智元开源行业首个聚焦物理交互的具身数据集 AGIBOT WORLD 2026
做具身智能或世界模型研究的团队终于有了真实物理交互数据，不再是模拟器里的完美动作——补齐了训练的关键短板，搞机器人的建议直接去 Hugging Face 下载。
IT之家原文
全部动态
AI 相关资讯全量信息流 · 2102 条
6月3日
微软发布 MAI-Thinking-1 和 MAI-Code-1-Flash 模型
微软用 35B 参数模型挑战 Sonnet 4.6，证明小模型也能出奇迹——做推理应用或 Copilot 开发的团队值得关注，尤其是对数据合规有要求的项目。
微软发布首款推理模型 MAI-Thinking-1，自研 AI 阵容扩充
微软终于拿出了自己的推理模型，而且强调纯自研、不蒸馏，这对关注模型自主可控的开发者是个信号。做软件工程或编程的团队可以关注 MAI-Code-1 在 Copilot 中的实际表现，值得一试。
IT之家原文
6月2日
阿里Qwen团队发布Qwen3.7-Plus，集成视觉、深度推理与工具调用
Qwen3.7-Plus把视觉、推理和工具调用整合到一个模型里，做多模态应用的开发者可以直接在百炼平台体验，省去拼接多个模型的麻烦。
JetBrains 发布 Mellum2：12B MoE 模型，专为多模型 AI 流水线中的快速专用任务设计
JetBrains 把 MoE 模型塞进开发者工具链，做 IDE 插件或代码分析工具的团队可以直接用 Mellum2 替换通用模型，提升响应速度且不牺牲质量。
JetBrains 开源 Mellum2 模型：12B 参数，升级为 AI 智能体编程助手
JetBrains 把自家 IDE 的 AI 能力下放给社区了——做 JetBrains 插件开发或自建 AI 编程管线的团队，可以直接用 Mellum2 跑本地智能体工作流，省去自己训练和调优的麻烦。
IT之家原文
MiniMax 发布 M3 模型：MSA 架构、1M 上下文、原生多模态与智能体编程
MiniMax M3 的 1M 上下文和原生多模态能力直接解决了长文档分析和视频理解的痛点，做 RAG 应用或自动化编程的团队值得关注其 agentic coding 特性。
JetBrains 发布 Mellum2：12B MoE 模型
JetBrains 的 Mellum2 为 IDE 内代码生成带来了更精准的 MoE 方案，用 JetBrains 全家桶的开发者可以直接在 Hugging Face 上体验，看看它能否提升你的编码效率。
6月1日
MiniMax 发布 M3 模型：1M 上下文窗口与原生多模态
MiniMax M3 将 1M 上下文、多模态和智能体能力打包进一个模型，做长文本处理或多模态应用的开发者可以直接用它替代多个模型组合，省心又高效。
英伟达推出全开源全模态物理AI大模型Cosmos 3
英伟达把物理AI的门槛打下来了——全开源、全模态、训练周期从月缩到天，做机器人、自动驾驶或视觉AI的团队可以直接拿来用，省掉从头造轮子的成本。
IT之家原文
英伟达推出 Alpamayo 2 Super 开源推理模型，加速 L4 自动驾驶研发
英伟达把自动驾驶模型参数翻了三倍，还开源了全套工具链，做 L4 研发的团队可以直接省掉从零搭建的环节，建议关注夏季开源代码。
IT之家原文
英伟达发布 5500 亿参数 Nemotron 3 Ultra 开源模型，推理速度提升 5 倍
英伟达把大模型推理速度和成本同时优化了，做智能体开发或企业自动化的团队可以直接用上，比现有开源方案更高效省钱，值得关注。
MiniMax M3 发布：百万上下文、原生多模态，编码与智能体能力顶尖
MiniMax M3 把编码、智能体、长上下文和多模态全塞进一个模型，做复杂自动化或长视频分析的开发者可以直接试，价格还有限时折扣。
5月31日
5月30日
智元自研世界模型 GE 2.0 登顶 WorldArena，2B 参数力压英伟达
智元用 2B 参数模型在具身智能世界模型赛道击败英伟达等巨头，做机器人或具身智能的开发者值得关注——轻量化方案可能改写行业路线。
