机器之心 AI NEWS DIGEST
2026 06 15
STORY 01 / 12

一夜反转！「杀进第一梯队」的巴西LLM竟「套壳缝合」了国产模型

01-01
漫画式封面突出 Rio 3.5 被质疑套壳。
01-02
Nex-AGI 社交声明写明 Rio 3.5 不是新模型。
01-03
公式图写出 Rio 3.5 与两款模型的混合关系。
01-04
GitHub issue 页面列出 Rio 3.5 合并质疑。
01-05
模型回答区域出现 NexAGI-M2 相关字样。
01-06
统计表显示 Nex、Nex-AGI 与 Rio 名称出现比例。
01-07
截图展示混合权重和共线性数值。
01-08
深色界面对比图展示研究者的外部分析。
01-09
Rio 3.5 争议封面作为结尾画面。
STORY 02 / 12

微软CEO长文：以后两种资本，人力资本+Token资本

02-01
Satya Nadella 的人物封面。
02-02
X 平台截图显示 Nadella 的英文长文标题。
02-03
Nadella 人像作为管理观点的视觉锚点。
02-04
长文标题突出 ecosystem 与 stable 两个关键词。
02-05
截图并列展示马斯克评论和 Nadella 早前回应。
02-06
Nadella 封面作为微软战略讨论画面。
02-07
Nadella 长文截图作为结尾画面。
STORY 03 / 12

智源大会 | 天工AI重新定义世界模型，公布Matrix-Game 3.5 最新技术突破

03-01
智源大会舞台上显示 Matrix-Game 主题。
03-02
幻灯片列出 Matrix-Game 版本演进。
03-03
图中展示键鼠、手柄、文本和动作模块接入。
03-04
幻灯片包含模型版本、数据和交互能力信息。
03-05
幻灯片展示视频片段和游戏场景资源规模。
03-06
世界模型应用幻灯片列出 agent、game、robotics 等方向。
03-07
演讲者站在大会舞台前介绍 Matrix-Game。
03-08
动作和输入信号汇入世界模型的结构图。
STORY 04 / 12

腾讯Robotics X开源HyVLA-0.5：基于亚毫米级指套UMI与真机强化，摆脱繁重遥操

04-01
多视角机械臂在桌面执行操作任务。
04-02
HyVLA 总览图包含 UMI 数据、模型和部署流程。
视频展示 Hy-Embodied-0.5-VLA 标题和机械臂任务片段。
04-04
模型结构图包含 language history、vision tokens 和 action expert。
04-05
表格列出 HyVLA-0.5 与其他方法的 clean 和 randomized 成绩。
画面上半部分是多机械臂任务，下半部分是跨本体抓取迁移。
视频前半段是 FlowPRO 方法示意，后半段是桌面机器人任务。
04-08
黑色背景图展示多段真实机器人任务和性能柱状图。
多视角画面中机械臂在工厂桌面连续搬运物体。
04-10
多台机器人执行任务，右侧有成功率柱状图。
04-11
总览图把数据、模型、强化微调和跨本体部署连接起来。
04-12
图中有人手、机器人视角和桌面操作任务。
工厂桌面上机械臂持续完成多步操作。
04-14
机械臂操作拼图作为具身智能工程闭环结尾。
STORY 05 / 12

给音视频生成打草稿！复旦&腾讯提出Bat：首创语音蓝图指引，实现音画逻辑精准同步

05-01
机器人头像前方是二进制数据背景。
05-02
图中有提示文本、视频片段和音频生成模块。
05-03
白底论文首页写有 Baton 的英文标题和作者。
05-04
图中包含 video flow、audio flow 和 cross-modal attention。
沙地中人物趴地遮挡，远处爆炸烟尘升起。
训练场中两名男子交流并发生出拳动作。
木屋外两人围着篝火处理白色布料。
叉子切肉后切到人物咀嚼表情。
女孩在车内驾驶，后座出现戴面具儿童。
花园中女子挥拍，旁边有人参与羽毛球运动。
男孩在室外同时运两个篮球。
户外人物持枪、抬枪、放下并面向镜头。
篮球场上男子运球投篮，球飞向篮筐。
05-14
宽表格列出多个模型和音视频指标。
05-15
表格列出 Veo、Wan、Kling、Seedance 和 Ours。
05-16
复杂提示、视频片段和音频生成模块在图中连接。
05-17
结构图中视频流、音频流和语义蓝图共同参与生成。
STORY 06 / 12

