如果有一天，你把电脑彻底关机下班，你的 AI 却还在云端自己打开浏览器，替你填好开店许可证、核对对手的合同条款写反击方案，甚至帮你催人事发录用信。这样的日子其实已经来了，但这还只是这一周 AI 圈疯狂进化的冰山一角。就在这短短几天里，整个科技圈经历了一场前所未有的攻防大洗牌：一边是 AI 深入互联网底层，把潜伏数年的高危系统漏洞连根拔起，引发全球网站紧急打补丁的大风暴；另一边，月之暗面甩出三万亿参数的 Kimi K3.1 Pro 杀进全球第一梯队，OpenAI 派出数千个智能体在三十二分钟里跑完了人类要干大半年的百万脑细胞分析，甚至连不识字、像婴儿一样纯靠耳朵听人说话长大的语音模型和一膝盖撞凹小轿车车门的重型机器人都同台亮相了。不管你是关心饭碗的打工人，还是喜欢尝鲜的技术玩家，这一周的二十多项重磅更新绝对值得你一口气看完。大家好，我是进化中的阿陈，咱们先从这周把整个互联网吓出一身冷汗的安全大风暴说起。
根据研究机构对全球 21 家主流科技大厂与开源组织的追踪图表，最近这一个月集中爆出的高危与严重漏洞数量拉出了一道极其罕见的陡峭峰值。为什么偏偏在这个时候扎堆爆发？因为安全研究员开始用最顶尖的大模型去深挖底层代码，把潜伏了好几年都没人发现的陈年暗伤成批揪了出来。与此同时，黑客也在拿 AI 寻找弱点、自动化发起攻击，一场拼手速的 AI 攻防军备竞赛已经全面打响。首当其冲的就是撑起全球大约 70% 网站的后端核心语言 PHP，安全团队联手 OpenAI 的安全模型揪出了两组危险评分高达 9.2 分的严重漏洞。其实其中一项的底层隐患早在 2024 年就有端倪，但直到 2026 年靠 AI 辅助研究才真正跑通了免登录远程执行代码的完整攻击路径。
攻击者连账号密码都不用输，发个特制请求就能直接接管服务器，主流的博客与建站系统全在射程之内。这波警报甚至惊动了英国议会，英国政府足足有 32 项公共服务被迫预防性断网下线，4 项部分停摆，赶紧关门打补丁。目前官方已经在 10 月 21 日紧急推出了 8.5.12 等四个分支的修复版本。紧接着，程序员每天都在用的代码托管平台 GitLab 更是直接亮出了极其罕见的 10.0 满分最高危警报。问题出在底层的正则表达式编译器存在整数溢出，特定条件下黑客不用登录就能在服务器上运行任意恶意代码。官方云端版目前已经修好，并在 10 月 21 日放出了 19.5.1 等紧急补丁，自建服务器的团队必须马上升级。同天 Node.js 官方也紧急更新了三个主力版本，堵上多项高危依赖漏洞。
如果说前面几个还是严肃的技术攻防，那印度数字信任巨头 eMudhra 爆出的大雷简直就是年度最离谱的草台班子笑话。这家公司干的是给网站颁发安全加密证书的买卖，也就是咱们浏览器地址栏左边那把代表安全的小锁。按理说它的加密私钥应该是一串几百位、拿超级计算机算到地老天荒都猜不出来的天文数字。结果独立安全研究员一查，发现它旗下 8 个中级证书机构的椭圆曲线私钥弱得像儿戏。其中一个私钥的数值，居然就只是一个孤零零的阿拉伯数字 4！你没听错，既不是以 4 开头、后面也没跟几百位随机数，就只是个单字“4”。另外几个也不过是 56、115 这种两三位数。
研究员在自己的普通笔记本电脑上，花了不到一秒钟就把这 8 把私钥全算出来了。还顺手用它们的私钥签了一句“我们这儿出事了”发给各大浏览器厂商，目前主流浏览器更新后都已经全面封杀了这批证书。但不会自动更新的老旧软件仍有隐患，眼看招牌彻底砸穿，这家公司随后在 10 月 22 日正式发公告宣布永久退出全球网站加密证书业务。这周遭殃的还有不少开发者平台，知名云托管平台 Railway 遭到入侵，部分用户的环境变量被访问，一小部分包含数据库密码和密钥的数据被解密暴露。
