AI从不休眠，本周更是疯狂至极。Google DeepMind发布了一款能根据指定用途从头设计新酶的AI模型，并推出了另一款能够解析植物DNA突变效应的AI。OpenAI不仅发布了一项突破，而是发布了七百多项在数学难题上的重大进展，这些题目困扰人类数十年之久。这堪称数学史上最大的一天。AI还发现了用于室温磁性半导体的新材料。

我们拥有顶级的开源世界生成器，支持实时交互，具备记忆功能且能长期保持一致性。这款AI更令人惊叹的是，它能模拟人体动作，包括精确的肌肉和骨骼运动。ChatGPT现在能在回答中生成更多视觉化和交互式内容，此外还有新的开源图像生成器、视频模型及超分工具。

首先登场的是新世界生成器World Play 2，类似于Genie 3或Hunyuan World，它能生成可实时交互的世界。除了行走，你还能与角色或物体互动，并提示添加特效动画。它会将之前的经历压缩进记忆，即使离开再返回也能保持世界一致性，长时间运行也无明显质量下降。

目前代码已开源至GitHub，包含本地部署说明。该模型基于Alibaba的1.2版本构建，并提供更快的Turbo模式，仅需四步即可生成世界。完整非量化版体积达69GB，若感兴趣可参考描述栏链接。此外，本周还发布了Motion Space Flow，这是一种仅凭文本提示生成人体动作的新系统。

例如高抬腿或爬行等动作，甚至可手动约束关节位置以生成特定动画。代码已开源至GitHub并附带训练评估脚本，Hugging Face上总大小仅约1.1GB，兼容大多数消费级显卡，采用宽松的Apache 2许可证。详情可参考描述栏链接。

本周还发布了开源视频生成器Kandinsky 6.0，支持高动态场景。提供38亿参数的轻量版和290亿参数的高级版。主要局限是仅支持5秒片段，且不支持参考视频功能（当前黄金标准）。但附带了名为Kandinsky 6 Super Resolution的潜在超分模型，可将分辨率提升四倍。

轻量版体积仅6.38GB，高级版达60GB。虽然质量和灵活性略逊于Minimax H3，但仍是不错的开源替代方案。已在Diffusers和ComfyUI等平台可用。详情可参考描述栏链接。

本周OpenAI还发布了智能界面功能，ChatGPT不再仅回复文本或图片，而是生成完整的交互式界面。例如解释自行车原理时，它会创建可交互的图表供用户探索；规划周日烤羊肉时，它能生成美观的图片、成本分解及可调整的互动清单。

GPT-6还能在推理过程中边思考边回答，无需等待全部完成，速度显著提升。该功能正逐步向付费计划全球开放，次日扩展至免费用户。录制时你已能在免费版中看到更交互式的界面。详情可参考描述栏链接。

本周亚马逊还发布了一种名为循环扩散语言的架构……

模型就像是将图像和视频生成器的扩散模型能力与大型语言模型相结合，并在其顶部添加了循环行为。因此，这就像是一个弗兰肯斯坦式的模型。它的工作原理如下：与严格从左到右生成文本的常规语言模型不同，该模型可以同时预测答案的多个部分，然后逐步完善这些预测。这基本上就是模型的扩散部分。为了完善其答案，它使用了多个循环回路。正如从该图表中可以看到的那样，你可以将每个回路视为给它多一点时间来思考和修订其答案。

结果令人印象深刻。如果你查看它在各种推理、数学和科学以及编码基准测试上的表现，你会发现与其他相似规模的模型相比，这个新模型在大多数这些基准测试中得分最高。而且因为它具有扩散组件，它可以并行生成多个标记。它的速度也要快得多。因此这里指出，与另一个竞争对手相比，它可以产生多 8.5% 的吞吐量。此外，它使用的计算资源减少了 13.6%。

好消息是他们已经发布了该模型和代码。因此，如果你点击这个代码按钮并在此处向下滚动一点，它将包含所有关于如何入门的说明。请注意，他们发布了两个不同的变体。有一个较小的 17 亿参数模型，大小约为 4 GB。还有一个较大的 80 亿参数的变体，大小约为 16 GB。请注意，这是在知识共享非商业许可下发布的。

如果你有兴趣进一步阅读，我将在下面的描述中链接到主页。此外，本周谷歌 DeepMind 继续发布一些令人难以置信的东西。所以他们发布了名为 Alpha Protein Novo 的内容。这是一种基本上可以从头开始设计全新酶的 AI。这就像是黄金标准。首先，你需要了解什么是酶。这些基本上是在你体内帮助化学反应的蛋白质。

