天工超级智能体推出3.1版本，上线Skywork Design和Dynamic Workflows两项能力。Skywork Design将UI设计从对话式改为无限画布，支持多页面迭代、品牌规范统一与历史沉淀，可导出为网页、PPT、Figma分图层文件或zip包。Dynamic Workflows动态拆解任务，调度数十至上百个并行Agent，具备交叉验证与断点续跑能力，适用于批量页面生成、代码库排查等规模化场景。两项能力与天工主站账号、积分、知识库打通，国内海外同步上线。此前深度用户在单个project上平均交互超40轮，天工超级智能体收入月增三倍。
Viture 在 2026 年 AWE 推出工业安全眼镜 Helix，搭载英伟达 XR 人工智能。配备 1200 万像素第一视角摄像头与四麦克风阵列，可实时传输画面至多模态 AI 系统，为操作提供实时指导。支持边用边充，续航超 60 分钟，内置无线网络与蓝牙 5.3，可独立运行。已在临床与生命科学研究场景测试，预计 2027 年 Q1 上市，起售价 600 美元。
6 月 17 日，谷歌正式推送 Android 17 正式版及 Wear OS 7，首发搭载 Pixel 设备。新系统集成音乐生成模型 Lyria 3、多模态大模型 Gemini Omni 及基于 AudioLM 的语音翻译工具（适配 Pixel 10a）。Pixel 专属更新：Gemini Omni 支持对话中剪辑视频，Lyria 3 可输入文字或图片生成曲目；老款 Pixel 8a、9a 快速分享兼容苹果 AirDrop。系统新增“气泡任务栏”多任务控件、同屏录摄、家长管控及折叠屏 50/50 游戏模式。手表新增车祸、摔倒、无脉搏自动呼救，续航提升 10%，夏季将上线 Gemini 桌面小组件。
XREAL 正式发布 Aura XR 眼镜，搭载谷歌 Android XR 系统并集成 Gemini 大模型，核心算力由骁龙 Reality Elite 平台提供，内置 X1S 协处理器处理空间内容。眼镜通过额外屏幕投射画面，70 度视场角，前置摄像头支持三维手部追踪。同步上线交互内容库，首发包括《Project Hail Mary》《Fallout: Factions》等原生游戏及沉浸式影像。Aura 现已在美国、英国、日本官网开启预售，定金 99 美元，高端“创始优先通行证”299 美元限量 2000 名，最终售价与上市日期未公布。
Snap 今日发布首款面向消费者的独立式 AR 眼镜 Snap Specs，售价 2195 美元。镜身采用瑞士 TR90 材料，重 132g/136g，支持近视镜片插片及多种鼻托。配备自研 LCoS 显示，51 度视场角、1600 万色，电致变色镜片 10 秒可切换至墨镜模式。无需外接计算单元，搭载两颗高通骁龙处理器（分别负责计算机视觉与 AR 界面），内置 AI 实时监测用户所见并提供情境化帮助。混合使用续航约 4 小时，充电盒可扩展至约 20 小时。
Rohan Paul@rohanpaul_aiAI 评分6565
🥇MaineCoon: From Passive Video to Real-Time AI Presence The first unlimited-duration interactive audio-visual model. Most AI products today still feel like they live behind a screen. You type. It answers. You speak. It replies. The interaction is still mostly turn-based. Mainecoon is built around a different idea: AI should not just respond to you. It should feel present with you. 🔗Learn more Website ↓ https://mainecoon.tech Blog ↓ https://mainecoon.tech/blogs