IT之家原文
英伟达推出 LocateAnything，高速高精度对象检测模型
机器人感知和 GUI 自动化开发者终于有了一个兼顾速度和精度的检测方案——LocateAnything 的并行解码设计让实时交互成为可能，做具身智能或屏幕操作 Agent 的团队值得直接试。
IT之家原文
StepFun 发布 Step 3.7 Flash：198B MoE 视觉语言模型，专为编程智能体和搜索工作流设计
做 AI 编程智能体或搜索应用的团队可以直接用上 256k 上下文和视觉能力，Step 3.7 Flash 的 Advisor Mode 能显著提升复杂任务处理效率，值得关注。
5月29日
小米开源可控视频音效生成模型 ControlFoley，支持文本/参考音频控制配音
做视频创作或音效生成的开发者终于有了可控的配音工具——ControlFoley 让声音按文本或参考音频来，而不是被画面牵着走。建议直接试在线 Demo，看看它如何解决“画面是A但想要B声音”的痛点。
IT之家原文
X-Square Robot 发布 WALL-WM：首个事件级预测具身世界模型
做机器人或具身智能的团队终于有了能理解任务目标的模型——WALL-WM 从像素预测升级到事件理解，直接降低训练成本，做自主导航或操作任务的开发者值得关注。
Hexo Labs 开源 SIA：同时更新框架和模型权重的自改进智能体
SIA 解决了智能体无法自主改进代码和模型权重的问题，做 AI 智能体或自动化系统的开发者可以直接用这个开源框架来提升任务性能，值得一试。
Stepfun 开源 Step 3.7 Flash：196B 参数 MoE 模型，专为智能体优化
做智能体开发的团队终于有了一个原生支持工具调用且速度极快的开源模型——400 tokens/s 的推理速度能显著提升任务执行效率，建议直接上手测试。
阶跃星辰开源 Step 3.7 Flash 模型，最高 400 Tokens/s
做 Agent 开发的团队终于有了一个原生优化、速度极快的开源模型——Step 3.7 Flash 直接兼容 Claude Code、MCP 等主流框架，接入成本低，值得立刻试跑。
Claude Opus 4.8 发布：诚实改进，小幅升级
Anthropic 坦诚承认这是小幅升级，但诚实性改进和对话中系统消息功能对做长对话应用或智能体开发的团队很实用，建议关注缓存优化带来的成本节省。
Liquid AI 发布 LFM2.5-8B-A1B：端侧 MoE 模型，8.3B 参数仅激活 1.5B
端侧部署大模型一直受限于算力和内存，LFM2.5-8B-A1B 用 1.5B 激活参数实现 128K 上下文和工具调用，做移动端 AI 应用或边缘推理的开发者可以直接评估其性能。
Claude Opus 4.8 上线：编程更可靠，减少无依据结论
做 AI 编程和智能体开发的团队终于有了更可靠的模型——Opus 4.8 减少无依据结论，主动标出不确定性，建议在复杂多步骤任务中直接试用。
Anthropic 发布 Claude Opus 4.8，超越 GPT-5.5 和 Gemini 3.1 Pro
Claude Opus 4.8 在编码错误检测和并行任务处理上大幅进化，做大型代码库迁移或复杂自动化的开发者可以直接体验动态工作流带来的效率提升。
5月28日
Perplexity AI 开源 Unigram 分词器，p50 延迟比 Hugging Face 低 5 倍
做搜索或 RAG 系统的团队终于有了更快的分词方案——Perplexity 开源的这个 Unigram 分词器直接降低 5 倍延迟和 6 倍 CPU 消耗，建议有高吞吐需求的开发者立刻试一下。
Orbit 开源框架：单节点训练万亿参数模型，DeepSeek-V4 可用
Orbit 让万亿参数模型的后训练不再依赖大规模集群，做 RL 微调或大模型优化的团队可以直接在单节点上跑 DeepSeek-V4，建议试试这个开源方案。
仅展示最近 2000 条内容，更早的内容请查阅 AI 日报存档