例如，我们有消化食物的酶，有帮助你愈合的酶，我们还在各种工业中使用大量不同的酶来制造化学品和药物。问题在于，当我们希望一种酶执行完全新的化学反应时，我们通常必须从自然界中发现的现有酶开始，然后通过实验对其进行调整和修改。但如果我们可以让 AI 为你想要的任何化学反应从头设计一种全新的酶呢？

这正是 Alpha Protein Novo 试图完成的任务。它使用 AI 来设计酶的三维结构以及构成它的氨基酸序列。然后，它使用 AlphaFold 3 等工具来预测这种酶将如何折叠并与你的目标相互作用。现在，研究人员在实际实验室实验中测试了他们的设计，结果非常疯狂。例如，他们设计了一种可以帮助生产哌啶的酶。

这是一种常见于药物中的化学物质。在另一项实验中，他们还创造了一种可以分解 DEHP 的酶。这是一种用作增塑剂的环境污染物。而且这是一种很难清除的污染物。但他们能够使用 Alpha Protein Novo 基本上创造出一种可以分解它的酶。现在，这仅仅是早期研究阶段。它尚未经过同行评审，但这是一个重要的步骤

朝着这样一个未来迈进：与其在自然界中寻找某种能帮助化学反应的酶，我们可以让 AI 根据我们要加速的任何化学反应从头设计一种全新的酶。这可能包括分解污染物或更高效地生产化学品。现在，在顶部他们发布了该项目的 GitHub 链接。因此，如果你在此处向下滚动一点

它将包含所有关于如何自行下载和运行此项目的说明。令人兴奋的时刻到了。我认为这是本周对我来说最令人兴奋的突破。如果你有兴趣，我将在下面的描述中链接到这篇论文。现在，这还不是谷歌 DeepMind 的唯一发布内容。所以他们还发布了另一个名为 Botanic 1 的模型。这用于理解植物 DNA。

现在，这是他们试图解决的问题。想象一下我们有一株甜瓜植物，改变其 DNA 的一小部分会使它的花朵不同，而我们想弄清楚到底是哪部分 DNA 导致了这种情况。问题是 DNA 非常大，每株甜瓜植物在不同位置的 DNA 都有细微差别。因此，很难找到

究竟是哪部分 DNA 导致了花朵的变化。缩小可能性范围真的很难，而且需要大量的时间。但在这里，谷歌能够利用 AI 使这变得快得多。所以他们使用了 Gemma 4，它像科学家一样运作。它会制定假设、编写流程并进行分析。第二个模型称为 Botanic 1。

这是一种专门针对 320 种植物物种的 DNA 序列进行训练的模型。你可以把它想象成一种 AI，它已经学习了植物 DNA 中哪些部分在进化过程中倾向于保持不变。在这里，谷歌向这个 AI 系统提供了近 2500 个候选项。换句话说，DNA 突变可能发生的位置。该系统能够分析所有内容并输出一个值得调查的位置排名列表。

结果非常好。因此，这 AI 能够以 90% 的成功率将正确的突变在 2500 个候选项中排在第一位。这意味着它在精确定位导致这种花朵变化的 DNA 确切位置方面非常擅长。这只是一个例子，但 Botanic AI 有可能为我们提供有关植物 DNA 以及某些部分如何影响植物特征的进一步见解。我们

可以利用这一点来创造更好的转基因作物，使其更具抗性或产生更高的产量。如果你有兴趣进一步阅读，我将在下面的描述中链接到主页。此外，本周我们可能经历了数学史上最大的一天。所以 OpenAI 刚刚发布了不是不是一个、两个甚至十几个，而是数百个新的数学突破。

这些是人类几十年来无法解决的问题的解决方案。所以听好了。他们发布了 719 份手稿，分为 372 个家族，它们都是由一个未发布的内部模型生成的，该模型据说比 GPT6 Astra 要好得多。现在这些涵盖了一些最难解决的数学问题，包括数论、几何学、理论计算机科学。

这些成果解决了数学家们数十年来苦苦钻研的著名难题，其规模令人瞠目结舌。该模型尝试解决了大约4000个问题。更疯狂的是，每个问题它只思考了约3小时。对于那些怀疑其合法性的人来说，至少在此录制时，其中四分之一即162份手稿已经过验证。这意味着它们已被正式证明是正确的。