官方吓得赶紧把代码构建和部署通道全关了，结果闹出了一个让程序员抓狂的死循环：官方一边发通知催大伙儿赶紧改密码换密钥，一边却把部署功能给锁死了。大家改完密码根本没法重新部署上线，直到 22 日才恢复正常。此外，开源编程助手 OpenCode 遭遇大规模恶意套取数据的攻击，旧系统被突破，波及了 1.4% 的控制台用户密钥。而热门大模型网关 LiteLLM 更是遭遇供应链投毒，黑客从暴露的内部日志里摸走开发者的代码仓库令牌，偷偷往官方源里推了带木马的 1.107.0 恶意版本，专门偷密钥和下远控。好在团队在两到三个小时内紧急拔线封堵，企业私有版没受影响。
看完了惊心动魄的安全攻防，咱们把视线转回国内大模型圈。月之暗面这周甩出的 Kimi K3.1 Pro 绝对是替开源阵营狠狠争了一口气的大杀器。这是一颗高达三万亿参数级别的开源权重巨兽，一口气支持一百万词元的超长上下文。在公认极难的智能体终端基准测试 Terminal-Bench 4.0 单项上，它直接跑出了 65.7% 的高分。这不仅把 GPT-6 Astra 的 58.2% 甩在身后，也压过了 Claude Fable 5.1 的 57.9%，紧紧咬住 66.4% 的海外天花板 Opus 5.5。而在长程软件工程测试里，它更是以 51.7% 直接反超 Opus 5.5 拿下榜首。
光看跑分还不够过瘾，它在真实工业软件里的动手能力才叫惊艳：在虚幻引擎里，它能自己写出画面精良的三维动作游戏，连人物骨骼绑定和整套连招动画都一步到位；切到三维建模软件 Blender 给它下个指令，它就能为大型机场建出极其复杂的室内热带雨林穹顶、环形阶梯花园和穿梭列车；到了金融分析场景，它能直接在表格软件里读取英伟达的历史财报和研报，自动拉出互相联动的利润表、资产负债表、现金流量表，顺手把现金流折现估值和可视化图表全做完。
更香的是它的价格：在第三方权威综合智力指数的加权平均单任务成本测算里，Kimi K3.1 Pro 跑一个任务大约只要 2.11 美元。相比之下，GPT-6 Astra 要 3.26 美元，Claude Opus 5.5 要 5.98 美元，Fable 5.1 更是高达 7.63 美元。官方还同步上线了提速两到三倍的极速版本，目前官网、手机端、桌面端 Kimi Work 和接口都已经开放。官方更是明牌宣布，将在 11 月 4 日把这颗三万亿参数巨兽的完整权重正式开源。
国内另一家主力 MiniMax 这周也正式亮出了新一代轻量极速模型 MiniMax M3.1 Flash。前阵子在海外路由平台上神秘现身、匿名狂吞了超过两百万亿词元的“太空兔”模型，官方正式认领那就是 M3.1 Flash 的早期测试版。这次正式版在智能体协作、写代码、操控电脑和网络安全上全面跨代升级，在线推理速度比上一代快了将近三倍。单任务平均成本却直接暴砍了 70%，它的接口定价压到了每百万词元输入 0.15 美元、输出 0.60 美元，缓存输入甚至只要 0.015 美元。
在自动化基准测试的性价比散点图上，它以最高 62.8% 的得分和几美分的单次成本断崖领跑，软件工程跑分也逼近了最新的 DeepSeek 轻量版。目前接口、订阅计划和桌面编程端均已上线，模型权重和更强的专业版后续也将陆续放出。大模型除了拼参数和砍价格，困扰行业已久的“金鱼记忆”也有了新解法。MemTensor 团队这周开源了新一代原生记忆基础模型 MemT 1.0，以前大模型为了记住你说过的话，每次聊天都得把前面成千上万字的历史记录从头重读一遍，又贵又慢。