用国产GPU训练AI给自己写内核，摩尔线程刷榜硬核基准

06-01
橙色芯片图形突出摩尔线程 GPU 主题。
06-02
多组柱状图比较不同模型在各级任务上的正确率。
06-03
白底论文首页写有 MusaCoder 标题和作者。
06-04
图中有 server、compile pool、shared FS 和 reward model。
06-05
流程图从原始数据到 SFT 和强化训练。
06-06
图中分为 Stage 1、Stage 2、Stage 3。
06-07
表格列出 pass、resolved 和 apply failed 等指标。
06-08
摩尔线程风格芯片图作为结尾。
STORY 07 / 12

理想定义具身智能汽车：比人安全、比人高效，还要对齐特斯拉FSD

07-01
Livis Day 舞台和理想汽车车辆同框。
07-02
黑底幻灯片列出安全、能力、效率三项标准。
07-03
黑底图比较 Mind4-Pro 与其他模型的指标。
07-04
大屏展示理想智能系统的多模块架构。
07-05
黑底柱状图比较 M100 与 Thor-U 多项任务。
Livis Day 舞台大屏和车辆在现场展示。
07-07
理想发布会现场作为结尾画面。
STORY 08 / 12

1680份员工履历揭开Anthropic招人底牌：「基础设施老兵」更吃香

08-01
长图写有分析 1680 份 Anthropic 履历。
08-02
柱状图中 2025 年为 686，2026 年截至六月为 455。
08-03
经验柱状图显示 9-13 年和 13-18 年人数最多。
08-04
横向柱状图列出 infrastructure、ML 和 backend 等背景。
08-05
柱状图列出 Google 119、Meta 105、Stripe 82 等来源。
08-06
柱状图显示 Bachelor 71.7%、Master 30.1%、PhD 13.7%。
08-07
横向柱状图列出 Stanford、UC Berkeley、MIT 等学校。
08-08
图中比较 junior 与全部工程师的背景比例。
08-09
履历图标和 Anthropic 标志构成招聘分析封面。
STORY 09 / 12

2026年玩AI必备技能：不是提示词，是循环工程

09-01
黑底封面上写着 Loop Engineering。
09-02
Addy Osmani 在舞台上演讲。
09-03
表格列出 automations、worktrees、skills 和 state 等项目。
09-04
Loop Engineering 主题封面。
09-05
表格右侧展示 code app 和 Claude Code 形态。
09-06
舞台照片表现技术分享场景。
09-07
Loop Engineering 字样作为结尾。
STORY 10 / 12

ICML&ACL Oral | 迈向全自动实验室，北大两篇顶会论文让大模型从「推理」走向「物理执行」

10-01
机器人在实验室中拿着试管。
10-02
论文首页写有 BioProBench 标题和作者。
10-03
图中有来源统计、任务环图和类别分布。
10-04
表格列出多个模型的 Acc、Prec、Recall、F1 和 Failed。
10-05
论文首页写有 BioProAgent 和 neuro-symbolic grounding。
10-06
图中从 input memory 进入 neuro-symbolic core，再到 verification execution。
10-07
雷达图比较科学推理、自我纠错和物理合规。
10-08
BIOMA 体系图展示评估、规划、执行和反馈循环。
STORY 11 / 12

打破SWE-bench唯分数论，首个独立测量harness的基准开源了

11-01
图中 Claw-SWE-Bench adapter 位于 harness 和 SWE-bench 之间。
11-02
表格比较 base adapter 和 full adapter 两行结果。
11-03
点图比较多个模型 cleanup 前后的 Pass@1。
11-04
散点图展示解决率、Pass@1 和 API 成本。
11-05
论文首页写有 Claw-SWE-Bench 标题。
STORY 12 / 12