剩下的约77%并不一定是错误的，只是尚未经过严格验证。即便如此，这已经非常了不起。大多数这些结果都是真正的突破性进展，足以改变整个领域，甚至值得在顶级期刊上发表。

作为参考，即使世界上最好的数学家一生中也只能解决其中一两个问题，而大多数人一个也解不出来。但在这里，OpenAI在一天内就发布了超过700个这样的成果。这一数量远远超过了过去几年所有人类数学发现的总和。这就是其规模的疯狂之处。

现在，逐一查看这700多份手稿会让人感到不知所措。因此，至少在视频中，让我们用简单的术语回顾一些最令人震惊的顶级突破。最大的突破可能是准黎曼假设（quasi-Riemann hypothesis）。要理解这一点，我们首先需要了解黎曼ζ函数。

这基本上是一个可以输出关于素数分布信息的公式。快速回顾一下，素数是只能被1和自身整除的任何数字，而不能被其他任何数字整除。例如2、3、5、7、11等等。这些数字除了1和自身外，不能被任何其他数字整除。

有趣的是，这些素数似乎不遵循任何简单的模式。随着计数越来越高，很难准确预测下一个素数出现的位置。但数学家们发现，与其直接研究这些素数，不如研究一种称为黎曼ζ函数的东西。

这个公式可以揭示有关素数分布的信息。事实证明，如果我们在这个公式中代入某些数字，它会输出零。其中一些相当直接，例如-2、-4、-6等。但也有一些更复杂的输入也会输出零。

这些输入不是普通数字，而是复数，实际上由两部分组成。无论如何，当我们将这些复数代入公式时，它们也会输出零。这些零点被称为重要或平凡零点（trivial zeros）。

之所以重要，是因为它们揭示了素数分布的模式。事实证明，如果将所有这些平凡零点绘制在图表上，它们都位于一条垂直线上。黎曼假设提出，所有这些重要零点都应出现在这条潜在区域正中间的一条完美直立的垂直线上。这就是著名的黎曼假设。

多年来，数学家们检查了海量的重要零点，它们都与这一预测一致。但检查数十亿或万亿个例子并不能证明它永远有效。也许如果我们继续下去，会有一个重要零点不在这条线上。

这里是OpenAI的发现：他们没有解决完整的黎曼假设，但他们证明了这些神秘的零点不能出现在该区域边缘向内12.5%的范围内。

本质上，他们将这些零点可能存在的范围缩小了25%。这可以说是列表上最大的突破。如果这是由人类解决的，它足以获得著名的菲尔兹奖（Fields Medal）。

你可能会想知道，这在实际世界中为什么重要？素数在网络安全中实际上非常重要。例如，它们用于加密、密码和信用卡。

这并不意味着这一发现能让某人突然黑入你的信用卡或破解加密，但这项发现可以帮助数学家更好地理解素数背后的模式。请记住，这是一个人们努力解决了一个多世纪的问题。

如果你想创建自己的AI网红并将其转化为几乎无限的内容，请务必查看本视频赞助商Higsfield。Higsfield是增长最快的生成式AI平台之一，他们刚刚推出了AI网红2.0版本。

这为你提供了创建数字角色并将一个想法转化为大量不同视频的完整工作流。你可以从头开始构建你的网红，定制年龄、面部特征、发型、体型、服装、配饰等许多内容。

或者，你可以简单地上传一张自己的照片，并根据你自己的外貌创建一个角色。我特别喜欢的是，一旦你创建了角色，Higsfield就会保存其身份标识。

因此，每次生成时不会出现略有不同的人，你可以在不同的服装、地点、灯光和视频中使用同一个可识别的角色。

真正令人印象深刻的是Genjutsu功能。你可以选择他们内置的热门视频或上传自己的参考片段。Higsfield使用你的角色重现整个表演，包括身体动作、时机、镜头运动以及场景中发生的动作。

