搜索
Manifold AI推出WorldScape R²SI，通过上下文学习与双层Agent持续改进能力登顶RoboDojo Agent Track总榜，超过GPT-6-Astra等模型。
Google DeepMind的4个Gemini 4 Argon智能体在无人预先分工和干预的情况下自主协作，通过编写2783个程序在《我的世界》中经历605次死亡后，于27小时14分钟内击败末影龙。
英伟达正式开源机器人智能体框架ASPIRE V1.0，使机器人可自主编程、调试、复盘并沉淀可复用Skill，换用GPT-6 Astra后，一夜将LIBERO-Pro任务成功率推至99%，Robosuite和BEHAVIOR-1K代表性任务均达100%。
蚂蚁百灵发布并开源Ling-3.1-flash，聚焦复杂任务与长程执行，实测可筛选AI新闻、开发并迭代城市建造游戏及生成费马原理教学网页，显示AI正进入真实工作流但仍需人工核查修正。
OpenAI的Codex在Tibo接手后从云端转向本地，并推出不含代码编辑器的桌面应用；随着GPT-5.3 Codex拓展至知识工作，Codex于2026年7月成为新版ChatGPT桌面应用，Codex与ChatGPT for Work合计周活超4000万。
香港大学MMLab团队提出EgoWild2Dex，利用538.9小时真实人类第一视角数据训练机器人，每个下游任务使用不到1小时真机数据微调，拆快递、用热熔胶枪固定摆件和制作冰饮等任务的平均成功率达96.7%。
智谱推出法律专用开源模型GLM-Legal，可处理合同审查、证据分析和跨境合规，并在Vals AI法律测评中以19.2%的任务全通过率和86.23%的准确率位居Harvey LAB与LegalBench双榜开放权重模型榜首。
Scale AI与Elorian发布Humanity’s Sixth Sense（HSS）基准，以522道图像和视频题测试多模态模型的直觉式视觉推理，25个模型均显著落后于人类，榜首GPT-6-astra得分53.6%，人类达93.1%。
团队提出免训练评测方法RAVEL，通过带稳定项的PCA白化和局部图像块匹配提升视觉编码器评测准确性，在三个LLM上的平均Spearman相关系数达0.85，并开源210个MLLM权重。
上海创智学院、源策未来、香港大学和英伟达团队提出PingpongDuo，通过联合站位规划与全身运动控制，让两台宇树G1与人类搭档完成18次连续交替回球，验证人形机器人双打协同。