而 MemT 1.0 在模型内部直接塞进了支持动态写入和擦除的原生记忆状态。比如你先在聊天里告诉它“我家养了一只三个月大、最爱吃虾的小猫叫美美”，接着你开启一个全新对话，把刚才那段聊天文本从上下文里彻底删干净。只要保留模型内部的持续记忆状态，你再直接问它小猫叫什么、多大、爱吃啥，它根本不用翻旧账，张口就能全部答对。在多项持久记忆评测里它都大幅领先同类模型，目前按宽松开源协议放出了两个版本：基于千问底座的 Nano 版总参数 360 亿，每次只激活 30 亿，下载体积 70.3GB；基于 DeepSeek 底座的 Flash 版总参数 2880 亿，激活 170 亿，下载体积 576GB。
接下来看智能体和语音赛道，这周有两个彻底颠覆交互习惯的新物种。第一个是 Anthropic 在 10 月 21 日推出的主动式私人助理 Claude Duet。以前的 AI 全是“算盘珠子”，你不拨它不动，而由顶级模型 Opus 5.5 驱动的 Claude Duet 自己在云端配了一台专属虚拟电脑和浏览器，哪怕你合上电脑关机睡觉，它依然在后台替你干活。它可以打通邮箱、办公群、收银系统和财务软件等超过 6000 种日常工具。早上你还没进办公室，它先主动发来早报提醒你芝加哥新店还有 26 天开业；发现你还没办卫生许可证，已经主动把申请表填好递到你手边就等你点头确认付那 640 美元。
看到客户把续约合同改成了 60 天账期，它顺手就替你写好了反报价方案；顺嘴让它做个销售看板，它立刻去网店、门店收银机、工资单和银行账户拉齐数据，当场绘出带现金流和退订率的日报表；甚至面试官刚面完人，它已经汇总完所有人的笔记提醒你头号人选下午 6 点另一个录用通知就到期了，并自动从人事文件夹抓出薪资包替你写好了录用邮件。为了防止闯祸，凡是涉及真把邮件发出去、付钱、签字或删文件的关键动作，它都会在最后一步停下来等你亲自点确认。目前这项功能先向美国的 Pro 和 Max 付费用户开放排队预览。
第二个让人起鸡皮疙瘩的，是推特创始人旗下 Block 实验室带来的全双工语音模型 Dessa。现在的语音助手之所以聊起来还有股塑料味，是因为它们先把你的声音转成文字、算完再合成语音，声音里的情绪、叹气和言外之意全在转文字时丢光了。而这颗 Dessa 走了一条极其生猛的野路子：它从头到尾没读过一行文字，也没套任何现成的语言模型，就像人类刚出生的婴儿一样百分之百纯靠“听”海量的真人对话录音自己学会了说话。正因为纯靠耳朵学，它把人类说话时的口音、呼吸声、停顿、笑声甚至阴阳怪气的反讽和重音变化全都学到了骨子里。
在长达两分多钟的无剧本现场连麦录音里，它不仅能随时自然接话、哈哈大笑。最绝的是当测试者一边聊着“意识的终极秘密”一边稍微偏离了话筒，Dessa 居然像真人朋友一样自然地打断说了一句：“抱歉，你离麦克风有点远，能稍微凑近一点吗？这样我才能听清。”虽然语音字节量比文字大上千倍、极难训练，但团队宣称他们仅用单台英伟达 GB200 NVL72 机柜系统就训出了这颗模型，学语言所花的数据词量比传统文本模型少了上百倍。目前出于安全考量仅向 AI 安全研究人员开放早期测试。
如果想要现在就能免费抱回家用的语音神器，蚂蚁集团旗下团队这周开源的 Ming 3.0 TTS 绝对不容错过。它最大的绝活是内置了自然语言“导演模式”，你不用找参考音频，直接像导演给演员讲戏一样下指令。同样一句台词，你可以让它“带着克制的怒火质问、重读指责但最后一句压住别吼”，或者“用低沉带戏剧停顿的神秘奇幻旁白嗓音念出来”，又或者“像老电台一样温暖怀旧地讲故事”。它既支持拿参考音频克隆音色，还能在台词字缝里直接塞入笑声、叹气、咳嗽或者疑惑的“嗯”等副语言标签，把角色搬箱子累得叹气、半路笑出声的细节演得活灵活现。