生成视频后，你可以继续混音重制。你可以在保留原始运动的同时更换服装、产品、背景或其他元素。因此，一次表演可以迅速变成数十种不同的创意变体。

如果你想大规模创建大量网红内容，Higsfield的AI Influencer 2.0在一个地方提供了完整的工作流。请通过下方的链接查看。

接下来是另一个突破，即第四项：希尔伯特第十问题在有理数域上的解。要理解这一点，我们首先需要了解什么是有理数。

这些基本上是可以表示为分数的任何数字，例如二分之一或四分之一，甚至是像2、3和4这样的常规整数，因为它们可以表示为除以1的分数。

现在想象我给你一个代数方程，你需要找出数值。在这种情况下答案很明显：要么是3要么是-3。但如果我给你一个涉及数十甚至数百个未知数的更复杂的方程呢？

早在1900年，一位名叫大卫·希尔伯特的数学家提出了这个问题。

提出了一个著名的问题：是否存在一种方法，能够仅使用整数来判断像这样的方程是否有解？现在有趣的地方在于。早在1970年，我们就已经证明了这是不可能的。换句话说，不存在一种通用方法总能确定任何给定方程是否仅使用整数就有解。因此，这一点已被证伪。但如果我们允许分数而不是仅限整数的话呢？这会让事情变得更容易，对吧？因为现在我们有更多的可能答案可供选择。然而，我们实际上无法证明这一点。这个问题几十年来一直悬而未决，直到最近才有所突破。因此，OpenAI发表了一份证明，声称即使允许使用分数，仍然不可能创建一种通用公式来始终确定这些方程是否有解。

那么为什么这在现实世界中很重要呢？这一发现实际上确立了计算机和AI能力的界限。即使我们拥有比今天强大数百万倍的计算机，我们也无法创建一个保证能解决此类问题中每一个可能方程的算法。这并不意味着AI不能解复杂的方程，只是意味着永远不存在一种通用方法能对这类中的每个方程始终给出正确的“是”或“否”。这在某种程度上告诉我们，无论计算机变得多么强大，某些问题就是无法通过单一通用算法来解决。

接下来看另一个重大突破，涉及矩阵乘法。矩阵基本上就是一个数字网格。事实证明，将这些网格相乘实际上是现代计算中最重要的运算之一。它广泛应用于各种技术，包括计算机图形学、模拟以及尤其是人工智能。事实上，当你使用AI模型时，大量的计算资源都用于将这些矩阵相乘。但问题在于，随着这些矩阵变得越来越大，所需乘法运算的数量也会迅速增长。因此，数学家们几十年来一直在努力寻找更高效地相乘这些矩阵的方法。

早在1969年，一位数学家发现了惊人的事物：他找到了一种巧妙的方法重新组织计算过程，使得相乘矩阵所需的运算比之前认为的要少。自那以后，研究人员不断改进这些算法并逐步减少所需工作量。我们使用“矩阵乘法指数”来衡量这一点，这是一个告诉我们随着矩阵变大计算工作增长速度的数字。传统方法的指数为3，但几十年来我们已将其降至约2.37。最终目标是尽可能接近2，因为那是理论最小值。

这里是OpenAI的发现：他们发表了一份新的数学证明，声称将该数字降至2.25，这是对之前记录的巨大改进。这听起来可能微不足道，但请记住，在运行AI模型及其他技术时，大量计算资源都用于矩阵乘法。因此，虽然一次乘法似乎微不足道，但如果重复数十亿次，这种计算节省的微小差异也会累积成相当可观的数量。

接下来看另一个重大突破：伯奇和斯维讷通-戴尔猜想（Birch and Swinnerton-Dyer conjecture）。这是著名的千禧年大奖难题之一。要理解这一点，我们首先需要了解椭圆曲线的基本概念：这些方程在图上绘制时会形成特定的弯曲形状。假设我给你一个这样的方程，并要求你找出曲线上坐标均为有理数的所有可能点。简而言之，有理数是可以表示为分数的任何数字（如1/2、1/4或整数）。

假设我们将其中一个椭圆曲线绘制在图上，且只关注坐标均为有理数的点。有趣的是：有些曲线的这类点数有限，而另一些则有无限多个。那么如何确定呢？数学家们发现这些曲线具有特殊属性：如果你知道曲线上某些点，你可以使用一种方法来组合它们并不断重复此过程以生成更多点。因此即使曲线有无限多个点，你也不一定需要逐个找到它们；在某些情况下只需少数起始点即可生成无数其他点。

早在20世纪60年代，两位名为伯奇和斯维讷通-戴尔的数学家发现：与其直接研究所有这些点，不如研究一种称为L函数的东西。他们发现通过研究该公式在特定输入周围的行为，可以潜在地确定曲线有多少个独立的起始点。例如如果该公式在该特定输入处不输出零，则预测曲线仅有有限数量的有理点；而如果它确实输出零，那么该公式围绕零点的方式可能揭示曲线需要多少个独立起始点。

