 AI 模型 Gemini Omni 同步登陆，支持文字提示词与参考图片整合生成视频，并可分步修改。数字分身与谷歌账号绑定，生成内容嵌入 SynthID 隐形水印，目前仅向部分地区年满 18 岁的用户开放。
SenseTime@SenseTime_AIAI 评分5858IT之家·人工智能精选AI 评分7979 Kimi 最强模型 K3 发布，Frontend Code Arena 跑分登顶
月之暗面推出迄今最强模型 Kimi K3，拥有 2.8 万亿参数和 100 万 Tokens 上下文窗口。该模型在 Frontend Code Arena 中以 1679 分超越 Claude Fable 5 位居第一，在 7 个前端领域中的 6 个排名 #1。API 定价为每 100 万 Tokens 输入 2 元（缓存命中）或 20 元（缓存未命中），输出 100 元。
推荐理由：Kimi K3 的 2.8T 参数和 100 万上下文不是数字游戏，前端跑分实打实地压过 Claude Fable 5，七个子领域拿六个第一，这对做前端和长文档处理的人是个明确信号，可以下场试了。
公众号：数字生命卡兹克精选AI 评分7575 Kimi 正式发布 2.8 万亿参数大模型 K3，将于 7 月 27 日全面开源
月之暗面发布 Kimi K3，参数量达 2.8 万亿，支持百万上下文，将于 7 月 27 日全面开源。该模型在 AA 智能分数中排名第三，并在 BrowseComp、Automation Bench 和 SpreadsheetBench 2 三项 Agent 评测中取得第一。
推荐理由：国内首个 3 万亿参数开源模型，卡兹克的深度实测表明它在 Agent 和前端审美上表现惊艳，整体能力已能与 GPT-5.6 Sol 掰手腕，虽然推理成本可能不低，但值得开发者尽快体验。
Artificial Analysis@ArtificialAnlysAI 评分5757Moonshot AI：Kimi Blog精选AI 评分7070 Moonshot AI 发布 PerceptionBench：多模态模型视觉感知能力诊断基准
Moonshot AI 发布 PerceptionBench，一个从 40 多个现有基准中模型实际失败案例归纳出的视觉感知基准，包含 10 项原子感知能力和 3000 道验证题。所有测试模型准确率均未超过 60%，且大量正确答案在重复提问时无法复现，表明模型更多是猜测而非真正感知。PerceptionBench 旨在精确诊断多模态 AI 的视觉感知断裂点，推动其实现忠实、一致的视觉理解。
推荐理由：这是一个把视觉感知拆成原子能力的基准，所有模型不及格，而且猜测多于感知的发现很扎心，做多模态的团队应该拿来测一下自家模型。
Moonshot AI：Kimi Blog精选AI 评分8181 Kimi K3 发布：2.8T 参数开源模型，具备原生视觉与百万 token 上下文窗口
月之暗面发布 Kimi K3，一个 2.8T 参数的开源模型，采用 Kimi Delta Attention 和 Attention Residuals 架构，支持原生视觉能力与 100 万 token 上下文窗口。
推荐理由：首个开源 3T 级模型，架构上有 KDA 和 AttnRes 创新，在超长程编码和知识工作上比肩闭源。权重两周后放出，所有做 agent 的都该盯紧。
TechCrunch：AIAI 评分5656 Roblox 在移动端推出 AI 游戏创建功能“Build”
Roblox 发布新功能“Build”，允许用户通过手机输入文字提示（如“制作一个森林中的舒适冒险游戏”）直接生成基础游戏，无需编程经验。该功能由开源和 Roblox 自有的 AI 模型驱动，可处理玩法、环境、角色、视觉风格和音效。Build 将于 7 月 28 日在新西兰面向 9 岁以上用户开启公开 Alpha 测试，并提供免费基础版和付费选项。
TechCrunch：AIAI 评分5050 Google Vids 更新：上传自拍和录音即可创建数字分身，并引入 Gemini Omni 多模态模型
Google 为 Vids 推出数字分身功能，用户上传自拍和录音即可生成外观和声音与本人一致的 AI 头像。同时，多模态模型 Gemini Omni 被引入 Vids，支持结合文字提示和参考图片生成视频，并能逐步编辑、替换背景或调整光线。新头像与 Google 账号绑定，并带有 SynthID 隐形水印，仅限 18 岁以上特定地区用户使用。
OpenRouter：AnnouncementsAI 评分5252 OpenRouter 统一多模态 API：Chat、图像生成、嵌入与转录共用同一端点
OpenRouter 将 Chat、图像生成、嵌入和转录四种模态统一到单一 base URL 下，用户只需切换模型字符串和内容类型，无需管理多个 SDK、账单和认证方案。同一套路由控制可跨所有模态复用，大幅降低多模态开发集成成本。
TechCrunch：AIAI 评分6060 前 DeepMind 研究员 Andrew Dai 创办视觉 AI 公司 Elorian，以 3 亿美元估值完成 5500 万美元种子轮融资
前 Google DeepMind 研究员 Andrew Dai 创立视觉 AI 公司 Elorian，在离开谷歌数月后以 3 亿美元估值完成 5500 万美元种子轮融资。Dai 认为视觉理解与推理是 AI 进展最不均衡的领域，Elorian 的目标是构建迈向视觉 AGI 的模型。他优先选择英伟达和 Menlo Ventures 等战略投资者，而非出价更高的投资方。
公众号：生数科技AI 评分5050 生数科技入选工信部2025年人工智能应用典型案例
生数科技申报的“国产化高性能多模态通用大模型创新应用”入选工信部《2025年人工智能应用典型案例名单》技术底座方向。在数字世界，Vidu支持文生视频、图生视频、参考生视频，实时交互模型Vidu S1实现数字角色实时交互；在物理世界，Motubrain打造具身智能通用大脑。
