依意思最接近的 20 筆
Drew Breunig 受 qwenputer 啟發，把可執行的 NES 6502 CPU 模擬器做進了 Qwen3.5-4B 的權重裡，現在能在 Qwen 內部跑 Super Mario Bros 等 NES ROM，速度很慢。實現過程由 Opus 5.5 完成：提示詞要求先讀 qwenputer 部落格與原始碼，再判斷能否用同樣方法模擬 NES 的晶片與記憶體、需要多大模型才能跑到標準時鍾頻率；
啟元發布面向機器人訓練的世界模型模擬器 PrimeSim，登頂 WorldSimProbe 的 LIBERO 綜合榜，並在五項測試中拿下三項第一。PrimeSim 為機器人建置可互動、可試錯、可持續學習的虛擬世界，用於開展策略驗證與強化學習，目標是縮小模擬與現實的差距、降低對昂貴真機試錯的依賴。評測結果顯示，在其中做強化學習可將策略成功率從 61.7% 提升至 73.2%。
YC F26 的 Simantic 發布韌體模擬層，讓 AI agent 與工程師不必拿到硬體就能測試和驗證韌體。它提供可單次 API 呼叫即執行的虛擬開發板、以模擬結果為證據的韌體 AI 程式碼審查，以及每次提交都針對模擬微控制器驗證韌體的 CI/CD 流水線。團隊來自 Neuralink 與 Tesla，早期 MVP 封裝 Renode，因受制於其開發速度、Dotnet 效能與功能臃腫而改為自研引擎。
啟元具身研究中心發布 PrimeSim，一款由預訓練影片生成模型改造而成的機器人世界模型模擬器，在 EWMBench 以 6.09 綜合得分登頂，並在 WorldSimProbe 五項指標中拿下三項第一。它用 30110 小時、覆蓋 22 種機器人平台的資料做中訓練與後訓練，單張 A100 上三視角推理達 10.12 FPS，支援兩分鐘以上連續推演。
一位開發者把 AI Agent 跑在了只有 48MB RAM 的諾基亞 110 功能機上，並已用它自動化了幾個操作。他平時用這部手機來減少螢幕時間，最初嘗試刷入 Android 系統，因記憶體只有 48MB 而失敗，隨後花幾天時間逆向工程，最終讓 AI Agent 在這臺手機上執行。該帖發在 Hacker News 的 Show HN 板塊，目前 15 分、3 條評論，作者未說明所用的是哪個 AI 模型，也沒列出具體自動化了哪些操作。
NVIDIA 展示開發者用 GPT-6 Astra 等前沿模型配合 Omniverse 庫，以自然語言指令搭建模擬應用。案例包括從全景照片與點雲重建可編輯的廠房模型、針對燃氣輪機與發電機的 what-if 分析應用（含 6 項測試流程），以及藉助 GTC Berlin 發布的 SimReady Central Library（2000 多個模擬就緒 USD 資產）組裝場景。
IBM CEO Arvind Krishna 在第三季度財報電話會上稱，開源權重模型現已能用前沿模型 10%–25% 的 token 成本實現約 90% 的效果。他回顧差距從 2024 年的 70 分對 20–30 分，縮小到 2025 年底的 70 分對 50 分，認為企業大多數任務（總結郵件、審查合同、客服應答）用便宜模型就夠。由此 IBM 看到本地部署 AI 需求升溫，稱兩三機架即可搭建，但企業缺核心、網路與 GPU 叢集調優人才；
開發者把 NES 的 6502 CPU（2A03 核心）、2KB 工作記憶體和卡帶程式 ROM 編譯進一個標準 Qwen3.5 檢查點，權重約 1GB，全部由編譯器計算而非訓練得到。執行時模型逐 token 預測 CPU 執行日誌，畫面渲染、手柄輸入和 vblank 中斷由宿主程式負責；該專案沿用 Qwenputer 的編譯器，以及其「Gated DeltaNet 狀態即機器記憶體」的做法。
加州大學聖塔芭芭拉分校、斯坦福等六家機構聯合提出多模態 Agent 記憶評測基準 WorldMemArena，論文已被 NeurIPS 2026 接收。該基準含 400 多項多會話任務、24,258 組問答與 15,595 張影像截圖，把記憶拆成寫入、維護、檢索、使用四個環節來定位失敗原因。初步結果顯示，存得多不等於用得好：M2A 記憶召回率 86.83%，問答正確率僅 50.14%；