换句话说与其试图寻找无限数量的解，你可以只研究这个单一数学函数的行为来了解这些解。因此这成为了著名的伯奇-斯维讷通-戴尔猜想（Bur Swinerton Dyer conjecture）。现在数学家们已在某些特殊情况下证明了这种关系，但一般情况下的证明在60年来一直悬而未决：即该模式是否在所有情况下都成立？

这里是OpenAI的发现：他们发表了一系列证明，声称这种关系在我们认为的更大范围的椭圆曲线上都成立。结合另一项与此类曲线相关的发现，他们声称已在某些相关方程族中几乎证明了所有曲线的完整预测。请记住这并不意味着OpenAI解决了整个伯奇-斯维讷通-戴尔猜想（Bur Swinerton dire conjecture）：仍有部分情况未被这些证明涵盖。但如果这些新结果经独立验证成立，这可能代表了对数学界最著名的未解难题之一的又一重大突破。请记住这是其中之一

千禧年大奖难题。好吧，那太复杂了。希望你在试图理解这一切时没有头疼，而且我们只涵盖了他们发表的700多份手稿中的大约四成。这是需要处理的大量信息。我认为目前的瓶颈已经翻转，我们不再受限于算力或人工智能的智力，而是受制于人类实际处理这些由AI发现的信息的能力。

我的意思是，即使只是阅读其中少数几项发现都让人应接不暇，更不用说试图理解全部700份了。无论如何，如果你感兴趣，我会链接到包含所有这些手稿完整集合的GitHub仓库。此外，本周谷歌发布了一个名为Embedding Gemma 2的开源AI模型。

现在，这个模型与你熟悉的GPT、Claude或Gemini等大型语言模型略有不同，因为它不是为了生成文本或图像。相反，它的工作是理解信息并使其可搜索。因此，你可以向其输入大量不同的内容，如照片、视频、录音和文档。

它基本上会将所有这些转换为称为嵌入的数值表示。这基本上是将文本、图像、音频和视频等不同类型的文件转换到同一维空间中，以便另一个模型可以轻松搜索所有这些信息。

特别令人印象深刻的是该模型的体积非常小。因此，仅用于文本时，你甚至可以使用只有2.7亿参数的版本运行它。你还可以额外增加1.7亿参数用于视觉，以及3亿参数用于音频。但总的来说，该模型的规模不到10亿参数，使其非常小巧。

由于体积原因，即使在像Google Pixel这样的智能手机上也能相当高效地运行。现在，它的上下文窗口相对较小。这基本上是你能够输入的信息量。因此，它可以处理长达5.5分钟的音频、29张图像或59个视频帧。

现在，如果你将此与其他相似规模的嵌入模型进行比较，你可以看到这个新的Embedding Gemma的性能和效率如何。你可以看到它在图像嵌入方面表现最高。这里是音频嵌入的基准测试。

再次强调，这不是一个常规的语言模型，但你可以将其用于AI驱动搜索引擎、个人助手或其他需要理解大量不同文件的应用程序。在该页面底部，他们已经在Hugging Face上发布了该模型。

因此，如果你点击这个链接，其中包含如何开始使用的所有说明。由于这只有几亿参数，它非常小，大小仅为1.5 GB。而且很好的是，这是在Apache 2许可下发布的，限制非常少。

如果你有兴趣进一步阅读，我将在下面的描述中链接到主页。此外，本周可能最著名的欧洲AI实验室Mistral终于发布了他们最新的模型Mistral Large 4，也称为Lonk。这是一个相当庞大且臃肿的模型。

因此，这里说Mistral Large 4是一个拥有1万亿参数的模型。这是一个混合专家模型（MoE）。因此，当你使用它时，只有520亿参数处于激活状态。现在目前这甚至还没有开源。他们说权重将在本月底发布。

虽然这是他们最好的模型，但我会说其性能仍不及领先的开源模型如Kimik 3或GLM 5.3。例如，如果你查看Artificial Analysis的这个智能指数，Mistral Large排在很后面，表现甚至比效率高得多的DeepSeek Flash还要差。

它还落后于GLM 5.3 Flash以及其他领先的开源模型。因此，在智能方面并不特别令人印象深刻。在成本方面也并非那么出色。所以这比其他性能优于它的开源模型更昂贵，比如DeepSeek 4.1 Flash以及MIMO 2.6 Pro后者简直便宜得不可思议。