1080条提示词、7款模型大比拼：视频生成离「好看、好用又准确」还差多少？

12-01
电影胶片中嵌入多个实验和操作场景。
12-02
流程图从 prompt 进入视频生成和事实性评估。
12-03
图中对比两段设置手机蜂窝网络的视频结果。
12-04
表格中 FactP 为 70.8，HelpS 为 69.0。
12-05
饼图显示实体误描 42.6%、错误过程 40.7%。
第一条看 Rio 3.5 的一夜反转。昨天它还被称为巴西开源模型黑马，今天就被 Nex-AGI 指控为套壳合并模型。
Nex-AGI 的声明很直接：Rio 3.5-Open-397B 不是一个全新模型，而是由现有模型高度混合得到。
文章中的公式把质疑写得更具体：Rio 3.5 近似等于六成 Nex N2 Pro，加四成 Qwen 3.5。
社区也把证据放进了公开仓库讨论，GitHub issue 的标题就是这条近似合并关系。
更尴尬的是，在一些测试提示下，模型回答会露出 NexAGI-M2 这样的身份痕迹。
自我识别统计也不利于 Rio。截图中 Nex 和 Nex-AGI 相关名称占比很高，而 Rio 自身识别比例是零。
权重分析进一步显示，两组混合权重和接近零点九九的共线性数值，让合并假设更难被忽略。
这件事真正击中的，是开源模型生态的信任问题：高分不是全部，训练来源和许可证同样重要。
如果后续没有完整解释，Rio 3.5 从黑马到争议样本的速度，会成为模型发布透明度的一次警示。
第二条是 Nadella 的 AI 经济长文。他抛出的关键词不是提示词，而是人力资本加 Token 资本。
他的标题是：没有生态系统的前沿是不稳定的。意思是，模型能力必须嵌进工具、数据和组织流程才有长期价值。
文章把未来企业描述成两类资本同时运转：一类是人，一类是由模型调用、算力和工作流构成的 Token 能力。
这意味着企业竞争不只看有多少员工，也看能否把 AI 调用变成稳定、可治理、可复用的生产系统。
Nadella 还强调数字主权和生态互操作，因为如果算力、数据和模型被单点锁死，前沿能力本身也会变得脆弱。
马斯克的转发让这篇文章更有戏剧性。它也呼应了外界一直在问的问题：微软和 OpenAI 到底谁更依赖谁。
但从微软视角看，关键不是某个模型，而是能不能把模型接进开发者、企业软件和云平台生态。
所以这篇长文的信号是：AI 竞争正在从模型榜单，进入组织设计、成本核算和生态治理。
第三条看世界模型。智源大会上，Skywork 团队公布了 Matrix-Game 3.5 的技术路线。
文章的核心转向，是把世界模型从预测下一帧，推向状态和动作的联合生成。
这意味着模型不只要想象画面怎么变，还要同时理解键鼠、手柄、文本和动作信号怎样改变环境。
团队展示的技术路线里，实时流式、长时序记忆和交互控制是几个关键词。
支撑这条路线的，是一个研究引擎：画面中写着 5M+ 视频片段，以及 1200+ 高质量游戏场景。
应用上，文章把它连接到 agent、游戏、机器人和物理 AI 基础设施。世界模型正在从视频生成走向环境模拟。
Matrix-Game 3.5 计划在七月发布，后续关键要看技术报告里的训练细节和独立评测。
如果这条路线成立，未来 agent 可以在可交互世界里练习，而不是只在静态数据上学习。
第四条进入具身智能。腾讯 Robotics X 开源 HyVLA-0.5，目标是让真实机器人摆脱繁重遥操作。
文章称，系统用亚毫米级指套式 UMI 采集超过一万小时人类示教数据，监督训练阶段不依赖传统遥操作。
先看视频总览：它把标题、指套采集、机器人任务和强化后训练都放在一条演示里。
模型结构上，它把语言历史、视觉输入、动作专家和关节注意力放进同一个 VLA 系统。
效果图里最醒目的数值，是 RoboTwin 2.0 上 clean 90.9，randomized 90.1。
第二段视频展示两条线：同一本体微调，以及从一个机器人迁移到另一种本体的操作。