密西根大學團隊創立的 Laplace Intelligence 正在為機器人、自動駕駛等物理 AI 做自動化紅隊測試：用 AI 智慧體在高保真模擬中自動設計罕見極端場景，在部署前找出失效點。模擬環境基於輝達 Cosmos 世界模型的後訓練版本搭建，可按語言指令即時改造街景，並讓其他交通參與者對環境做出互動反應。
商湯聯合大曉機器人、Ropedia、南洋理工大學與東京大學發布報告《Has GPT-6-Astra Achieved Embodied Intelligence?》，對 GPT-6-Astra 做了 12 項模擬評測與 8 個真實機器人平台的系統測試。在允許上下文學習並把動作步數放寬到最多 10 倍後，它在 LIBERO-Long++ 上達 100%、LIBERO-Pro 99.3%、SIMPLE 98.8%；
美國初創公司 Reflection AI 發布首個前沿開源權重模型 Beam，稱其在高階推理基準上以更低推理成本對標中國領先開源模型。Beam 是純文字混合專家模型，總引數 5010 億、啟用 230 億，預訓練用了 23.8 萬億 token，上下文視窗 100 萬 token；對比 Z.ai 的 GLM-5.2 總引數約 7440 億、啟用 400 億。
UC San Diego、ByteDance 與 CMU 提出 RSIGame，讓 Agent 在可執行的遊戲環境裡自主試玩、診斷、修改並驗證，形成長期自我改進閉環。以 GPT-5.5 生成的遊戲為起點，多輪自主開發後品質評分從 50.26 提升到 64.53；在 GameCraft-Bench 的 140 個任務、Godot 與 Phaser 兩種引擎上，比迭代開發基線 Play2Code 高 7.2～13.8 分。
輝達發布 Nemotron 3.5 系列開源權重模型，含 1200 億引數的企業 agent 模型 Super VL，以及面向本地 AI PC 和 DGX Spark 工作站的輕量 Bolt。輝達稱 Super VL 引數少於 Nemotron 3 Ultra，但在指令遵循與工具呼叫上準確率相近；針對文件智慧、財務、科研、醫保理賠等 agent 任務做後訓練後，完成任務快於 Anthropic 與 OpenAI 競品。
舊金山成立兩年的 Mirror Particle 認為用 LLM 角色扮演目標人群來預測人類行為的方法行不通，改為從零訓練模擬人類動因、並追蹤其隨時間變化的世界模型。它結合客戶資料、時事、流行文化與社交媒體建模人群，重點看真實發生的「已顯現行為」而非問卷自述。公司已完成天使輪、接近敲定首輪風投，將參加 TechCrunch Disrupt 2026 的 Startup Battlefield 200。初期面向市場研究與品牌產品策略；
10 月 16 日，範式智慧聯合睿思智聯發布一站式生產級 AI 部署平台模域（ModelSphere），面向企業免費開源，以 Apache 2.0 協議在 GitHub 上線。平台把算力管理、模型部署與執行最佳化整合為統一流程，可統一混合排程華為昇騰、天數智芯、摩爾線程、海光 DCU 等國產晶片，無需為不同晶片重寫底層程式碼。
中科院軟體所中文資訊處理實驗室與快手推出 OmniBehavior，這是首個真實世界全鏈路使用者行為模擬基準，已被 NeurIPS 2026 接收。資料集覆蓋 3500 名快手使用者三個月的 212 萬條互動記錄，橫跨影片、直播、電商、廣告與搜尋場景，共設 6000 個預測任務。評測中表現最好的 Claude-Opus-4.5 僅得 44.55 分，多數模型在 32 至 41 分，擴大上下文視窗未帶來穩定提升。
NVIDIA 推出 Cosmos3-H-Dreams，據其稱為首個基於臨床膽囊切除手術錄影訓練、可即時回應操作指令的生成式手術模擬器。模型基於 160 億引數的 Cosmos3-H-Embodied-Nano，接收 28 維動作（雙臂位姿、夾爪、能量控制與搖桿），以 832×480、10 Hz 的錄影與運動學資料訓練，並蒸餾出四步與兩步兩個學生檢查點，後者推理更快但畫質略降。
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；
Ollama 官方表示，Meta 最新發布的開放權重模型將很快在 Ollama 上線。Ollama 稱其為迄今美國最好的開放權重模型，但未透露模型名稱、引數規模與具體上線時間。