因此，如果你看智能与成本的关系，理想情况下你希望处于左上角的位置。但不幸的是，Mistral Large 4位于右下角。因此，仅就其性能和价格而言，它与我们已经拥有的其他领先模型相比确实缺乏竞争力。

但如果你仍然有兴趣通过他们的API尝试，我将在下面的描述中链接到该页面。此外，本周Meta发布了一个名为Genia的东西。这可以将普通照片或视频转化为完整的3D对象。

现在，其工作原理相当有趣。他们使用了一个名为SAM 3D的现有模型，但增加了一个持续检查生成的3D对象与原始图像匹配程度的过程。在比较差异后，它会调整外观和位置以更好地匹配实际捕捉到的内容。

现在在该页面顶部，他们已经发布了此代码。因此，如果你向下滚动该页面，其中包含如何在本地计算机上下载和运行它的所有说明。请注意这是在知识共享署名-非商业性使用许可下发布的。

如果你有兴趣进一步阅读，我将在下面的描述中链接到主页。此外，本周我们还有另一个由AI带来的非常酷的科学发现。因此Val's AI使用了一组Claude Opus 5.5智能体发现了两种有前景的材料，这些材料有可能导致更快、更小的计算机内存。

现在要理解为什么这很重要，让我们首先看看磁存储器是如何工作的。因此，计算机使用零和一存储信息。一种方法就是利用微小的磁铁。如果磁铁指向一个方向，这可能代表零。而如果它指向另一个方向，则可能代表一。

因此通过改变这些微小磁铁的方向我们可以存储信息。但存在一个问题。普通磁体会在其周围产生磁场。因此当你将数百万或数十亿个微小磁铁紧密排列在一起时它们的磁场会相互干扰。

这使得很难将大量磁体挤在一起并进一步缩小这些磁性存储设备。因此理想情况下我们想要一种能够像磁铁一样存储信息但不会产生干扰附近事物的磁场的材料。这就是反铁磁体发挥作用的地方。

在反铁磁体中你可以将磁铁中的原子想象成指向相反的方向。因此一个指向上方而下一个指向下方。所以它们的磁场在一定程度上相互抵消。这非常有用因为现在你可以潜在地将这些磁铁打包得更紧密以进行计算而不必担心磁场干扰。

干扰。这些材料还可以让信息切换得更快。现在你可能会问，我们究竟如何读取存储在这些磁体中的信息？请记住，计算机需要区分零和一。一种方法是通过测量电流在存储设备中的流动情况来实现。具体来说，在这些磁体内部，电子会根据不同的自旋表现出不同的行为。因此，我们可以利用这些差异来产生电信号，从而告诉我们存储器处于零还是状态一。问题在于，普通的反铁磁体通常无法区分不同的电子自旋。所以是的，它们的磁性效应相互抵消了，但这同时也使得使用传统技术读取信息变得更加困难。

因此，我们想要的是两全其美。我们需要一种整体磁场几乎为零的材料，但同时还需要能够根据自旋来区分在这些磁体中流动的电子。重要的是要知道，这些不是普通的半导体。这些磁性半导体是不同的，而且它们很难在室温下运行，否则会让事情变得混乱。通常，我们需要将它们储存在极冷的环境中。因此，我们还需要设计使其能够在室温或更高温度下工作。基本上，研究人员要求人工智能寻找一些新的或现有的材料来满足这三个条件：它必须具有净零磁场；需要能够区分电子自旋；此外，还需要在室温或更高温度下良好运行。

因此，经过数百次量子力学模拟后，他们确定了两个有希望的候选者。第一个具有这种化学名称，这是人工智能提出的一个完全新的材料设计。根据模拟结果，它可能具备这些理想特性。正如你可以从这张图表中看到的那样，它甚至可以在室温下工作。但有一个问题：要实际制造它，原子需要以非常特定的模式排列，这极难实现。但第二个发现更有趣。他们确定了另一个具有这种化学名称的候选者，我们早在1999年就制造过它。