第三段视频讲 FlowPRO：它利用人类反馈偏好和真实失败数据，做强化后训练。
这一步的意义是，机器人不是只从成功样本学动作，也能从失败偏好里学到更稳的执行策略。
第四段视频是工厂场景长程 rollout，机械臂连续处理物体，强调没有剪辑和重置。
文章还展示了多机器人实验，同一套系统要覆盖不同夹爪、不同任务和不同物理约束。
这里真正值得关注的不是单个演示，而是数据、模型、后训练和执行系统被打包成开源栈。
如果指套 UMI 数据能规模化，机器人学习的数据成本会下降，VLA 模型也更容易迭代。
但真实世界机器人最难的仍是泛化和稳定性。发布视频很重要，后续第三方复现同样关键。
所以 HyVLA-0.5 的信号是：具身智能竞争正在从模型名词，进入可采集、可训练、可部署的工程闭环。
第五条是音视频生成。复旦和腾讯提出 Baton，用语义蓝图先给视频和声音打草稿。
问题在于，复杂提示不只要求画面好看，还要求动作顺序、人物对白和声音节奏都对上。
论文题目里的关键词是显式语义蓝图，也就是先规划发生什么，再生成画面和声音。
系统结构把视频流、音频流和跨模态注意力放在一起，让声音不再只是画面之后的附加物。
第一个演示是沙地爆炸场景，人物遮挡和远处烟尘需要在同一时间线里同步。
第二个演示是拳击训练，人物对话和突然出拳要保持角色关系。
第三个演示是篝火边两人互动，动作目标从拿布到放到火边，顺序很关键。
第四个演示是切肉和咀嚼，声音和画面如果错位，观感会立刻露馅。
第五个演示是车内驾驶，人物转头和后座互动需要与车内空间保持一致。
第六个演示是花园羽毛球，运动轨迹和身体动作要连贯。
第七个演示是男孩双球运球，两个球的节奏如果不稳，很容易穿帮。
第八个演示是户外持枪动作，物体姿态、人物嘴部和动作切换都需要语义约束。
第九个演示是篮球投篮，运球、出手、入筐和走回镜头是一条完整事件链。
表格结果显示，作者不只看画质，还看音频质量、同步、字词错误和动作准确性。
小表格里，Baton 与 Veo、Wan、Kling、Seedance 等模型放在一起比较，强调复杂提示下的音画逻辑。
这些演示共同说明，Baton 不是只修补某一个动作，而是试图把一段提示拆成可执行的事件计划。
有了蓝图，模型才更容易知道先发生什么、谁发出声音、声音什么时候进入，以及动作什么时候结束。
这篇研究的信号是，视频生成正在从漂亮片段竞争，转向可规划、可控、能讲清楚事件顺序的系统。
第六条是国产 GPU 上的代码生成。摩尔线程让 AI 给自己写原生 GPU 内核，并在 KernelBench 上刷到第一。
图表里，Ours 在总体正确率上明显高于 GLM、Kimi、DeepSeek 和 Claude 等对比模型。
论文题目点明关键：这是面向摩尔线程 GPU 的原生内核生成，而不是只生成通用 CUDA。
MooreEval 架构负责把生成代码拿去编译、验证、性能分析和奖励反馈，避免只看文本答案。
训练管线也很完整：数据迁移、知识蒸馏、偏好数据、监督微调和强化训练都被串起来。
三阶段图进一步解释，模型先扩展任务，再学习结构化推理，最后通过多轮反思改进代码。
这件事的看点，是国产算力生态开始用模型自动补齐底层软件和内核优化短板。
如果这类系统成熟，芯片厂商竞争的不只是硬件峰值，也包括能否让 AI 持续优化自己的软件栈。
第七条是理想汽车。Livis Day 上，李想把下一代智能汽车定义为具身智能产品。
他的判断是，现在的手机和汽车都还只是功能驱动，真正智能的车要像智能体一样感知、决策和行动。
文章把标准拆成三件事：比人安全、具备更强能力、并且比人类驾驶更高效。
理想还展示了 Mind4-Pro 的模型能力对比，强调速度、成本和端侧部署效率。
发布会大屏里的系统架构，把大模型、车辆控制、智能座舱和端到端驾驶连接起来。
马赫 M100 与 Thor-U 的对比图，则把话题推进到底层芯片和车端推理能力。