Google 近日发布 Android 17 正式版及 Wear OS 7，率先登陆 Pixel 设备。Pixel Drop 新增 AI 模型支持：音乐生成模型 Lyria 3、多模态 Gemini Omni 及基于 AudioLM 的语音翻译工具（Pixel 10a）。Quick Share 文件分享兼容 Apple AirDrop。Android 17 引入“气泡栏”多任务界面、自拍屏幕录制、折叠游戏模式（50/50 布局与动态手柄）以及“标记为丢失”等安全与家长控制功能。Pixel Watch 新增车祸/跌落/无脉搏自动紧急呼叫。Wear OS 电池续航提升最高 10%，并将在夏季推出更多 Gemini 智能功能。
高通向下一代 XR 设备推出 Snapdragon Reality Elite 芯片，GPU 性能提升 60%，CPU 提升 30%，NPU 最高提升 160%，支持每眼 4.4K @ 90fps 分辨率及更低延迟。电池续航提升最高 20%，高负载下芯片温度比上代低 12°C。该芯片将率先搭载于 Xreal 的 Project Aura Android XR 眼镜，今年秋季上市。高通此前在 MWC 发布的 Snapdragon Wear Elite 芯片同样用于智能眼镜，两款芯片均增强 AI 性能，预示可穿戴设备将融入更多大语言模型及 AI 功能。
Qwen团队发布三个具身AI模型组成的套件Qwen-RobotSuite：Qwen-RobotManip（基于Qwen3.5-4B的VLA模型，通过统一对齐框架和3800小时开源数据（含24708小时合成）实现跨本体操作，在LIBERO-Plus OOD基准上达91.4%，跨本体迁移性能为π0.5的3.2倍）、Qwen-RobotWorld（60层MMDiT+冻结Qwen2.5-VL编码器的语言条件视频世界模型，以自然语言为统一动作接口预测未来视频）和Qwen-RobotNav（基于Qwen3-VL的导航模型，2B/4B/8B，输出航点轨迹）。RobotManip与RobotNav已开源GitHub。
DogeDesigner@cb_dogeAI 评分6969🚨 Grok 更新 🚨 现在你可以与 Grok 共享屏幕，并在语音模式下获得实时帮助。 只需点击窗口图标，选择共享屏幕，然后开始广播。
StepFun@StepFun_aiAI 评分5151🚀 Step 3.7 Flash from @StepFun_ai is now available via Novita on @OpenRouter. High-efficiency multimodal reasoning. Multi-step tool use. Built for coding and agent workflows.
SiliconFlow@SiliconFlowAI精选AI 评分6565
推荐理由：K2.7 Code 在编码上逼近 GPT-5.5 和 Opus 4.8，同时推理 token 用量降低 30%，对追求前沿编码能力又在意成本的技术团队是个实用选择，硅基流动上的定价也给了明确预期。
6月16日，第四届深圳国际眼镜业博览会暨2026全球人工智能眼镜展在深圳会展中心开幕。深圳市AI眼镜产业联盟表示深圳有望在全球智能穿戴领域树立新标杆。深圳已发布首个AI眼镜行业标准，联盟联合中国信通院泰尔实验室及乐奇、千问、雷鸟等20余家企业，分阶段推进标准制定，计划率先发布团体标准。深圳拥有芯片、传感器等完备产业链，全球每两副高端眼镜中一副产自深圳，龙岗区年产眼镜超1.25亿副，全球每七副高端眼镜中一副诞生于龙岗。
Greg Brockman@gdbAI 评分4040我们刚为 ChatGPT 推送了更快、更流畅的照片附件体验！附件菜单现在可平滑过渡到相机，拍摄更迅速，选中的图片直接移入输入框，整个流程如同一个连续动作。优秀的用户体验影响巨大。
We just shipped a faster, more fluid photo attach experience in ChatGPT! The attach menu now transitions smoothly into the camera, captures happen more quickly, and selected images move directly into the composer, making the whole flow feel like one continuous action.