现在，这种材料已经没有任何整体磁场，这很理想。此外，它在区分电子自旋方面也很出色。他们发现这种材料可以在远高于室温的温度下工作，甚至超过100摄氏度。经过模拟运行后，人工智能建议这就是研究人员一直在寻找的精确属性组合。现在，有一点需要指出的是，这些材料的特性仅通过计算机模拟预测得出。他们尚未在物理实验中确认任何内容。研究人员也尚未从这两种材料中的任何一种构建出工作的存储设备。因此，下一步是实际进行物理实验并尝试将其构建出来。

有趣的是，他们实际上发布了记录一切内容的GitHub仓库。所以如果你对技术细节感兴趣，可以阅读全部内容。如果未来的实验证实了人工智能的预测，那么这些材料可能有助于开发更快、更紧凑且更具能源效率的新型磁性存储器。所以，这是材料科学中一个相当酷的发现。如果你有兴趣进一步阅读，我会在下方的描述中链接到主页。此外，本周我们有一个相当有趣的AI叫做Flash Dex Retarget。它用于将人类手部演示转换为实际机器人手可以执行的动作。

现在，其工作原理相当有趣。他们并没有为每一次人类演示训练一个完全独立的系统，而是同时针对许多不同的动作训练单一的学习策略。人工智能还可以前瞻性地查看接下来几帧的动作画面，因此它能更好地预判手部和物体的去向。如果你查看将人类演示转换为机器人动作的这些基准测试，那么这种新方法平均优于以前的方法。很棒的一点是他们已经发布了相关代码。所以如果你点击这里的按钮，它包含所有关于如何下载和自行运行此程序的说明。

然而，至少在训练方面，这需要大约110 GB的GPU内存。另外请注意，目前代码仅适用于XHand和Sharp Wave USD机器人手。如果你有兴趣进一步阅读，我会在下方的描述中链接到主页。此外，本周我们有一个新的开源图像模型叫做Iris 3B。这是一个三十亿参数的模型。真正酷的是它不使用VAE（变分自编码器）。换句话说，它在像素空间中完全工作，这是你我都能看到的，理论上应该能赋予它更高的准确性和质量。这里有很多不同的例子供你参考。

它可以生成照片级真实的图像以及各种艺术风格。它在生成长文本方面也没有问题。现在，它既可以做文生图也可以做图生图，但不能像Nano Banana那样进行语义图像编辑。看着这些照片的质量，我会说它不如Crea 2或Quen 2.1等领先的开源模型好。但这是另一个不错的轻量级替代品。真正酷的是你可以针对特定用例进一步微调此模型。例如，你可以微调这个模型来检测照片的深度，就像这样。

或者这里是另一个例子：除了深度之外，你还可以训练它成为超分辨率工具（upscale）。所以这是结果。或者这里是另一个例子。很棒的一点是它是开源的。所以在顶部，如果你点击这里的代码按钮，它包含如何在本地计算机上下载和运行此程序的说明。他们还发布了包括数据在内的训练脚本。所以这是完全开源的，模型采用Apache 2许可证，非常宽松。

现在，三十亿参数相当小。因此基础模型只有12 GB大小，你应该能够将其放入大多数消费级GPU中。如果你有兴趣进一步阅读，我会在下方的描述中链接到主页。此外，本周我们有一个非常酷的AI系统叫做Terra。正如你可以从这个演示中看到的那样，它基本上教授模拟人体使用真实的骨骼和肌肉在具有挑战性的地形上移动。现在，大多数虚拟角色和机器人是通过直接移动关节来控制，但这并不是实际人体运作的方式，对吧？在现实生活中，我们的肌肉收缩并拉动。

通过骨骼来产生动作，这就是这个项目试图复制的内容。它们能否模拟人类肌肉和骨骼的实际收缩与运动，并教会其执行复杂的动作，例如在不平的地面上移动或走上楼梯？在对超过9小时的动作数据以及涵盖不同地形的18种演示动作进行训练后，这个通用的肌肉模型现在能够正确地让模拟的人类身体在这些困难表面（如斜坡和台阶）上移动。不仅如此，你还可以通过使用一些专门微调的策略来进一步扩展其功能，使其完成跳跃和翻滚等更疯狂的动作。

目前他们已开源了该项目的GitHub仓库，点击链接并向下滚动即可看到所有关于如何在本地计算机上下载和运行的说明。请注意，该项目采用Apache 2许可证，限制非常少。如果你有兴趣进一步了解，我会在下方描述中链接到主页。此外，本周我们还介绍了一款名为Code Dim Recon的AI工具。它能将真实环境的普通照片转换为可编辑且已准备好进行物理模拟的3D场景，并包含物体的物理属性。

