搜索
近日，上海AI Lab等团队提出了一种面向专业软件智能体的新范式——ComAct（COM-as-Action）。它的核心思想在于：不再把鼠标点击和键盘输入作为Agent的action，而是让Agent直接生成COM代码，通过软件底层对象模型操纵真实专业软件。
vLLM 社区推出的 Semantic Router 除了专注上面三个方向，正在更进一步：我们认为：router 不只是选择模型，还可以提升模型能力。用户不用改权重，也不用让每个 Agent 团队都自己搭一套 Graph，而是在一次普通 Model API 调用的内部，组织出一支有边界、有预算、有验证、有回退的 “小队”。
今天来好好盘点 2026 年上半年的图片与视频模型，伴随模型更新时间轴出现的，还有我一些当时的测试文章。也算是对不怎么努力也没什么收获的上半年做个总结汇报了。
浙江大学等五所高校的研究团队提出 EgoTSR。研究从第一人称机器人视角出发，希望让 VLM 学会判断任务状态，并把这种能力进一步扩展到长程规划。团队构建了包含 4600 万条样本的 EgoTSR-Data，并设计了三阶段课程学习流程。
2026 年，风向掉头了。几个最受关注的年轻 AI 人才，开始走进大厂。罗福莉，四川宜宾乡村出身，北大硕士，DeepSeek-V2 作者之一。被雷军点名后，“天才少女”四个字在热搜上挂了很久。她去了小米，负责大模型 MiMo。
就在昨天，网友们激动发现：Codex应用的底层代码中惊现GPT-5.6 Sol、Terra和Luna三大子模型标识。更令人期待的是，一个全新的「速度拨盘」功能也出现在代码中。根据爆料，OpenAI已经在内部定下了死命令：GPT-5.6发布的目标窗口直指下周二（7月7日）至7月9日。
Github热榜持续屠榜，短短几天一路狂揽15.4k stars，甚至一度冲到了Top 1的位置。不是啥大厂项目，也不是啥新模型。而是一个叫OpenMontage的开源「视频制作」系统～（剪辑人狂喜.jpg）
医院公众号粉丝动辄百万级，每天涌入的咨询消息600+条起步，其中大约70%是同一类问题——挂号流程、科室位置、门诊时间、报告查询……人工客服一旦下班，患者就容易被晾着。现在，微信公众号向医院开放AI分身能力，AI分身可以7×24小时在线，秒回患者问题，公众号后台一键就能开通。
独家获悉，一支北大出身、手握国际顶级超算成果的核心技术团队已完成市场化主体搭建，正式布局物理AI底层基础设施赛道。团队由北京大学杨超教授领衔，杨超是我国首位 ACM 戈登贝尔奖得主，2016 年带领团队拿下该国际超算最高荣誉，实现了我国在该奖项上零的突破；其本人也获评首届王选杰出青年学者奖，在高性能计算、数值仿真、人工智能等领域长期深耕。
Pinecone宣布 旗下 Nexus 知识引擎将与 Microsoft OneLake 实现新的集成，从根本上改变企业 AI 智能体访问和推理企业数据的方式。这项集成在 Microsoft Build 2026 大会上正式发布，允许 AI 智能体通过预构建的结构化知识工件（非传统的检索管道）查询存储在 OneLake 中的企业信息。