它支持中英日韩等 7 种语言外加四川话和粤语两种方言，在权威语音竞技场上它的轻量版在开源权重模型里拿下了并列第一，比上周刚火的 Drama 3 预览版还要略高几分。发音准确率超过 93%，官方按极其宽松的开源协议放出了两个版本：约 3GB 大小的 0.5B 轻量版普通显卡就能跑；约 18GB 的混合专家版（总参数 7.9B，每次激活 1.3B）还支持生成多角色对谈播客。国内魔搭社区就能直接高速下载。
有了能说会道的嘴，还得有副好耳朵。Underdog 团队这周开源了体积小到不可思议的英文语音转写模型 Bark 3.0。它最小的标准版下载体积只有区区 163MB，比英伟达的同类模型小 15 倍，比 OpenAI 的 Whisper 大模型更是小了足足 57 倍。但小身材却有大能量，在七套权威英语测试集上它以 4.94% 的平均词错误率直接干翻了体积大几十倍的传统主流模型。更有意思的是它全家桶里的分工：除了 163MB 的标准版和 180MB 的增强版，他们专门做了一个 180MB 的净音版，内置口语清理功能。
能自动把你说话时夹杂的“嗯、啊、那个……我的意思是”以及口误重说全部剔除，直接把碎碎念变成干净利落的会议纪要。而全精度的专业版也只有 1.25GB，把开源英文转写的词错误率刷到了 4.29% 的新低。在苹果 M5 Max 电脑上，转写五分钟的音频只需要半秒钟，比实时播放快了 595 倍。全程在本地离线运行不传云端，而且开源协议允许署名商用。
看完了日常工具，咱们再来看看 AI 在生命科学和硬核科研里干出的几件大事。首先开源社区巨头 Hugging Face 的生物研究团队刚刚联手中关村学院和意大利科研机构放大招了，他们开源了一颗专懂基因密码的生物大模型 Carbon-X。普通大模型虽然读过不少生物论文，但真把一长串由四种碱基字母组成的原始基因序列扔给它往往两眼一抹黑。而这颗精确参数 14.8B 的 Carbon-X，是在千问 14B 底座上扩充了五千多个专属基因词元、喂了 3020 亿词元的原始基因序列与自然语言混合数据再加强化学习训出来的。
你给它一段基因序列，它能直接用大白话告诉你这段基因负责合成什么蛋白；你把第 73 号位点的碱基从 A 改成 G，它能预测这次突变会不会让蛋白质变形失效、有没有致病风险；它还能补全缺失的基因片段，往后预测接下来的 20 个碱基。甚至给别的通用大模型当基因翻译官，在五项权威基因评测里它平均拿下 66.7%，比原来的千问底座暴涨了 27 个百分点。不仅横扫所有开源对手，更是直接贴住了 67.5% 的顶尖闭源旗舰 GPT-6.1 Sol。到了编码变异预测单项上，它甚至一举反超了这颗闭源旗舰和 Opus 5.5。
最夸张的是成本：它处理单个问题的推理开销只有那颗闭源旗舰的一千八百分之一，模型权重不到 30GB。单张 80GB 显卡就能全精度跑起来，实验室再也不用担心把敏感基因数据传给外人。完全按宽松协议开源可商用。如果说单颗生物模型是特种兵，那 OpenAI 联手 PerturbAI 和斯克里普斯研究所搞出来的就是浩浩荡荡的科研集团军。科学家手里有一份极其庞大的小鼠全脑实验数据，记录了数百万个脑细胞在数千种基因被逐一干扰后的复杂反应。