因此它可以制造出能够弯曲、拉伸或被挤压的物体。其工作原理是，AI首先重建场景的整体几何结构，然后以不同方式处理不同的可变形物体。像电缆这样薄的东西会变成灵活的3D曲线；像纸张或塑料袋这样的物体会变成灵活的表面，而像垫子这样厚的物体通常会变成可变形的3D实体。你可以随后运行机器人交互测试，以验证这些物体的行为是否正确，并在出现问题时进行修正。

迄今为止，这是唯一一款包含所有这些功能的3D重建工具。现在页面顶部显示代码即将发布，敬请期待。目前如果你有兴趣了解更多，我会在下方描述中链接到主页。此外本周我们还介绍了另一款名为Dist Scene的AI，它能将环境的单张图片转换为包含周围环境及其内部各个物体的完整3D场景。其工作原理如下：

它不仅仅是生成一堆孤立的3D物体然后尝试将它们放置在一起，而是将环境和所有物体在一个共享的3D坐标系中生成。随后它会提取每个物体，单独优化其几何结构，再将其放回场景中的正确位置。现在从几何一致性、质量等基准测试来看，你可以看到这种新的Dist Scene方法在各方面表现最佳。

页面顶部表示他们将发布该模型和数据集，敬请期待。目前如果你有兴趣，我会在下方描述中链接到主页。此外本周Google悄然发布了Nano Banana 2.1。这只是一个0.1的升级，所以相比前一版本并没有巨大的提升。这里有一些示例供你参考。他们声称这是升级版设计，旨在更准确地生成和编辑图像，特别是在处理复杂指令、多个角色以及图片中的文字时。

因此它在创建信息图或图表，或使用自然语言微调某些内容方面表现出色。据说Nano Banana 2.1支持多达14张参考图片，还改进了图像真实感和文字渲染能力，并支持最高4K分辨率。经过初步测试后，我认为其质量并不出色，仍明显落后于目前最好的图像模型GPT Image 2.5。但好处是你可以在Google的Flow平台上免费试用，我会在描述中链接该平台。

注册账号后，你可以使用最新的Nano Banana 2.1生成图像，他们的免费额度相当慷慨。你每天可以获得几十次免费的生成次数。如果你有兴趣，我会在描述中链接到发布页面。此外本周Anthropic发布了其最新模型Claude Haiku 5.5。Haiku是最小且最快的变体，而另一端是最大最智能的Opus。以下是它在知识工作、代理编程、计算机使用等各种基准测试上的表现。

可以看出，与前一版本的Haiku相比这是巨大的进步。在大多数这些基准测试中它甚至击败了GPT6 Luna，后者相当于OpenAI的Haiku版本。以下是Sonnet 5.5的性能供参考。总体而言，Haku是一个较弱的模型，但它速度快得多且成本低很多。以下是各种基准测试供参考。你可以看到Haiku 5.5（粉色）通常比Sonnet 5.5便宜得多，仅略低一点智能。

然后这里有一个知识工作基准测试。如果你查看Artificial Analysis的这个智力指数，你可以看到Haiku 5.5稍微弱一些。因此它排名非常靠后，排在Kimik 3、Step 5和GLM 5.3之后。因此它并非旨在在智能方面处于前沿水平。然而，如果你查看其成本，这里就变得非常有吸引力了。根据Artificial Analysis的数据，它每任务仅需约21美分。

甚至比GLM 5.3和Deep Seek Flash更低，但仍不如GPT6 Luna便宜（后者便宜三倍）。现在如果查看智能与成本的关系，Haiku并非最经济的选择。小米的MIMO 2.6仍然是王者，而GPG6 Luna也非常出色。Claude Haiku 5.5的好处是它甚至在免费计划中可用，你可以选择Haiku 5.5以获得最快的响应。如果你有兴趣进一步了解，我会在描述中链接到主页。

以上就是本周AI的所有亮点。请在评论中告诉我你对这一切的看法，哪条新闻是你最喜欢的？你最期待尝试哪个工具？一如既往我会寻找顶级AI新闻和工具与你分享。如果你喜欢这个视频，记得点赞、分享、订阅并关注更多内容。此外每周AI世界发生的事太多了我无法在YouTube频道上涵盖所有内容。因此要真正跟上AI的最新动态，请务必订阅我的免费每周通讯，链接将在描述中提供。

感谢观看我们下期再见。