🔥 1. GPT-5.6 正式上线：Ultra 模式协调 16 个 Agent 并行工作，编程能力碾压 Fable 5 — 1600 pts
OpenAI 正式发布 GPT-5.6（Sol/Terra/Luna 三款），这是 OpenAI 迄今最强模型。最关键的新能力是 Ultra 模式——默认协调 4 个 Agent 并行工作，可扩展至 16 个，将复杂任务分解为多 Agent 协同执行。同时引入 Programmatic Tool Calling——模型可自己写一段轻量程序来协调多个工具调用、处理中间结果、监控进度并决定下一步，无需开发者把每一步写死。在 Agents' Last Exam 上，Sol 以 53.6 分刷新纪录，比 Fable 5 高出 13.1 分。代码能力全面领先：Sol（最高推理强度）与 Fable 5 的分数差压缩到 1 分以内，但完成任务时间少 61%，成本约一半。Terra 和 Luna 各以约十六分之一的成本反超 Fable 5。发布后，Claude 也终于重置了 Fable 5 的使用额度作为回应。但用户吐槽：Ultra 模式 15 分钟烧完 Pro 会员 5 小时限额——模型更强了，也更烧钱了。
→ https://www.qbitai.com/2026/07/447691.html
🔥 2. 蚂蚁灵波开源全球首个具身原生预训练 VA 基座模型 LingBot-VA 2.0：预判能力让机器人"眼光放长远" — 1400 pts
蚂蚁灵波发布 LingBot-VA 2.0，全球首个具身原生的预训练 Video-Action 基座模型——从架构、数据到训练目标全部为机器人定制。核心能力：预判式控制而非反应式控制。在冰球对战中，机器人不是"看到球在哪 → 挥拍"，而是一边盯着球轨，一边提前预判几步之后球的位置，提前调整身位和拍型。三个真实任务验证了预判能力：整理桌面（长程记忆，双臂协同并行推进，不"断片"）；传送带抓取（将物体移动时间纳入动作决策，预测抓取动作完成瞬间物体的位置）；抓薯片（同时对视觉精度和力度的精细控制）。技术指标：双臂任务成功率 93.6%，单 GPU 推理 150Hz，采用因果 DiT + 稀疏 MoE 主干。"VA 模型从此也有了原生基础模型"——不再是 VLA 的附庸。
→ https://www.qbitai.com/2026/07/447627.html
🔥 3. 许锦波团队 MoleculeOS 正式开放：AI 生物研发进入"操作系统时代" — 1300 pts
分子之心创始人许锦波（全球蛋白质结构预测开创者）正式向产业界开放 MoleculeOS（MOS）——一个面向生物研发的AI 原生操作系统。核心转变：AI 从"预测者"变为研发流程的"组织者"。传统模式是科学家在各工具间手动调度，MoleculeOS 以研发意图为入口——研究者提出"提升抗体亲和力"或"针对特定靶点生成候选分子"，系统自动拆解任务、统一调度模型集群完成结构预测到候选分子推荐的完整链路。底层模型能力：MMFold 在抗体-抗原界面上达 68.6% 预测成功率（领先 AlphaFold3）；MMDesign 在 12 个靶点测试不超过 50 个候选分子条件下，靶点成功率超 90%。更关键的是，每次研发链路自动沉淀为可追踪、可复用的资产——下一项目可调用历史逻辑，不再是从零开始的重复劳动。
→ https://www.qbitai.com/2026/07/447832.html
🔥 4. GPT-5.6 正式上线全方位评测：Ultra 模式的工程意义比跑分更大 — 1200 pts
GPT-5.6 的发布不仅是又一个跑分更新，其工程架构创新比跑分数据更重要。Ultra 模式（多 Agent 协调）和 Programmatic Tool Calling 的组合意味着：GPT-5.6 不再是一个在对话框中回答问题的模型，而是一个能自主设计并执行多步骤工作流的系统。Ultra 模式默认协调 4 个 agent 可扩展至 16 个，其实是在 Agent 层实现了"模型调度模型"——符合翁荔的"自进化从 Harness 开始"。Programmatic Tool Calling 则解决了 Agent 在"工具密集型"任务中的核心瓶颈：不需要开发者把每一步写死脚本，也不需要把每次工具返回结果都塞回模型，模型自己写一段轻量程序来协调、处理和监控。Matt Shumer 让 GPT-5.6-Sol 自主搭建了 voxel 版纽约乐高城——"照这个趋势，明年这个时候模型可能已经可以 one-shot 生成 GTA 级别的游戏了"。
→ https://www.qbitai.com/2026/07/447691.html
🔥 5. 全球首个具身原生 VA 模型的技术深度：从 VLA 依赖到独立动作预测路径 — 1100 pts
LingBot-VA 2.0 发布标志着具身智能技术路线的重要分叉。传统 VLA（视觉-语言-动作）模型的本质是把动作理解为"视觉输入的输出"——看到什么，决定做什么。而 VA（Video-Action）模型把动作理解为对视频序列中物体运动轨迹的预测结果——看到球在飞，预判它下一步会在哪，再决定怎么挥拍。这个区别是根本性的：VLA 是感知→决策，VA 是感知+预测→决策。蚂蚁灵波在 VA 上使用因果 DiT 和稀疏 MoE 架构，让模型学会了"在时间轴上的推演"而非"在语义空间中的映射"。传送带抓取测试最直观地展示了这种差异：VLA 模型的反应式控制永远追不上移动目标，VA 模型的预测式控制提前算好了抓取瞬间物体的位置。
