依意思最接近的 26 筆
VAST 正式開源即時世界模型 EdenLive，同步開放模型權重、推理程式碼、技術報告與端到端 Demo。它把世界狀態交給上游互動系統維護，自身只做即時渲染：單張消費級 RTX 5090、720P 下，5B 模型生成速度超 24FPS，端到端延遲百毫秒級，可連續生成分鐘級畫面。模型接收參考畫面、目標首幀與提示詞三類輸入，支援寫實、二次元等畫風，可用於遊戲原型預覽、影片重渲染與具身資料增強；
香港大學與清華大學 AIR 團隊提出離線強化學習框架 VAST，讓智慧體自適應選擇價值更新的時間跨度與未來子目標，不再依賴固定步長的 n-step TD 或動作分塊。VAST 用輔助價值函式 G-function 估計從當前狀態經 k 步到某未來狀態的期望折扣回報，由拼接策略聯合挑選子目標與跨度；執行策略只依據狀態與子目標生成動作，推理時用 Q 函式拒絕取樣。
輝達與滑鐵盧大學開源 PixelUMM，一個不依賴 VAE 和 ViT、直接在畫素空間統一影像與影片理解及生成的多模態模型。它用單層線性投影把影像 patch 和影片 tubelet 接入以 Qwen3 初始化的 Mixture-of-Transformers 主幹，理解與生成共享注意力，沒有視覺編碼器、VAE 或離散視覺 tokenizer，程式碼和權重均已開源。模型可直接生成 832×464、96 幀（4 秒、24fps）影片；
Vercel 資料顯示，TypeSafe AI 的輕量決策模型 Jev 上線兩週內被 35% 付費團隊使用，覆蓋面接近第二名 Sonnet 5.5 的兩倍，是 Vercel 平台上普及最快的模型。Jev 於 9 月 15 日限量發布，通過限定候選輸出降低推理成本、提升速度，適合大批次資料分類，Vercel 已用它替換 GPT-6 Luna 做有害命令分類。
何愷明團隊提出視覺原生 Harness 框架 VISTA，讓現有多模態模型無需重新訓練，就能儲存原始畫面並在推理時按需回看、放大細節。VISTA 把環境返回的每幀畫面按回合號、幀號索引存到上下文之外，預設只向模型展示最後一幀，需要時用 inspect 工具調取歷史畫面。搭配該框架，Claude Opus 5.0 通關 ARC-AGI-3 全部 25 個公開遊戲，動作效率得分滿分 100，所用動作數比人類首次遊玩基線少 57.4%；
VideoGen-Agent 用 Qwen3-VL-8B-Instruct 做基座，在多輪互動中呼叫檢索、生成與驗證工具，先以 16K 教師軌跡監督微調，再用 8K 提示做多工強化學習。在 600 條提示的 VABench 上，Toolset 1 配置得 75.6 分，比基礎生成器 56.5 分高出 19.1 分；智慧體策略不變、僅升級生成工具後達 86.1 分，人類評估中 84.3% 的判斷偏好該配置。
VaM（Value as Memory）把價值模型的近期預測作為任務進度記憶輸入動作策略，機器人在紙盒裝配任務中連續自主執行 4 小時，成功率超過 95%。方法基於 π₀.₅ 建置動作專家，用 GRU 編碼歷史價值與本體狀態，價值預測與動作生成非同步計算，策略直接讀取已快取的價值。真機消融顯示，相比去掉價值快取，最終成功率提升 29.4%；線上 RL 方案相比離線方案平均成功率再提升 32.8%，每個梯度步消耗的真實世界時間降低 57.8%。
VAST（三啟萬物）發布新一期 V·STAR 頂尖人才計劃，在 3D 生成基礎模型之外，新增三維理解與智慧體、世界模型兩個招募方向，面向 3D 生成、影片生成、LLM 後訓練與 Coding Agent 領域的研究者。文中稱 Tripo 系列在累計超 20 萬使用者投票的第三方評測中連續 8 個月居首，9 月更新的 P2.0 可在數秒內生成以四邊面為主、面數可控、部件可拆分的網格。
