AMD开源Micro-World模型
AMD 发布 Micro-World，一种可由动作控制的交互式世界模型，基于 Wan2.1 系列训练图像到世界和文本到世界变体。项目开放模型权重、训练与推理代码及数据集，面向可控世界建模研究和应用。
最新动态
Gemma 4实时语音演示上线
社区展示 Gemma Avatar，让用户与 Gemma 4 31B 进行带 3D 头像、语音和表情控制的实时对话。其底层仍采用 Silero VAD、Parakeet、Cerebras 承载的 Gemma 4、Qwen3-TTS 等开放模型栈，是 Gemma 4 实时语音方案的扩展演示。
生数科技发布Vidu S1
生数科技发布Vidu S1实时交互模型，面向新一代可交互视频生成。模型支持实时视频通话、语音控制视频走向，并可基于真人、动漫、萌宠等初始形象和个性化音色创建交互角色。
Midjourney 展示医疗扫描仪
Midjourney 公开视频展示其水槽式超声医疗扫描仪原型，设备由大量超声探头、通用计算机和树莓派组成，目标是提供低成本、无辐射的全身成像。报道指出，公司仍未充分证明该设备的实际医学效果和可用性。
音视频Agent开发套件受关注
火山引擎在FORCE原动力大会提出，音视频生产正从人工工作流转向Agent驱动工作流。AI MediaKit等开发套件将视频理解、剪辑、字幕、画质增强、转码和音频处理封装为Agent可调用工具，支撑生产级内容交付。
DeepSeek DSpark引热议
社区讨论DeepSeek最新DSpark方案，称其速度显著快于MTP类方法。当前信息主要来自解读视频和社区转述，仍需等待论文或官方细节验证。
阿里发布超导材料 AI Agent
阿里达摩院联合中国人民大学、中国科学院大学等发布超导材料发现 AI Agent ElementsClaw。系统用 28 个 GPU 小时筛查 240 万种稳定晶体，预测 6.8 万种潜在超导体，并实验验证出 4 种此前未知的新超导体。
文心5.0接入 WorldRouter
WorldClaw 与百度智能云达成战略合作，文心大模型 5.0 系列通过千帆平台接入 WorldRouter，面向开发者开放调用。双方还将围绕 Skill 共建、A2A 场景和 AgentOS 展开合作。
涌生智能发布生物实验 Agent
华大智造子公司涌生智能与上海人工智能实验室发布 ProtoPilot 和 BioLab Bench，瞄准生命科学实验室中的多智能体自动化。系统尝试从自然语言实验意图到设备执行形成闭环，被视为 Physical AI 在生物实验场景的落地探索。
Fable 5推理日志曝光
Fable 5回归后被用户发现问题会被标记为“太简单不配使用”，并在测试中泄露大量类似内心独白的推理文本。曝光内容显示模型在解题时反复自我修正、输出情绪化词句，引发社区对其推理机制、回退策略和日志暴露问题的讨论。
地瓜机器人发布Uranus
地瓜机器人发布世界模型 Uranus，将其定位为具身智能开发基础设施，而非直接作为机器人“大脑”。Uranus 重点用于评测 VLA 和世界模型，并缓解仿真到真实场景的 sim-to-real gap。
扎克伯格称Agent进展不及预期
据报道，Meta CEO扎克伯格在内部会议上表示，AI Agent发展速度未达到管理层此前预期。他还谈及此前裁员与AI团队重组，显示Meta在用AI替代工作流程方面遇到落地阻力。
Claude Fable 5重发后基准下滑
独立基准BridgeBench显示Claude Fable 5在7月1日重新上线后，调试、重构和幻觉检测成绩较6月12日版本大幅下降。帖子称下滑可能与Anthropic新增安全分类器和请求重路由机制有关，但仍需更多独立验证。
扎克伯格称AI代理进展放缓
Reuters 报道称，Meta CEO 扎克伯格表示 AI Agent 开发进展慢于预期，引发 Hacker News 高热讨论。该表态与科技公司此前对智能体快速落地的预期形成反差，显示行业在可靠性、执行能力和产品化方面仍面临瓶颈。
Meta低调推出AI游戏应用Pocket
Meta推出Pocket应用，允许用户通过AI提示词生成小型互动应用和游戏，并在信息流中体验他人作品。该产品源于Meta收购vibe-coded游戏平台Gizmo团队，显示大厂正在试水AI原生UGC游戏形态。
美国或持有OpenAI股份
报道称 Sam Altman 正与特朗普政府讨论美国政府获得 OpenAI 约 5% 股份的可能性。相关谈判仍处早期，政府也据称接触了 Google、Meta 等 AI 公司，显示 AI 产业收益分享和国家介入成为新政策议题。
能源行业加速部署工业AI
文章以 Woodside Energy 为例，介绍 AI 在能源行业的预测分析、钻探、维护和工厂运营中的应用。工业场景显示 AI 正从聊天机器人走向关键基础设施运营层。
Gemma 4实时语音演示上线
Hugging Face 社区展示基于 Parakeet、Gemma 4 31B、Qwen3TTS 的开放实时语音 Demo，由 Cerebras 承载推理以降低延迟。该方案可作为 OpenAI Realtime API 的开源替代，并支持本地或云端运行。
Springboards 破除LLM同质化
澳大利亚初创公司 Springboards 推出 LLM Flint，试图解决主流大模型回答过于可预测、创意输出趋同的问题。其目标场景包括头脑风暴、创意规划等需要多样化答案的任务。
谷歌AI扩张推高用电37%
谷歌2025年年度用电量同比增长37%，创公司历史最大增幅，主要受Google Cloud、YouTube以及AI数据中心建设和运营推动。谷歌称通过大规模采购清洁能源控制运营碳排放，但总用电量较2019年已增长逾250%。