通义实验室推出 Qwen-Robot，包含三个基础模型：Qwen-RobotNav 以单套权重统一五类导航任务，五项基准达 SOTA，零样本部署于宇树 Go2 机器人（推理延迟 196ms）；Qwen-RobotManip 基于 Qwen3.5-4B VL，采用 80 维状态-动作统一表示，利用超 38,100 小时开源数据训练，在多个操作基准超越 π0.5；Qwen-RobotWorld 以 860 万视频-文本对训练，通过自然语言动作接口统一 20 余种本体，多项世界模型评测第一。三个模型通过语言优先接口可被通用 Qwen 模型组合调用，实现物理智能体闭环。
通义实验室发布 Qwen-Robot 套件，以 Qwen-RobotNav、Qwen-RobotManip、Qwen-RobotWorld 三个模型分别覆盖导航、操作与世界预测，统一采用语言优先接口。
推荐理由：将视觉语言模型与物理行动对齐，统一跨本体表示和数据协同，为具身智能规模化提供了一种可行路径。
Qwen-RobotWorld以语言为统一动作接口，采用双流Multimodal Diffusion Transformer（MMDiT）架构，将Qwen2.5-VL作为动作编码器。在4个基准测试中取得顶尖成绩，统一20余种机器人形态，基于860万跨场景训练对和1300多项操作技能。语言接口标准化500多种动作类别，支持操作、自动驾驶、室内导航的联合训练。还支持Scene2Robot人类到机器人转移及2–4路多视角几何一致视频生成。
推荐理由：具身智能的世界模型长期受限于单一形态，Qwen-RobotWorld用语言统一动作接口，把操作、驾驶、导航合训，多视角几何一致性和人类演示迁移是过去一年最扎实的落地信号，做机器人的别错过。
Josh Woodward@joshwoodwardAI 评分7474我们的麦克风图标在 Android 和 iOS 上变得更好用了！这对非英语使用者来说意义重大。 + 现已支持 70+ 种语言 + 可自由混用语言 + 无需更改语言设置 + 仍然不会打断你 :)
Google AI Developers@googleaidevsAI 评分4444MiniMax 于 6 月 12 日开源 MiniMax M3 模型权重并发布 MSA 技术论文。M3 是原生多模态旗舰模型，总参数 428B，激活参数 23B，为首个从 Step 0 开始多模态混合训练的开源模型。在 Artificial Analysis 综合智能指数上获全球开源最高排名。输出速度从约 30 TPS 提升至约 80 TPS，后续还将提速 30-40%。M3 在编码与智能体评测中达行业顶尖水平，具备自主任务拆解、工具调用与多步推理能力，上下文支持百万级别。
MiniMax 上周五开源了 428B 总参数、23B 激活参数的 M3 模型权重，同步发布 MSA（MiniMax Sparse Attention）技术论文，该架构显著降低长上下文计算成本。M3 是首个从预训练阶段就进行文本、图像等多模态交错混合训练的开源模型。发布两周后，M3 在 Artificial Analysis 综合智能指数、GDPval-AA 排行榜均获开源模型第一，Code Arena WebDev 跻身帕累托最优序列，Vals.AI 榜单居国产模型首位。输出速度已从约 30 TPS 提升至约 80 TPS，计划再提速 30–40%；Token Plan 后台新增调用量看板。
同一件事，精选收录的是《MiniMax M3 获 vLLM 日零支持，1M 上下文窗口与 MSA 稀疏注意力》
MiniMax 上周五开源 M3 模型权重，并发布 MSA 稀疏注意力技术论文。M3 总参数 428B、激活参数 23B，是首个从 Step 0 进行多模态混合训练的开源模型，发布两周即在 Artificial Analysis 综合智能指数上位列全球开源模型第一。目前输出速度已从约 30 TPS 提升至约 80 TPS，官方称还将继续提速 30-40%。
推荐理由：MSA 注意力机制让长上下文计算成本大幅下降，对于在长文档处理或复杂推理场景下需要控制成本的团队，M3 的开源提供了一种新的选型依据。
今年四月，Loft Orbital的Yam-9卫星在轨首次完成自主目标识别——无需地面分析师干预。卫星搭载NASA JPL开发的NAVI-Orbital软件包和Google DeepMind的Gemma 3视觉语言模型，配合Nvidia Jetson Orin AGX GPU运行。模型可根据自然语言查询分类传感器数据，例如识别城乡交界或铁路枢纽周边基础设施。这一里程碑证明VLM可在资源受限的太空边缘设备上执行数据预处理，减少下行数据量。Loft Orbital AI负责人表示，该技术为“太空全天候巡逻”铺平道路，计划部署50–100颗类似卫星实现全球实时覆盖。