→ https://www.qbitai.com/2026/07/447627.html
🔥 6. MoleculeOS：AI 生物研发从"单点工具"到"操作系统"的范式转变 — 1100 pts
MoleculeOS 的核心创新不是模型更强了，而是AI 的角色被重新定义。长期以来，AI 在生物研发中扮演"工具"角色：预测蛋白质结构、设计分子、评估亲和力——每项都是单点任务。MoleculeOS 把 AI 升级为"操作系统"：理解研发意图、自动拆解任务、调度模型集群、交付决策建议、沉淀研发资产。这其实就是AI Agent 在生命科学领域的应用——MoleculeOS 本质上是一个科学 Agent 的 Harness 系统，每个模型（MMFold/MMDesign）是工具，MoleculeOS 是编排这些 Tool 的 Agent 操作系统。许锦波团队的背景也值得关注：他 2016 年提出 RaptorX-Contact 率先证明深度学习可预测蛋白质结构，是 AlphaFold 之前的关键先驱。如今这个领域的先行者正在把 AI 从"预测"推向"创造"。
→ https://www.qbitai.com/2026/07/447832.html
🔥 7. 歌歌 AI 发布端到端华语音乐生成模型：从零预训练十亿参数，告别"人机味" — 1200 pts
字节入局 AI 音乐赛道？歌歌 AI 发布从零预训练的十亿参数端到端华语音乐生成模型，一次性生成长达 3 分钟、人声与伴奏俱全的完整立体声歌曲。核心问题：为什么以前 AI 唱不好中文歌？原因不在参数，在架构——主流 AI 音乐模型天生为英语设计。汉语的四个声调、音节边界分明、字音对齐逻辑（轻声不能拖长音）等特性与英语完全不同的演唱逻辑无法被通用模型覆盖。歌歌 AI 的三层技术栈：双流独立生成架构（人声和伴奏并行生成，通过跨流注意力实时对齐，还原录音棚里歌手"听着伴奏的律动唱歌"的心流）；音素时序软对齐（先画地图告诉模型每个字的拼音在时间轴上的位置）；分层多维条件控制（针对中文含蓄的情感表达方式优化）。实测效果：咬字、转音、即兴哼唱都很自然——有乐评人评价"很像中国人写的歌"。
→ https://www.qbitai.com/2026/07/447602.html
🔥 8. HF Mirror PyTorch Profiling Part 3：Attention Is All You Profile——注意力机制的优化新工具 — 800 pts
HF Mirror 发布 Profiling in PyTorch (Part 3): Attention is all you profile，聚焦注意力机制的 Profiling 优化。随着模型越来越长（GLM-5.2 的 1M 上下文），注意力计算成为推理的主要瓶颈而非矩阵乘法。这篇博客提供了基于 PyTorch Profiler 的注意力机制分析和优化指南，覆盖 Flash Attention、稀疏注意力、Paged Attention 等方案的 Profiling。直接关系到所有大模型推理的优化——当上下文窗口达到百万级别，如何理解和优化注意力机制的性能，可能是比模型架构本身更重要的问题。
→ https://hf-mirror.com/blog/...
🔥 9. 7 月第二周回顾：具身智能的"开源盛宴"——蚂蚁灵波四弹连发改写格局 — 1000 pts
本周（7.7-7.10）蚂蚁灵波密集开源四款模型：LingBot-VLA 2.0（7/8）、LingBot-World 2.0（7/9）、LingBot-Video（7/9）、LingBot-VA 2.0（7/10）。四个模型分别覆盖：执行层（VLA——机械臂干活）、预测层（VA——预判物体运动）、训练层（World——虚拟世界交互训练）、学习层（Video——生成符合物理规律的训练视频）。它们是具身智能的完整工具链——机器人从学习、预演、训练到执行的全链路都有了开源方案。加上 DeepSeek 造芯、阿里 ACL 最佳论文、高德数据基座、原力灵机 DM0.5、翁荔 Harness 自进化论文——中国 AI 产业在 Agent 基础设施、物理原生智能、基础模型评测三个维度同时实现突破。这周的密集发布可能被历史记住为"具身智能基础设施成型的起点"。
→ 综合本周报道
🔥 10. 本周十大趋势全景：从"模型竞赛"走向"基础设施竞赛" — 900 pts
7 月 6-10 日的全部新闻指向同一个结论：AI 产业正在从"谁能做出更强的模型"走向"谁能构建更完善的基础设施"。基础设施的六个维度同步成熟：训练数据（高德 Phys AI Data、原力灵机 15 万小时）、开源模型（蚂蚁灵波四弹开源）、芯片（DeepSeek 自研推理芯片、量产算力）、评测（RoboDojo、ACL 最佳论文 HSCodeComp）、Agent 协作（GPT-5.6 Ultra/翁荔 Harness/J-space）、行业应用（MoleculeOS 生物操作系统、歌歌 AI 华语音乐）。当这些基础设施齐备时，AI 的竞争将从"抽象能力"转向"具体落地效果"——下一个周期，赢家不是做出最强模型的公司，而是让模型在最多场景中跑得最稳的公司。
→ 综合本周报道
📌 今日趋势一览
原文链接
欢迎访问 小易撩挨踢