多模态

Meta 发布 Muse Wonder 与 Wonder Full 前沿模型

Meta Superintelligence Labs（MSL）发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，定位为面向个人与专业 agentic 工作的前沿模型。第三方评测显示 Wonder Full 在 Intelligence Index v4.3 得分 56，接近 Opus 5.5 的 58，并在多项 agenti

另有 2 家信源报道

梁文锋投了Swin Transformer作者！DeepSeek布局具身大脑

据彭博社报道，DeepSeek计划领投机器人AI初创公司Winverse AI数千万美元种子轮融资，投后估值约4亿美元，美团旗下龙珠资本也作出投资承诺。Winverse AI由腾讯前杰出科学家胡瀚创立，他是Swin Transformer论文共同作者之一。这是DeepSeek继今年8月以约1.41亿元入股宇树科技后，两个月内第二次投资机器人领域，布局覆盖机器

mradermacher 发布 Qwopus3.8-27B-Flash-V2-abliterated GGUF 量化版

Hugging Face 用户 mradermacher 发布了 Qwopus3.8-27B-Flash-V2-abliterated 模型的加权/imatrix GGUF 量化版本，基于 shawnw3i 的原始模型。该模型为支持图像-文本到文本的多模态视觉模型，采用 Apache-2.0 许可，提供从 IQ1 S 到 Q5 K S 等多种量化等级供本地推

GroundingPI：面向物理智能的视觉基元 grounding 基础模型

研究团队提出 GroundingPI，一个 4B 参数的 grounding 基础模型，将点和框以量化坐标形式生成于共享词表中，训练结合多模态与空间预训练、监督微调及 GRPO 强化学习。该模型在 34 个 grounding 基准、11 项感知能力上平均达 73.68%，超过更大的 GPT-6 Astra（71.54%），并在 RoboTwin 2.0、R

AMAImedia 发布 DeepSeek-V4.1-Flash FP8 GGUF 量化版

AMAImedia 在 Hugging Face 上发布了 DeepSeek-V4.1-Flash 的 FP8 GGUF 量化版本，基于 deepseek-ai/DeepSeek-V4.1-Flash 原始模型。该模型为 552B 参数的多模态 MoE 架构，支持百万级上下文，采用 Causal Encoder-Decoder 架构与 CSA2 稀疏注意力，

org2ai 发布开源 4B 决策模型 Wald-4B v2.1

org2ai 在 Hugging Face 发布开源决策模型 Wald-4B v2.1，基于 Qwen3.5-4B 全参数微调，Apache-2.0 许可。该模型接收状态与带类型的选项，直接输出每个选项的校准概率，而非文本，并通过自托管的 Jev 兼容 POST /v1/systemone API 提供服务。在 Decision Index 0.3 完整公开

前华为具身1号员工创企欧拉万象半年完成四轮亿元级融资

欧拉万象宣布完成数亿元天使轮+融资，由诚元祥基金、芯能创投、锡洲国际、拓邦股份、弘毅投资等新老股东联合投资。该公司成立于2026年3月，专注可落地的家庭具身智能，今年已连续完成四轮融资，并发布OLA-Sem和OLA-Geo两款AI模型，首款面向创客与开发者的移动底盘加双机械臂产品已进入真实家庭迭代。创始人周顺波为前华为具身智能1号员工，曾主导华为云具身平台C

上海大模型创企模思智能完成超10亿元Pre-A轮融资

上海大模型公司模思智能（MOSI）宣布完成超10亿元Pre-A轮融资，由华控基金领投，国开科创、上海科创基金等多家机构参与，老股东持续跟投。资金将用于全模态实时交互智能研发与全球商业化落地。该公司孵化自复旦大学邱锡鹏教授的OpenMOSS团队，2026年以来已发布20多个模型，即将推出全模态实时交互系统MOSS Live，面向AI眼镜、智能汽车、机器人等终端

S-Space：探索多模态语言模型中的空间工作区

该论文提出 S-Space，即多模态语言模型（MLLMs）内部存在的一个线性表示子空间，物体 token 的表示在其中编码了水平、垂直和距离三个连续坐标轴。研究发现 S-Space 是模型内在的而非由特定数据或提示诱导，它作为内部空间工作区，支持感知编码位置、内部推理变换视角以及语言回答的选择性读取。通过因果干预和案例研究，作者还将其用作诊断工具，揭示 ML

Import AI 476：创造力与递归自我改进；开源权重模型表现逊于中国；AI 走向太空

AI 初创公司 Elorian 与 Scale AI 发布 Humanity's Sixth Sense (HSS) 基准，用 522 道题、288 张图和 234 段视频测试多模态模型的直觉视觉推理能力。人类基线 pass@1 达 93.1，而最佳 AI 系统 GPT 6 Astra 仅 53.6，中国开源权重模型 GLM-5.3-flash 和 Kimi