Meta 提出相機可控影片世界模型 World-T³，用測試時訓練把滑出上下文視窗的歷史觀測寫入快速權重，緩解長時生成中的失憶。在 120 段“去程+返程”基準上，重訪 PSNR 從 13.52 dB 升至 18.31 dB，絕對旋轉誤差從 3.344°降至 1.075°。經雙教師蒸餾的 4 步模型在單張 B200 上以 1280×704 解析度達到 20.6 FPS，生成中記憶持續更新，並在 6 項重訪一致性指標上均列第一。
VAST 將世界模型專案 Project Eden 的即時生成式渲染器 EdenLive 全面開源，涵蓋不同尺寸模型權重、推理程式碼與技術報告。該模型以簡化 Proxy 或參考影片為控制訊號，結合目標首幀與文字提示詞持續生成寫實或風格化畫面，5B 引數在單張 RTX 5090 上以 720P 輸出超過 24 FPS，端到端延遲約百毫秒，可連續生成到分鐘級。
VA-Bench 用 14 類機器人操作任務、280 個物理驗證場景測試 12 個主流多模態模型，發現目標識別與定位可達 100%、操作語義理解接近 100%，但完整任務成功率最高的 Qwen3.8-max、Opus-5、GPT-5.6-sol 分別只有 53.93%、52.86%、51.55%。測試中模型先觀看成功示範影片，但拿不到物體座標與專家軌跡，需自行決定是否消耗步數切換視角，並直接給出移動距離、旋轉角度與夾爪開合時機。
Veda 是一個把 AI agent 做進系統層的作業系統，從 UEFI 引導、微核心、驅動到視窗系統與應用全部用 Rust 從零編寫，目前支援 x86-64 PC 與 QEMU。agent 作為系統服務隨開機啟動，可用語音、點選工作列圓環或 Super+Space 喚醒，通過 agentapp 協議原生呼叫應用提供的 70 多個動作，不需要讀屏或模擬點選。
輝達在 GTC Berlin 發布 DSX POD 參考設計：由合作伙伴在模組化集裝箱內整合並驗證完整的 Vera Rubin AI 工廠，站點水電就緒後現場部署可從六個月縮短到 14 天。Vera Rubin 已全面量產，DSX 平台稱冷卻用水最多減少 100%，同等 AI 產出省電 30%。
Jev 發布 33 天后熱度迅速消退，這篇評論借它批評 AI 行業靠營銷話術製造期待。文章指出 Jev 本質是通用分類器，宣稱不會幻覺、更快更便宜，但輸出仍會出錯，且已有開放權重模型在部分任務上價效比更高，並可在本地執行。作者還稱其非自迴歸決策模型思路早於 Jev 一年半出現，並由此質疑行業四年來的創新增量。
Anthropic 前沿紅隊發布研究，測試 AI 能否像計算機病毒一樣在不同裝置間自主複製傳播。實驗中 15 臺約 55 美元、4GB 記憶體的安卓電視盒子以流水線並行跑起 Gemma4-26B-A4B，總價約 825 美元，生成速度僅每秒 0.39 個 Token。GLM-5.2 在 8 節點模擬網路中 5 次有 4 次傳播到全部節點，但依賴外部推理伺服器與預開的免認證 ADB 埠；
NVIDIA 與合作伙伴把物理 AI 與 agentic AI 擴充套件到全球城市，用於居民服務、影片分析與數字孿生。西班牙 1MillionBot 把巴塞羅那超算中心的開源 ALIA 模型與 Nemotron 結合，已在當地 150 多個場景部署；馬來西亞 ITMAX 的 SamurAI V2 視覺 agent 計劃到 2027 年支援 1.7 萬路以上攝像頭，其 TeraSim 模擬把高峰通行時間最多縮短 26%。
Higgsfield AI 藉助 GPT-6 Astra，把 AI 生成影片的時長從原先約 1 分鐘提升到 10 分鐘以上，CEO Alex Mashrabov 稱這緩解了長影片中畫面一致性的難題。配合 GPT-Image-2.5，平台可穩定渲染影像上的文字與資訊圖，服務缺少製作預算的小商家。Codex 讓約 200 名創意人員把想法直接做成軟體原型，團隊還用 GPT-6 Astra 生成長度超 10 分鐘的教學影片。
