Codex正式开放1M上下文！解除GPT-5.6 Sol封印，三行配置搞定
Codex正式开放1M上下文！解除GPT-5.6 Sol封印，三行配置搞定赛博义父Tibo，真·有求必应！
来自主题: AI技术研报
5845 点击 2026-08-17 16:33
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
赛博义父Tibo，真·有求必应！
过去三年，AI 内容生成行业经历了几轮密集的技术迭代。从文生图到文生视频，从几秒的短片到分钟级的长视频，每一轮升级都让生成内容的质量和时长向前推进一步。
过去几年，大模型推理系统优化的核心目标一直围绕一个问题展开：如何让 GPU 更高效地计算权重、激活、KV Cache 等高维张量？从并行策略、请求调度、显存管理到算子优化，学界业界大量优化技术不断提升模型推理效率。
当机器人把书放进抽屉，它看到的是一串二维图像，然而真正需要完成的，却是一段发生在三维空间、持续随时间演化的动作。
请想象这样一种居家场景：当你戴着 AI 眼镜在厨房准备晚饭，用刀切菜时，它会立刻提醒你注意安全；当你连续几天形成举着手机长时间录像的习惯时，它会主动建议你换一种更省力的记录方式。
这两天，我在 AI 漫剧里彻底种田上瘾了。
A社刚发了一项新研究，讲了件很有意思的事：Agent其实和丧尸一样，可以互相传播一种“思维病毒（Mind Viruses）”，而且过程中有些病毒还会发生变异。研究人员先给一个Agent植入某种想法，随即它开始私信队友、发展“下线”；新感染的Agent又会修改自己的长期记忆，把同一套想法继续传给下一位。
近日，北京航空航天大学洪晟教授团队在信息处理领域顶级期刊Information Processing&Management（IPM）上发表了最新成果。他们提出了一套名为BGA的噪声免疫神经蒸馏框架。实验显示，该框架在面对复杂的工业互联网（IIoT）加密流量时，不仅能精准识别隐藏深度极高的恶意指令，且推理延迟低至0.28毫秒，达到了“免疫级”的防干扰能力。
本文主要介绍来自该团队的最新论文 Teaching Vision-Language-Action Models What to See and Where to Look，目前该论文已经被 ECCV 2026 正式接收，相关代码和模型已全部开源。
功能型SSD在这条数据链中的合理角色，不是自行判断一段经历是否值得记住，而是在Runtime已经给出对象和策略后，靠近数据执行确定性工作。例如按租户选择密钥，按生命周期放置数据，压缩与去重可缩减的对象，维护索引页与元数据，优先完成即将被推理使用的回载，并把尾延迟、写放大和介质健康反馈给上层。语义决策留在Agent和Runtime，数据执行尽量靠近介质。
当大模型逐渐掌握对话、推理、编程和工具调用之后，自主研究被视为人工智能领域的「The Next Big Thing」。
继Loop Engineering、Graph Engineering等概念进入讨论之后，一篇2026年7月底发布的论文又提出了一个更贴近Prompt本身的工程概念：Prompt Graph Engineering，提示词图工程。
1999年《黑客帝国》中科幻场景，刚刚成真了！哈佛+MIT博士领衔、OpenAI、Anthropic、Google DeepMind、xAI等40余人参与、共200多位顶尖科学家，发布MatrAIx，构建83亿个智能体，模拟全世界人类真实行为。
我做了一个骑行、跑步和徒步分析 Skill，叫 guizang-sports-skill（github.com/op7418/guizang-sports-skill）。
只做一次生成器前向，就能得到一张图，这是一步生成追求的效率。但想把采样步数降到 1，难题其实在训练端：怎样用足够稳定、简单的监督信号，让生成分布靠近真实分布？
过去两年，self-reflection、self-correction、self-play、agentic RL、skill learning、test-time adaptation、open-ended evolution、self-evolving agent等概念不断涌现。
世界模型是物理原生智能（Physics-native Intelligence，Phi）重要的组成环节。
2026 年 1 月，Floatboat 客户端把文件管理器、编辑器和浏览器直接做成 Agent 的运行环境，开创了 Agent 桌面工作台这一形态；4 月，FloatIM 把人与 Agent、Agent 与 Agent 接成一张办公网络，任务可以跨人、跨 Agent 交接而上下文不断；5 月，FloatSchedule 让 Agent 不必等人下指令，按日程自己开工。
由上海交大人工智能学院、深势科技、上海算法创新研究院组成的无尽前沿团队发布BigBang-V1——这是首个基于recursive self-improving原生方式训练出的基座模型。
近日，浙江大学 OmniAI 团队在 《Show, Don’t Tell: Evaluating Spatial Cognition in Generative Pixels Rather Than LLM Text》 中提出 ProVisE，让图像生成模型直接在图中回答空间问题，并将视觉答案还原为原 benchmark 可以评分的结构化预测。
这个框架名叫 Prime Agent，由 Prime Intellect 发布。官方对它的定义是：一个面向编程、研究和长时间自主任务的「自我改进 RLM harness」。RLM 是 MIT 博士生 Alex Zhang 等人去年 10 月发布的一项工作（参见《递归语言模型登场！MIT华人新作爆火，扩展模型上下文便宜又简单》）
近日，由华为2012实验室、华为云、终端、计算等团队联合构建的openJiuwen开源AI Agent平台发布了企业级分布式蜂群架构，把JiuwenSwarm蜂群能力，扩展到企业级分布式集群。
近日来自南京大学模式识别实验室（PRLab）的梁嘉骏、廖宇程，在司晨阳教授的指导下，联合新加坡南洋理工大学、英国帝国理工学院，提出连续扩散语言模型 AURORA-LM（Autoencoding Unified Representation for Continuous-Latent Diffusion Language Modeling），对连续空间下的语言建模作出了更多的思考和发现。
LightX2V团队面向Wan2.2-A14B推出LightWan2.2-A14B，以步数蒸馏、NVFP4量化感知训练和动态稀疏注意力压缩计算量，再用高效算子、细粒度卸载和多卡通信优化打通整条推理链路。
千诀科技联合清华大学团队，为神经网络提出了一把新的 “复杂度标尺”。
当下计算机视觉长期陷入“一任务一专用模型”内卷： 做深度估计要用DepthAnything，分割依赖SAM，人体姿态单独训练Sapiens，几何重建还得搭VGGT，各类网络骨干、解码器、损失函数完全割裂，研发与部署成本居高不下。
我们如何判断人工智能是否已经足够聪明，能够从事科学研究，实现端到端的自主科学发现？
你有没有想过，有一天你买东西，不再需要打开购物软件挨个搜索，而是直接对你的AI助手说一句“我想买一把适合初学者的吉他”，它就能跑遍全网，把最好的几个选项摆在你面前，还附带理由？
作为具身智能最主流的路线之一，VLA 快速发展的同时也因为其各种问题被诟病。其中最主要的痛点之一便是指令泛化能力。
2026 年被业内普遍视作 AI4S（AI for Science）的「智能体元年」。