何恺明一步生成颠覆扩散，清北柔性登顶Nature

今天的科技圈格外喧嚣，从算法架构到底层硬件，再到应用落地，每一条赛道都传来了令人振奋的信号。何恺明团队再次以极简主义思路颠覆了图像生成范式，而清北合作的柔性芯片更是登上了 Nature 期刊；与此同时，Agent 的形态正在从“对话框”走向“真实世界”，无论是长链条推理还是物理世界交互，都在迈向通用与落地。这不仅是一场技术的迭代，更是一场关于 AI 未来形态的重新定义。

算法范式革新

何恺明带大二本科生颠覆扩散图像生成：扔掉多步采样和潜空间，一步像素直出

何恺明团队总是能在看似成熟的领域找到“第一性原理”。他们提出的 Pixel Mean Flow (pMF) 砍掉了现代扩散模型的两根支柱——多步采样和潜空间，实现了像素级的一步生成。这不仅仅是速度的提升，更是对“流形假设”的一次精彩实践：让网络直接预测低维流形上的量，远比在高维噪声中“猜”容易得多。这意味着图像生成正在摆脱对复杂 pipeline 的依赖，向着更高效、更直接的未来演进。

基础模型与 Agent 智能

How To Play AI Beta：拾象 2026 AGI 投资思考开源

这是一份价值连城的“情报地图”。拾象团队不仅理清了 Google、OpenAI 和 Anthropic 三足鼎立的竞争格局，更敏锐地指出了下一个范式级机遇——Continual Learning（持续学习）。如果 Pre-training 是利用存量知识，那么 Continual Learning 就是赋予模型“即时学习能力”，这是从“静态百科全书”到“动态超级实习生”的质变。对于开发者和投资者而言，押注那些能突破数据墙、具备实时学习能力的团队，才是抓住了结构性机会。

阶跃星辰 Step 3.5 Flash 上线！更快更强更稳的 Agent 大脑，开源！

在模型能力日益趋同的今天，“快”和“稳”成为了杀手级特性。Step 3.5 Flash 采用稀疏 MoE 架构，通过滑动窗口与全局注意力的混合设计，实现了高达 350 TPS 的推理速度，同时支持 256K 长上下文。对于开发者而言，这意味着在构建 Agent 时，不再需要在“响应速度”和“推理深度”之间做痛苦的权衡。它证明了开源模型完全有能力在 Agent 场景下比肩闭源 SOTA，这无疑是给 Agent 开发者送上的一份厚礼。

多维创新打造强泛化智能体模型，LongCat-Flash-Thinking-2601技术报告发布

为什么很多模型在基准测试中拿满分，一上线就“翻车”？美团 LongCat 团队给出的答案是：缺乏真实世界的“噪声训练”。他们构建了覆盖 20 多个领域、上万个异构环境的训练场，并系统化地注入了工具失效、指令歧义等真实噪声。这种“把模型扔进泥坑里练”的思路，产出了一个极具鲁棒性的 5600 亿参数 MoE 模型。它告诉我们，真正的强泛化，不是在温室里刷榜，而是在风雨中学会如何在不确定中做决策。

具身智能与物理 AI

陈亦伦和李震宇创立的具身公司它石智航，不做 VLA、不仿真，不走主流路线

在 VLA（视觉-语言-动作）架构大行其道的当下，它石智航选择了一条“离经叛道”的路。他们认为具身智能不应是 LLM 的下游分支，而应拥有独立的模型表达，追求对时间、空间、力等物理量的深度理解。更令人印象深刻的是他们的数据采集策略：放弃昂贵的遥操作，改用可穿戴设备低成本采集人类真实操作数据。这种对数据第一性的深刻洞察，或许正是突破具身智能数据墙的关键。

像开发软件一样造世界，Agent2World来了，把世界模型做成可运行的符号环境

AI 如何真正理解物理法则并用于推演？Agent2World 给出了一种工程化的解法。它将世界模型的生成转化为软件工程流程：Researcher 补全知识、Developer 编写环境代码、Testing Team 进行行为级验收。这一框架不仅能生成可执行的符号环境，更能通过自我修正的数据飞轮反哺模型训练。这标志着 AI 从“理解文本”迈向“理解规则”，是通往具身智能的重要基础设施。

硬件与基础设施

Nature | 清北合作研发全球首个全柔性存算一体AI芯片

这是一次里程碑式的突破。清华大学与北京大学合作研发的柔性 AI 芯片登上了 Nature，它不再是一块简单的柔性电路板，而是具备存内计算架构的完整集成电路。这意味着未来的电子设备可以像贴纸一样贴在皮肤上，甚至植入机器人关节中，独立完成复杂推理。这不仅填补了柔性电子在“思考”层面的空白，更为可穿戴设备、生物医疗等领域开启了全新的应用纪元。

淘天集团自营技术运营算法团队4年2次荣膺 INFORMS“杰出实践奖”决选荣誉：以策略正则化突破DRL在库存管理中的落地瓶颈

学术界的顶尖奖项往往属于理论突破，而淘天团队两次入围 INFORMS 决选，证明了工业界也能产出世界级的研究。他们提出的“策略正则化”方法，巧妙地将库存管理的经典直觉融入深度强化学习，解决了 DRL 在工业落地中“黑箱、难调参”的痛点。这表明，AI 落地的关键不在于模型多大，而在于如何将领域知识优雅地嵌入算法，实现可解释、可信赖的智能决策。

速递｜AI安全初创公司Outtake“全明星”背书，ARR同比增长六倍，B轮融资4000万美元

随着生成式 AI 的普及，数字身份欺诈的门槛被大幅降低。Outtake 的异军突起，正是抓住了这一痛点。它用 AI 解决 AI 带来的安全问题，实现了对仿冒账户、流氓应用的自动化清除。微软 CEO 萨提亚·纳德拉等全明星投资人的加持，不仅是对其技术实力的认可，更揭示了未来的安全逻辑：在 AI 时代，防御体系必须具备同样的智能化和自动化能力，否则只能望尘莫及。