Falcon OCR Arabic：270M 参数阿拉伯语 OCR 达 SOTA

Hugging Face 发布 Falcon-OCR-Arabic，将 270M 参数的 Falcon OCR 模型扩展到阿拉伯语文档，架构不变，通过真实与合成阿拉伯语文档的监督微调（SFT）加高质量样本强化学习（RL）两阶段适配。在自建的 11,974 个真实样本、15 类文档基准上，该模型以 81.9% 文本准确率在 17 个模型中排名第二，仅次于 Ge

安踏×火山引擎：Agent跑进全球电商业务，下单缩至10分钟

安踏集团与火山引擎合作，将Agent应用于全球电商业务的内容生产、海外订货和跨境退货环节。通过火山杯Agent创新大赛，业务团队提出需求，FDE协助开发，利用ArkClaw、Seedance 2.0等能力落地Agent。带货视频Agent让新人半天上手，海外订货Agent将下单决策从半天缩至10-20分钟，退货单据Agent月均自动建单超1000张。安踏计划

字节世界模型首次亮相：从AI造图到造可交互世界

字节跳动在抖音集团《2026 美好奇妙夜》科技节目上首次公开展示其尚未正式发布的世界模型，演示了从一句话生成三维场景、自由探索、实时物体编辑到跨场景连通（任意门）等能力。文章同时介绍了世界模型的技术背景（OpenAI Sora 技术报告、李飞飞团队的世界模型功能分类）、产业应用方向（自动驾驶长尾场景生成、机器人虚拟训练）以及全球竞争格局（Google Dee

Kairos：面向所有模态的字节级基础模型

该论文提出Kairos架构，旨在构建一个面向所有模态的字节级基础模型，结合双向门控DeltaNet线性注意力、滑动窗口注意力、块级注意力残差聚合、稀疏MoE前馈层和多尺度字节级编解码器，并在文本、图像、音频、视频、激光雷达和控制流共享的单一字节空间上使用均匀噪声去噪目标训练。作者在1-15M参数规模下进行收敛性健全性检查，通过过拟合单句440字节文本验证实现

OrcaRouter 发布去审查版 Qwen3.8-27B MLX 量化模型

OrcaRouter 在 Hugging Face 发布了 Qwen3.8-27B-Uncensored-MLX，这是对 Qwen/Qwen3.8-27B 进行 abliteration（去除拒绝方向）后的 MLX 量化版本，提供 2/4/6/8-bit 四档精度，面向 Apple Silicon，视觉塔、归一化与卷积层保留 BF16。该模型保留视觉、工具调

社区发布小米MiMo-V2.6-Flash 50%专家剪枝GGUF量化版

社区开发者 patrickbdevaney 在 Hugging Face 发布了小米 MiMo-V2.6-Flash-RL 的 50% 专家剪枝版本 MiMo-V2.6-Flash-REAP50 的 GGUF 量化文件，使用 HOPE 目标在 REAP 显著性基础上选择保留 256 个路由专家中的 128 个。该版本保留原生 MXFP4 专家权重、BF16

Jundot 发布 Qwen3.8-27B 混合精度 MLX 量化版

开发者 Jundot 在 Hugging Face 发布了 Qwen3.8-27B-oQ4e-mtp，这是对 Qwen/Qwen3.8-27B 的混合精度 MLX 量化版本，使用 oMLX v0.7.1 的 oQ 量化方法，平均约 4.887 bits/weight，完整权重约 15.8 GiB。该模型为 27B 稠密视觉语言模型，基于 Qwen3.5 架构

Jundot 发布 Qwen3.8-Flash-Next 的 MLX 混合精度量化版

开发者 Jundot 在 Hugging Face 发布了 Qwen3.8-Flash-Next-oQ4e-mtp，这是对 Qwen/Qwen3.8-Flash-Next 的 MLX 混合精度量化版本，使用 oQ（oMLX v0.7.1）与改进的 oQe 量化方法完成。源模型是 Qwen4 架构的实验性预览，为 125B 参数、6B 激活的 MoE 视觉语言

Apodex-1.1-mini 发布 GGUF 量化版本

Hugging Face 用户 abenzerps 发布了 Apodex-1.1-mini 的 GGUF 量化版本，该模型为 35.95B 参数的 Qwen3.5 MoE 模型，面向研究、数据、文件和代码等工具驱动任务。量化文件覆盖 IQ1 M 到 Q8 0 共 12 种规格，保留原生 MTP/NextN 头，并提供 F16 视觉投影器以支持图像输入。模型采

何恺明团队发布多模态Harness框架VISTA

何恺明团队在论文《VISTA: A Visual Harness for Reasoning in an Interactive World》中提出视觉原生Harness框架VISTA，让现有多模态模型无需重新训练即可保存原始画面并在推理时回看、放大和检查细节。在ARC-AGI-3评测中，搭配VISTA的Claude Opus 5.0通关全部25个公开游戏并