赛力斯集团董事、副总裁康波今日通过视频展示人形机器人“小赛”，该机器人具备视觉识别、主动打招呼和语音互动能力。康波透露，更多种类具身智能机器人在筹备，今年内亮相。赛力斯超级工厂已配备地空一体物流、具身智能AI检测机器人“小赛01”“小赛02”等多款机器人，拥有1600+台智能化设备、3000+台工业机器人及完整数字生态系统。去年10月，赛力斯凤凰与字节火山引擎签署具身智能合作协议，重庆凤凰技术有限公司于去年3月成立。
科大讯飞AI眼镜6月15日在京东开启预售，定价4299元（部分地区国补后低至3369元），重40克。搭载讯飞端到端语音同传大模型，支持122种语言（含方言、口音）翻译，覆盖通话翻译、线上同传、同声传译（8米全向拾音）、面对面翻译（18语种离线）、视觉翻译等六大场景。内置GlassClaw AI助理，支持一句话跨端任务、会议自动生成图文纪要、实时提词、蓝牙遥控翻页，并提供多种近视镜片选配。
微软研究院与多所高校联合开发的视频世界模型 Mirage 将场景信息直接存储在潜在空间中，而非基于像素的点云。这大幅降低了计算时间和图形显存消耗，同时能在长镜头移动中保持场景空间一致性。不过，该模型目前仍无法可靠地跨片段跟踪运动物体。
昆仑万维Skywork首席科学家刘扬在智源大会上提出“状态与动作联合训练”框架，并首次公布Matrix-Game 3.5核心技术：从游戏场景向真实场景扩展，支持多风格动态切换、指令控制及NPC交互，记忆机制采用三维空间块匹配替代历史帧拼接，并用PRoPE机制替代额外参数注入。Matrix-Game 3.0已实现5B参数蒸馏模型在720P分辨率下40FPS实时生成。团队构建了包含500万+视频切片、1万+训练小时的数据引擎。3.5计划于2026年7月发布。
StepFun@StepFun_aiAI 评分4848Step 3.7 Flash is Live on DeepInfra: An Agentic, Multimodal Model Built for Production
StepFun@StepFun_aiAI 评分4343Step 3.7 Flash is Live on DeepInfra: An Agentic, Multimodal Model Built for Production
MiniMax (official)@MiniMax_AIAI 评分4545I didn't touch TouchDesigner myself. Hermes agent learned it from scratch and built this: → navigated my desktop with computer use → figured out how to connect to TouchDesigner → read my reference images → iterated on the art with me in a self-learning loop → then saved what it learned as a reusable skill for the next image all powered by @MiniMax_AI M3 × Hermes Desktop Agent @NousResearch Here's a full breakdown 📽️
Suno@suno精选AI 评分7070重大更新：Suno 的音轨分离刚刚大幅升级。🚀 我们现在从零重新生成音轨，而非仅仅隔离频率。结果如何？纯净无伪影的音轨，可直接拖入你的 DAW。
推荐理由：Suno 把 stem 分离从滤波换成了重新生成，这对做音乐的人来说是个实质进步，artifacts 老问题被从根上解决，不再只是凑合能用。
Rohan Paul@rohanpaul_aiAI 评分5151
Meet Higgsfield Games. For the first time, build and deploy multiplayer games from one prompt, in any genre, 2D or 3D, with best-in-class characters, props, and settings generated by Higgsfield MCP. Powered by Claude Fable 5. Try on Claude via MCP and on our Supercomputer.