这么海量的数据，以往人类科学家团队就算不眠不休去比对梳理也得花上好几个月甚至整整一年。这次研究团队直接用专门的生物模型驱动了数千个分布式 AI 智能体分头包干，每个智能体盯紧特定的基因扰动自己去翻科学文献、写分析报告最后汇总起来。整场分析居然只用了短短 32 分钟就全部跑完！他们还特意做了一个对照测试：如果保持算力不变只派 1 个单打独斗的智能体去挑大梁，面对最大规模的工作量时它直接被数据淹没到最后只勉强查阅引用了 11 篇论文。而分头协作的数千个智能体军团足足检索引用了超过 700 篇科学文献，给出的生物学解释连人类专家都一致叫好。
更重要的是这群智能体从既有数据里挖出了胆固醇调节与阿尔茨海默病、帕金森病之间潜在关联的生物机制线索，为科学家接下来走进真实实验室做验证指出了高价值的新方向。同样瞄准长程科学探索的还有开源社区推出的 35B 混合专家模型 Sage-A1.5。它基于千问架构和智能体底座打造，支持 256K 超长上下文。遇到复杂的跨学科难题它会先拆出一张多层级的任务依赖图，派多个子智能体并行检索推导。内置自检机制发现走不通还能自己改计划最后不仅写出长篇报告，还会亲手画出可编辑的矢量图表。
里面每一处结论都能点击编号直接溯源到原始文献。在官方展示的硬核案例里，面对前阵子轰动数学界的“OpenAI 宣称攻克千禧年大奖难题纳维-斯托克斯方程有限时间爆破引来 25 位菲尔兹奖得主联合发声”这桩复杂公案，它一口气引用了 391 处文献写出一份长达十万多字符、把强迫项与非强迫项数学边界理得明明白白的深度调查报告。它还能帮药企做药物分子的氢键改造计算、重新分析 201
个小鼠脑区的神经编码数据，甚至在74组历史化学实验记录里经过五轮迭代，把目标化学反应的产率优化到了89%。这颗模型完整版约72GB，最小的量化版只有22.6GB，代码和权重同样按宽松协议全面开源。在临床医疗赛道，蚂蚁集团团队还同步开源了一颗百亿级医疗健康专科大模型Ling-3.0-flash-Sante。它的名字来自法语里的“健康”，采用混合线性专家架构，总参数高达1240亿，但每次处理词元时只激活51亿参数，兼顾了渊博的医学知识库和极快的响应速度。
它支持256K长上下文，默认开启深度思考和工具调用，专门用来辅助临床医学问答、长篇医学文献综述和医疗多智能体工作流。在专业医疗基准和临床诊断多选题测试上，它的得分逼平甚至超越了不少体积庞大的通用旗舰模型。完整权重255GB，适合医院与科研机构在服务器上私有化部署，同样采用宽松协议免费开源。聊完严肃的科研医疗，咱们再来看看视觉、修图和视频生成领域这周有哪些好玩的新家伙。
首先是腾讯微信视觉团队开源的统一视觉感知大模型WeVisOne-VL。以前做图像分析，框物体、数人数、认文字、抠背景往往要装好几个不同的模型。微信团队在千问视觉底座上，巧妙地加了一个仅960万参数的轻量像素级解码器，用一个模型把这些活全包圆了。它的底层设计非常聪明，直接把空间坐标当成词表里的普通词元来预测，画一个检测框只花4个词元，打一个定位点只花2个词元。
要是图里根本没有你要找的东西，它绝不胡乱画框，直接干脆利落地返回空值。给它一张院子照片，不论是让它同时框出所有的狗、椅子和灌木丛，还是只精准揪出那只黑白相间的花狗，或者数清草地上有几只狗，全都手到擒来。放到街头照片上，它既能把满街招牌上的英文单词全部框出来，也能按你的指令精准找到写着“前方小巷”的那块路牌。
最绝的是像素级前景抠图，连人物迎风飘散的单根发丝边缘都抠得干干净净。在涵盖检测、计数、文字定位和抠图的各大权威榜单上，它全线大幅领先同类开源对手。提供4B（19.4GB）和2B两个版本，按宽松协议开源可商用。接着看图像编辑赛道，Bria团队这周放出了80亿参数的Fibo 2.0，首次把文生图和大白话修图塞进了同一个模型里。