The Decoder：AI NewsAI 评分6565 Thinking Machines Lab 发布开源多模态模型 Inkling
Thinking Machines Lab 发布开源多模态模型 Inkling，总参数 9750 亿（活跃 410 亿），原生支持文本、图像、音频及百万 token 上下文。该模型在 Artificial Analysis Intelligence Index 上以 41 分领跑美国开源模型，但事实准确率仅 40%，幻觉率高达 63%。
IT之家·人工智能AI 评分4848 靳玉志梳理华为乾崑合作模式，主分全栈和部件两大路线
华为智能汽车解决方案BU CEO靳玉志在2026华为乾崑媒体日上梳理了合作模式。华为乾崑合作车型已达50款，搭载乾崑智驾的车辆超过190万辆，合作模式主分全栈和部件两大路线，覆盖鸿蒙智行、阿维塔、一汽红旗、奥迪等品牌。
IT之家·人工智能同事件AI 评分7373 前 OpenAI CTO 穆拉蒂创立的 Thinking Machines Lab 发布 Inkling 多模态模型，975B 参数开源
前 OpenAI 首席技术官米拉·穆拉蒂创立的思维机器实验室（Thinking Machines Lab）推出首个从零训练的多模态模型 Inkling，采用 MoE 架构，总参数 975B、激活参数 41B，最长上下文 1M tokens，已在 Hugging Face 和自有 API Thinker 开放权重。
同一件事，精选收录的是《Thinking Machines 发布多模态模型 Inkling》
公众号：昆仑万维精选AI 评分6666 天工短剧工作台推出“Agent智能分镜+无限画布”双轨创作模式，告别AI短剧“随机抽卡”
天工短剧工作台（SkyProduction）推出“Agent智能分镜+无限画布”双轨创作模式，将导演思维拆解为六个可干预环节，通过站位图锁定和多视细节图生成解决角色漂移、变脸问题。该工作台支持720°全景图、3D导演台、多账号分级管理及数据中心，并原生支持英文短剧全流程处理。其三部精品短剧上线DramaWave仅7天，均实现百万美元级营收。
推荐理由：天工短剧工作台把导演思维拆解成可干预的站位、光影和调度环节，降低了从单镜头到连续叙事的落差，适合需要稳定产出精品短剧的团队。
IT之家·人工智能AI 评分5050 Suno 接入 iMessage：iPhone 用户可在聊天内直接 AI 生成歌曲
Suno 在 7 月 7 日更新的应用中为 iMessage 新增扩展入口，已安装 Suno 的 iPhone 用户无需离开对话界面，即可通过文本提示或语音备忘录生成歌曲。用户可先选择音乐流派再触发生成，不满意时可刷新查看不同版本后再发送。Suno 目前全球拥有超过 200 万付费用户，每天生成超过 700 万首歌曲。
MarkTechPostAI 评分4949 Thinking Machines Lab 发布 Inkling：975B 参数开源多模态 MoE 模型
Thinking Machines Lab 于 7 月 15 日发布其首个从头训练的模型 Inkling，采用 Apache 2.0 协议开源完整权重。该模型为 975B 参数 MoE Transformer，41B 活跃参数，支持 1M token 上下文窗口及文本、图像、音频输入，核心差异化在于可控思考深度。
IT之家·人工智能AI 评分4949 英伟达与丰田扩大合作，基于NVIDIA DRIVE AGX开发L2++辅助驾驶汽车
丰田与英伟达扩大合作，将采用搭载NVIDIA DriveOS的NVIDIA DRIVE AGX平台开发下一代汽车，实现L2++驾驶辅助功能。双方还将物理AI应用拓展至机器人、智慧城市等领域，丰田子公司Woven by Toyota使用NVIDIA H100 GPU开发了多模态视觉语言模型Woven City AI Vision Engine，用于城市交通智能分析。
Rohan Paul@rohanpaul_aiAI 评分5959引用Mira Murati@miramuratiOur first model, Inkling. Trained from scratch, weights are open, fine-tunable on Tinker today.
The Verge：AIAI 评分5858 Fountain 0 用 AI 生成《奥德赛》改编电影《Odysseus: The Fall》
电影工作室 Fountain 0 宣布正在制作一部 AI 生成的《奥德赛》改编电影《Odysseus: The Fall》，试图借克里斯托弗·诺兰新片《奥德赛》的热度吸引关注。这类 AI 生成电影被视为新时代的“直接发行视频”式低成本快钱项目。
Lilian Weng@lilianwengAI 评分4545Thinking Machines 发布开源权重模型 Inkling，支持文本、图像和音频模态的高效推理。完整权重已开放，可在 Tinker 平台进行微调。
引用Thinking Machines@thinkymachinesToday, we are introducing Inkling. Inkling reasons efficiently across text, image, and audio modalities. We are making the full weights available. https://thinkingmachines.ai/news/introducing-inkling/ Available today for fine-tuning on Tinker. Play with it in the Inkling Playground. 🧵
LMSYS BlogAI 评分5656 SGLang 与 Miles 为前沿多模态模型 Inkling 提供 Day-0 支持，推理吞吐达 71.7k tok/s
SGLang 与 Miles 为 Thinking Machines Lab 的 975B 参数多模态模型 Inkling 提供 Day-0 支持，其上下文窗口达 1M token。