长安汽车在重庆车展发布自研辅助驾驶系统“天枢领航”，分Pro、Max、Ultra三个版本。Pro版全系标配激光雷达，弱光场景比人眼提前2秒识别障碍物，系统响应速度提升150毫秒。Max版基于超2000万条人驾数据切片训练，高频通勤场景通行效率提升20%。Ultra版搭载VLM视觉语言大模型，实现可交互辅助驾驶，未来还将推出驾驶员失能主动守护功能。长安启源Q06将全系搭载该系统，计划今年9月上市。
6月13日，科大讯飞在长三角机器人及自动化展览会上发布星火多模态大模型X2-VL。该模型基于全国产算力平台太湖星跃训练，采用专属MoE架构。面向高中各科图文结合试题，答题准确率近95%；挑战2026年高考数学全国I卷获148分，高于对比模型A-E（144、143、137、145、142分）。科大讯飞已在无锡高新区成立子公司负责日常运营。
6月13日，京东健康与北京友谊医院宣布合作，共建消化系统专科大模型，重点应用于胃肠镜早癌筛查、疾病诊断等场景。双方将在三个层面推进：共建高质量数据集、联合研发专病大模型、推动线上线下双场景落地。线下，大模型融入消化内科诊疗全流程，开展实时智能筛查、病灶识别、风险研判，并提供诊疗参考、用药预警、病历整理等辅助工具及智能导诊等便民服务。线上，提供全天候健康咨询、症状初筛、居家指导，为慢性胃肠病患者搭建全病程管理体系，并输出权威科普内容。
MNN 推理引擎深度适配 Arm SME2 指令集，使 Qwen3-VL-4B-Instruct 在支持 SME2 的 vivo X300 上实现实时多模态推理。Prefill 阶段性能提升 81%，Decode 阶段提升 13%。MNN 采用编译时内建 + 运行时自动检测设计，默认开启 SME2 加速。该模型为 4B 参数视觉语言模型，支持图文理解和对话，通过 MNN 官方已转换量化的模型可直接下载部署，开发者可通过编译开关一键开启硬件加速。
推荐理由：这是一份硬核的端侧部署指南，实测数据让 Qwen3-VL 在 SME2 手机上 Prefill 提速超过 80%，做移动端 AI 的团队可以直接抄作业。
6月12日，TVB与火山引擎达成合作，围绕豆包视频生成模型Seedance 2.0，在影视内容智能化生产、短剧制作、IP商业化及云基础设施等领域展开探索。双方将协同TVB旗下FF工作室，以AI短剧为契机，利用Seedance 2.0的视频生成能力，通过输入提示词快速生成动画分镜、场景参考等素材，辅助编剧与导演在剧本开发、后期制作中验证创意。火山引擎将为TVB提供虚拟机、对象存储、视频云、CDN等云产品，支持其构建混合云架构，推动媒体内容生产、存储、分发环节的云化升级。
首尔市教育厅6月12日通知，禁止考生戴AI智能眼镜参加期末考试，携带即按作弊处理。AI眼镜集成摄像头、麦克风与生成式人工智能，可传递答案。通知列出识别特征：镜腿粗厚、末端厚重，含电池、主板、隐藏摄像头等。监考需留意反复触碰镜框的学生。今年早些，两名韩国考生在托业考试中用AI眼镜作弊，成绩作废且禁考4年。韩国教育部考虑在11月CSAT高考中将AI眼镜单独列入禁带清单。
VISTA-4B 是基于 Qwen3.5-4B 骨干的 GUI 定位模型，输入截图与自然语言指令，输出归一化 0-1000 坐标。训练采用视图一致 GRPO 和自验证交叉视图锚定。在 GUI 定位基准上，SSPro 得分 64.2（相比 GRPO-4B 提升 2.0），SSV2 得分 93.8（下降 0.4），OSWorld-G 得分 61.2（提升 1.3），OSWorld-G-R 得分 69.7（提升 0.5）。模型已开源在 HuggingFace，推荐使用提示词并返回 [x,y] 格式坐标。
推荐理由：蚂蚁 inclusionAI 开源了一款 GUI 定位模型，基于 Qwen3.5 微调，在接地基准上小幅提升，关键是提供了自验证训练方法，做桌面自动化的可以直接下载用。