最多支持同时喂进四张参考图，不过实测把玩下来，这颗模型的表现可以说是“一半海水，一半火焰”。先看翻车的名场面：给它四张参考图做融合换装，要求让图一的姑娘穿上图二繁复的雕花长裙，摆出图三的姿势，站在图四的风景里。衣服花纹和姿势背景全都完美还原，结果低头一看，居然把人家姑娘的双脚给漏掉了。
再拿一个造型复杂的奇幻角色考它，让它生成正面、侧面和背面的三视图。结果它不仅把大长腿画成了五短身材的小短腿，连手里的法杖在三个角度里都各画各的，完全对不上号。但在修补和调色上它又确实有两把刷子：给它一张布满折痕和裂纹的黑白破损老合影，它不仅把裂纹修得无影无踪，连每个人的五官神态都还原得自然逼真。
故意把一张照片调得漆黑过曝，白平衡彻底拉崩成一片诡异的死蓝色，它也能一键把正常光影和自然色彩救回来。在第三方开源图像编辑榜上，它以1088分排在第一，但其实只比第二名的阿里千问图像模型2.1版高了区区7分。而且量化后8.41GB的体积，比千问的7.26GB还略大一点。最劝退的是它的许可证严禁商业用途，下载前还得填表交出公司名、网址和社交账号查户口。
实用性上反而不如千问敞亮。如果你平时做设计经常被放大后发糊的像素图折磨，那Ideogram刚上线的Ideogram Vector绝对能救命。它抛开了放大就发糊的像素网格，直接输出由数学几何路径构成的SVG矢量图形。哪怕你把生成的插画直接放大到夸张的3110%，边缘线条依然像刀切一样锐利平滑，半点马赛克都没有。
你既能用大白话提示词直接生成商业咖啡品牌标志、字体排版和插画，还能单独点选里面的某个图层局部改色。比如指定只把插画里的青蛙轮廓改成绿色，更实用的是：你直接把一张光影层次极其复杂的猫咪复古海报照片传上去，它都能瞬间给你转换成保留了绝大部分丰富细节的可编辑矢量图层。目前已经在官方网页应用里直接开放使用。
而在视频生成加速上，加州大学圣迭戈分校旗下的FastVideo团队专门针对目前顶流的开源视频模型MiniMax H3动了刀子。他们正式放出了实时压缩加速版FastH3 Omni，它专门强化了多模态参考生成。你同时喂给它角色参考图、参考视频片段和一段声音，它就能生成角色长相全程不崩，还自带同步配音和音效的高清视频作品。
最猛的是它的提速幅度：团队直接把原版需要的50步扩散采样大幅压缩到了8步。在8张英伟达GB200组成的匹配工作负载测试下，端到端延迟直接降低了5.6到11.9倍。比如输入一张参考图生成视频，原版要苦等35秒多，它只要5.67秒；输入一段参考短视频更是从36秒压到了5秒出头。
当然咱们普通人家里肯定没有8张顶级算力卡，提速幅度不会有实验室那么夸张。但团队已经在社区开源了全套量化权重，不仅原生支持主流的节点工作流，有适配消费级显卡的量化版本，甚至还贴心地做了一个能在苹果电脑芯片上直接跑的版本。最后，咱们来看竞争最白热化的三维重建、世界模型和具身机器人赛道，这周足足炸出了六个狠角色。
第一个是号称首个面向工程领域的世界模型SKY-001。以前的世界模型大多在生成风景和游戏画面，而它干的是实打实的硬核工业机械。给它一张捷豹复古跑车或者喷气式航空发动机的图片，它能瞬间把整台机器逐层爆炸拆解成成百上千个独立的3D零部件。最实用的是，你随便放大点选其中一个零件，它就能自动在画布上一步步画出15到17张二维工程草图。
