LongCat-Flash-Omni 是美团 LongCat 团队发布的开源全模态大语言模型。拥有5600亿参数规模（激活参数270亿），在保持庞大参数量的同时，实现了毫秒级的实时音视频交互能力。模型基于 LongCat-Flash 系列的高效架构设计，创新性地集成了多模态感知模块与语音重建模块，支持文本、图像、视频理解及语音感知与生成等多种模态任务。LongCat-Flash-Omni 在全模态基准测试中达到开源最先进水平（SOTA），在文本、图像、音频、视频等关键单模态任务中均展现出极强的竞争力。采用渐进式早期多模融合训练策略，逐步融入不同模态数据，确保全模态性能强劲且无单模态性能退化。模型支持128K tokens上下文窗口及超8分钟音视频交互，具备多模态长时记忆和多轮对话能力。
我们痴迷于“思考机器”的崛起，却忽视了“思考人群”的加速衰退。这种“自我缴械”，正让深度思考力提前消亡，此消彼长才是真正的危机。文章来自编译。
马斯克关于人工智能如何重塑人类文明的宏大愿景，不仅仅是技术升级。他详细阐述了三个核心基础设施：Grok，作为一个能理解意图并执行任务的行动系统，将取代传统的搜索模式；交互方式的革命，即在未来五年内，手机将取消应用程序和操作系统，只保留屏幕和语音功能，以对话形式驱动一切行动；以及Optimus机器人，作为AI进入物理世界的载体，负责执行体力劳动。马斯克认为，这套系统最终将创造一个物质富足的社会，工作不再是生存手段，而是个人选择，并强调确保AI追求最大限度的真相以保障人类安全的重要性。
Kimi Linear 是月之暗面开源的新型混合线性注意力架构，以 Kimi Delta Attention（KDA）为核心，通过更细粒度的门控机制优化了传统注意力模型，显著提升了硬件效率和内存控制能力。架构采用 3:1 的混合层级结构，即每三个 KDA 线性注意力层后插入一个全注意力层（MLA），既保证了高效的局部信息处理，又能周期性地捕捉全局依赖关系。结合专家混合（MoE）技术，Kimi Linear 在 480 亿参数规模下，每个前向传播仅激活 30 亿参数，大幅提升了计算效率。
FIBO 是 Bria AI 开发的全球首个开源的原生支持 JSON 的文本生成图像模型。基于 8B 参数的 DiT（扩散 Transformer）架构，采用流匹配（Flow Matching）训练方式，使用 SmolLM3-3B 作为文本编码器，并在超过 1 亿条结构化 JSON 描述上训练而成。FIBO 的核心优势在于其 VLM 引导的 JSON 原生提示词体系，能将简短的文本提示扩展为详细的结构化描述，生成高质量的图像。支持迭代可控生成，用户可以基于已有 JSON 或图像进行多轮细化与灵感扩展，能单独调整某个属性而不破坏整体场景。FIBO 提供 API 接口、ComfyUI 节点及本地推理支持，便于开发者集成和使用。FIBO 100% 使用授权数据，确保了企业级的合规性。
GigaBrain-0是国内首个利用世界模型生成数据实现真机泛化的端到端视觉-语言-动作（VLA）具身基础模型，由极佳视界与湖北人形机器人创新中心联合发布开源。采用混合Transformer架构，融合预训练视觉语言模型（VL-M）与动作扩散Transformer（DIT），支持RGB-D输入，增强3D空间感知能力。引入“具身思维链（Embodied CoT）”机制，生成中间推理步骤（如操作轨迹、子目标语言），提升长时程任务规划能力。以“世界模型”为核心构建数据引擎，通过仿真生成、风格迁移、视角变换等技术，生成多样化训练数据，减少对真实世界数据的依赖。数据覆盖工业、商业、办公、家居等多场景，提升模型泛化能力。
