搜索
过去几年，机器人操作领域几乎被一批新概念重新 “刷屏”。 LLM Planner、VLA、Diffusion Policy、Flow Matching、Latent Action、World Mode
由华东师大智金院团队孵化的金融原生 Agentic Foundation Model 家族 Mint-Agent 正式发布。在 FinanceAgentBench v2 上，27B 的 Mint-Ag 达到 60.49%，超过 GPT-5.6-Sol 与 Claude Opus 4.8；单题推理成本分别仅为两者的约 22% 和 10%。
8月18日，一篇系统梳理单细胞基础模型的综述预印本挂上 Preprints.org（doi:10.20944/preprints202608.1166.v1），标题是《The Landscape of Single-Cell Foundation Models: Design Principles, Applications, and Open Challenges》，尚未经过同行评审。
近期，字节跳动大模型核心部门Seed完成新一轮组织调整，调整核心集中在Seed Foundation Model（Seed基础模型）板块，新设四个一级部门，重构了预训练数据、强化学习与后训练的组织链路。
瞄准这类 “看起来做对了，物理上却没完成” 的失败。破晓智能（PHANES AI）创始人、哈工大（深圳）长聘教授杨朔及其团队发布了最新论文 TouchWorld: A Predictive and Reactive Tactile Foundation Model for Dexterous Manipulation。
过去几年，大模型竞争主要发生在 AI 公司之间。但随着 AI 开始从数字世界进入真实设备与物理世界，竞争逻辑正在发生变化。
在MU Shanghai组织的ClawCon活动上，OpenClaw的社区核心成员自己飞过来，在阿里中心的会议室里，面对着从全国各地赶来的开发者、创业者和用户，和他们一线交流。我们拿到了两个独家对话的机会，受访者是OpenClaw核心维护者Josh，以及OpenClaw Foundation核心成员Vincent Koc。
今天，硅谷一篇长文《The next biggest moat in AI》刷屏了，作者是 Foundation Capital 合伙人、前麦肯锡咨询师 Jaya Gupta。这篇文章在 X 上 12 小时获得了130万阅读，被一群创始人和打工人同时转发，原因是它同时提供了两套视角：
智能体时代的核心是算力。
随着代码智能从 code foundation models 走向 autonomous coding agents，CLI/terminal 正在成为智能体进入真实软件工程工作流的重要入口。