并同步执行拉伸、360度旋转和切削等十几个步骤，直接在CAD工业软件里把零件从零建出来。转头给它一个建筑外框，它又能按顺序一间间规划出带精确长宽尺寸和面积的室内户型平面图。来看看它的速度和成本有多离谱：在工程构建基准测试上，完成单个任务它平均只要3.9秒。而通用旗舰GPT-6 Astra要憋199秒，Gemini 4要253秒，千问要764秒。
马斯克的Grok 4.7更惨，直接交了白卷，一个案例都没跑通。而在单次成本上，它跑一个案例只要半美分（0.005美元），比花掉0.75美元的GPT便宜了整整一百五十倍。目前这款工程神器正在官网开放排队体验。第二个是腾讯混元团队开源的交互式世界模型Hy-Nomas，你可以一边用键盘移动镜头、自由切换第一人称或第三人称视角，一边随时输入文字指令改变环境或召唤新物体。
比如在月球基地发掘现场让月球车从尘土下挖出神秘的反光几何体，或者在水下看着蝠鲼滑过头顶、从云端蝴蝶群中张开双臂跳伞。它之所以能让你一直逛下去不穿帮，是因为它采用分段连续生成并内置了持久的世界记忆机制。实测连续探索超过一分钟，一分钟前后的同一个角色和地形建筑依然严丝合缝。分辨率达到720p每秒24帧，还能用来生成机械臂抓叠杯子的仿真环境来训练机器人。
目前代码连同拿本地视频做微调的训练脚本都已按宽松协议开源，基础版34.2GB。而精简后的INT8量化版只有9.06GB，家用显卡也能尝鲜。第三个是物理原生世界模型JST-2。为了彻底解决“镜头一转开，背后东西全变样”的通病，它直接在底层把三维空间里的物体编码成了带有精确三维坐标和力学属性的“持久物理粒子”。
所以在生成的绿草村落或雪景小镇里，哪怕你走远了再绕回来，所有的建筑和角色依然稳稳待在原地。左下角还有实时连贯的小地图。更妙的是，它生成的三维角色天生自带骨骼动画准备，不用单独绑骨骼就能直接跑跳。还能同步生成机器人视角去演练搬箱子，在角色生成盲测里，它对上两家主流三维工具分别拿下了近六成和近七成的胜率。
面部细节胜率更是高达82%。目前在网页端通过PINOC平台就能免费试玩。在三维资产生成与实景重建上，这周还有两份开源大礼：知名三维平台把原本闭源的看家本领Hi3D 1.0正式开源了。输入一张参考图，先用混元迷你版快速搭出粗模，再由它精修成高达一百万面、1024分辨率的超精细白模。
跟四款主流开源三维模型同台放大对比角色局部，别人糊成一团的盔甲鳞片和衣褶，它刻画得棱角分明。整套权重加起来只有7.74GB。而由北大深研院、港科大和鹏城实验室联合推出的PURE模型，则彻底摆脱了对昂贵三维扫描标注数据的依赖。直接拿网上随处可见、没有任何标签的普通实拍视频做无监督后训练，就能把一段骑摩托车的普通录像实时同步重建出场景的彩色三维点云、深度图和相机轨迹。
连训练脚本带13.2GB的权重全部开源。压轴登场的是宇树科技放出的最新人形机器人Unitree H2X，官方实拍演示画面明确标注了全程实拍无加速且现场车辆道具仅供参考。不同于在家里端茶倒水的保姆型机器人，这台H2X明确定位在重型安防与特种守卫场景。只见它在镜头前助跑冲刺，直接一记凶悍的飞膝把小轿车车门撞出一个大凹坑。
紧接着挥拳砸碎车窗，甚至还能蹲下身子从车头底部发力，硬生生把整辆轿车抬离地面。随后还演示了拦截入侵者的强悍爆发力，官方转述其站立耐力大约在8小时左右。回看这一整周AI早就跳出了陪人打字聊天的对话框，一头扎进了底层代码攻防、复杂工程建模和生命科学的最前线。
一边是国产开源主力拿着三万亿参数的巨兽，和海外顶尖旗舰贴身肉搏；另一边是各路专精模型把算力门槛和调用成本成百上千倍地往下砸。这周一口气冒出来的二十多件新家伙里，你最想先拿哪一个来试试手？欢迎在评论区聊聊你的看法。