前輝達產品營銷負責人、現 Techable Ventures 創始人 Amulya Vishwanath 表示，物理 AI 目前仍處於「樂高時代」，機器人領域的 ChatGPT 時刻尚未到來。她認為，當前行業仍在搭建機械手、執行器等基礎構件，通用與專用機器人並行推進，只有這些模組成熟組合後才可能迎來突破。她同時強調人才是關鍵壁壘，大量人才正流向 Anthropic、輝達等大公司。
Einsia AI 旗下 Navers Lab 發布 EmbodiedEvo，讓 Coding Agent 在單個 Playground 場景中通過互動積累程式碼 Skills 與文字 Lessons，凍結經驗後交給新 Agent 在未見場景複用，全程不更新模型權重。在具身評測 RoboDojo 上，它以 45.08 平均分、38.95% 成功率超過所有 VLA/WAM 與 Agent 方法；
一位開發者用 Vite+ 做了三週、四個專案後給出的結論是：新建 Vite 應用時，應把 Vite+ 寫進給 AI agent 的第一條提示。Vite+ 把 Vite、Vitest、Oxlint/Oxfmt、tsdown 和 Vite Task 統一到 vp 命令下，配置集中在 vite.config.ts；vp check 同時管格式、lint 與型別檢查，但型別檢查需在配置裡開啟 typeAware 與 typeCheck，新建專案預設已開啟。
匹茲堡大學研究發現，視覺語言模型（VLM）的中間層隱空間保留了可提取的三維場景拓撲。研究先用物體掩碼聚合視覺標記，再通過跨場景平均剔除顏色、形狀等身份屬性；處理後，中間層的 PCA 佈局與真實場景最吻合，相鄰物體的表徵能量比也更低。把 Dirichlet 能量加入微調目標，並在中間層做 500 步 LoRA 後，Qwen2.5-VL-7B 在 VSI-Bench 簡單相對方向任務上的準確率從 47.9% 升到 60.0%。
逐際動力更新開源具身工程底座 FluxVLA Engine 的第二版技術報告，新增線上強化學習後訓練，並擴充套件了模擬與真機評測覆蓋。經底層推理重構後，8 組模型與裝置組合的推理頻率提升 2.31–9.64 倍，其中 A100 上 π0.5 從 2.20Hz 升至 21.2Hz。SmolVLA 經線上 RL 後，LIBERO-10 與 RoboTwin Clean 成功率分別提升 10.0 和 15.4 個百分點。
香港科技大學、香港城市大學、復旦、CMU、NYU、NTU 等機構聯合發布 110 頁綜述《The Past Frames the Future: Memory for Autoregressive Video Generation》，系統梳理自迴歸影片生成中的 Memory 機制。
Google DeepMind 宣布，其 AI 內容水印技術 SynthID 入選《時代》雜誌 2026 年度最佳發明。官方表示，SynthID 已為超過 1800 億張圖片和影片加上水印，用於幫助人們區分 AI 生成內容與其它媒體，推文中附有詳情連結。
輝達與麻省理工學院團隊在 Hugging Face 放出影片增強專案 Open-H3-Regenerate-2K 的模型權重，配套推理程式碼開在 NVlabs/Sana 倉庫，可自行部署把低解析度影片草稿重生成到 2K、最高 4K。方案基於 MiniMax H3 基礎模型，凍結 Transformer 主幹與影片 VAE，只訓練細化 LoRA，推理時經三步去噪補充畫面細節。
NVIDIA Vera CPU 被 Nebius、Nscale、Verda 等歐洲 AI 雲服務商採用，用於搭建面向 agent 的基礎設施。Vera 承擔 agent 檢索資訊、執行程式碼與執行工具時的 CPU 計算，官方稱在同時執行數千個任務時仍能保持回應速度。Dell、HPE、Lenovo、Supermicro、Bull 將推出 Vera 系統；ClickHouse、SAP、Elastic 等稱早期測試中分析與 ETL 負載表現良好；