这条新闻的重点不是单次发布会，而是车企开始用具身智能语言重新定义智能汽车。
接下来要看的，是这些模型和芯片指标能否转化为真实道路上的安全、泛化和用户体验。
第八条看 Anthropic 的招聘画像。文章引用 1680 份公开履历，结论是基础设施老兵更吃香。
加入年份图显示，2025 年工程师数量大幅增加，2026 年上半年仍保持高节奏。
经验结构也很明显：加入前经验中位数是 12.2 年，9 到 18 年经验段占了很大比例。
职能上，基础设施、平台、云、机器学习和后端系统排在前面，说明 Anthropic 要的是能落地大规模系统的人。
上一份雇主里，Google、Meta、Stripe、Amazon、OpenAI 排在前列，这更像生产系统人才迁移。
学历图也打破刻板印象：本科占比最高，博士比例只有 13.7%。
学校来源仍然集中在 Stanford、伯克利、MIT 和 CMU，但这不是唯一筛选逻辑。
junior exception 图说明，少数年轻员工更可能带着博士、产品软件或大厂背景进入。
这组数据的信号是，前沿模型公司不只抢研究明星，更抢能把算力、数据和产品系统跑稳的人。
第九条是 Loop Engineering。文章说，2026 年玩 AI 的关键可能不是提示词，而是会不会设计循环。
这来自谷歌云 AI 总监 Addy Osmani 的博客，他把 AI 使用从单次输入输出，推进到持续迭代的工作流。
循环的核心是让模型执行任务、观察结果、修正计划，再把状态带回下一轮。
表格里，自动化对应计划任务，worktree 对应隔离并行尝试，skills 对应可复用知识，连接器负责工具接入。
这套说法把提示词从魔法口令，变成工程系统里的一个输入节点。
对开发者来说，真正的能力会体现在如何设计反馈、测试、状态保存和失败恢复。
这也是 agent 产品从聊天框走向实际工作的关键：模型必须被放进可重复的循环里。
所以 Loop Engineering 的重点不是新名词，而是提醒大家把 AI 当系统设计问题来处理。
第十条是北大的自动化实验室路线。两篇论文把大模型从推理，推向真实生物实验规划和执行。
BioProBench 先解决评测问题：模型到底能不能理解生物实验协议、步骤和约束。
概览图显示，它覆盖不同语料来源、任务和生物类别，不只是单一问答。
性能表则比较多个闭源和开源模型在错误识别与推理任务上的表现。
BioProAgent 再往前走一步，目标是在真实约束下做科学规划，而不是只给文字答案。
架构图里，记忆、神经符号核心、验证执行和安全互锁共同约束模型行动。
综合能力图强调，自动实验室不仅要会推理，还要能自我纠错、遵守硬件和物理约束。
这组工作的重要性，是把科学智能体从文献和代码，推向可能接管湿实验下游流程的系统。
第十一条是短论文。Claw-SWE-Bench 要拆开看 SWE-bench 分数，单独测 harness 的影响。
表格里的差距很大：base adapter 只解决 67 个任务，full adapter 到 257 个，Pass@1 从 19.1 到 73.4。
这说明，同一个模型的分数可能被测试脚手架、补丁应用和清理逻辑明显影响。
成本前沿图进一步提醒，评测不能只比最高分，还要看解决率和 API 成本。
它的价值是给编程 agent 评测降温：榜单数字之前，先确认测量工具本身是否公平。
最后一条短论文看 KIVI-Bench。它问的是：视频生成模型能不能生成事实准确、能照着做的视频。
研究者构建了 1080 条提示词，并比较 7 款模型，重点不只是美观，而是事实性和帮助性。
Pixel 10 示例很典型：一个视频视觉质量好但操作事实错，另一个事实更对但画面质量差。
结果表和人类评估显示，FactP、HelpS 这类指标更贴近人类对可用视频的偏好。
错误饼图也很清楚：实体误描和过程错误是最大问题。知识视频离好看、好用、准确还差一段距离。
机器之心 AI News Digest

机器之心 · 2026.06.15 · 12 stories · 15:20

机器之心 AI News Digest

机器之心 2026.06.15 digest with 12 source-grounded stories, Chinese captions, synchronized narration, and source media panels.

Stories

  1. 0:00 - 1:20
    01. 一夜反转！「杀进第一梯队」的巴西LLM竟「套壳缝合」了国产模型 Source
    文章报道，前一天因跑分亮眼而受到关注的巴西 Rio 3.
  2. 1:20 - 2:37
    02. 微软CEO长文：以后两种资本，人力资本+Token资本 Source
    文章介绍微软 CEO Satya Nadella 发布的长文，核心判断是 AI 时代的企业会同时经营人力资本和 Token 资本。
  3. 2:38 - 3:45
    03. 智源大会 | 天工AI重新定义世界模型，公布Matrix-Game 3.5 最新技术突破 Source
    文章报道昆仑万维 Skywork 团队在智源大会公布 Matrix-Game 3.
  4. 3:46 - 5:47
    04. 腾讯Robotics X开源HyVLA-0.5：基于亚毫米级指套UMI与真机强化，摆脱繁重遥操 Source
    文章报道腾讯 Robotics X、福田实验室与混元团队开源 Hy-Embodied-0.
  5. 5:47 - 8:09
    05. 给音视频生成打草稿！复旦&腾讯提出Bat：首创语音蓝图指引，实现音画逻辑精准同步 Source
    文章介绍复旦大学与腾讯提出的 Baton 方法，它用显式语义蓝图指导联合视频与音频生成，目标是解决复杂提示下动作、角色、声音和时序错位的问题。
  6. 8:10 - 9:19
    06. 用国产GPU训练AI给自己写内核，摩尔线程刷榜硬核基准 Source
    文章报道摩尔线程发布 MusaCoder 与 MooreEval 执行式验证协议，用国产 GPU 训练模型生成原生 GPU 内核，并在 KernelBench 相关任务上取得领先表现。
  7. 9:20 - 10:23
    07. 理想定义具身智能汽车：比人安全、比人高效，还要对齐特斯拉FSD Source
    文章报道理想汽车 Livis Day 软件与具身智能发布会，核心是把智能汽车重新定义为基于大模型、智能体和端到端 VLA 能力的具身智能产品。
  8. 10:24 - 11:41
    08. 1680份员工履历揭开Anthropic招人底牌：「基础设施老兵」更吃香 Source
    文章转述科技招聘分析者 seb 对 1680 份 Anthropic 工程履历的统计，发现公司大规模雇佣的是有生产系统经验的构建者，而不只是理论研究员。
  9. 11:41 - 12:48
    09. 2026年玩AI必备技能：不是提示词，是循环工程 Source
    文章介绍 Addy Osmani 关于 Loop Engineering 的讨论，认为 AI 应用能力正在从写提示词转向设计循环。
  10. 12:49 - 13:52
    10. ICML&ACL Oral | 迈向全自动实验室，北大两篇顶会论文让大模型从「推理」走向「物理执行」 Source
    文章介绍北京大学团队的两篇顶会论文：BioProBench 评测生物协议理解和推理，BioProAgent 探索受约束科学规划。
  11. 13:52 - 14:35
    11. 打破SWE-bench唯分数论，首个独立测量harness的基准开源了 Source
    文章介绍 Claw-SWE-Bench，一个用于独立测量 OpenClaw 风格 agent harness 对编程任务评测影响的基准。
  12. 14:36 - 15:20
    12. 1080条提示词、7款模型大比拼：视频生成离「好看、好用又准确」还差多少？ Source
    文章介绍 KIVI-Bench，一个面向知识密集型视频生成的评测集，包含 1080 条提示词和 7 款模型对比。