上海交通大学团队开发的ASAP方法通过"锚点引导"和"首词惊喜度"两阶段技术，成功解决了AI推理模型内容冗长问题。该方法在保持准确性的同时，将推理速度提升43.5%，生成内容减少23.5%，为AI推理优化开辟了新方向，代表了从追求模型规模向追求效率质量平衡的重要转变。

也许Peloton能否生存根本就不存在争议，真正的矛盾点在于高管团队和投资者们总指望着让Peloton带来天文数字的经济回报。

StepFun公司推出的Step1X-Edit是首个能够媲美GPT-4o和Gemini2 Flash等商业模型的开源图像编辑AI。该模型通过整合多模态语言理解和扩散图像生成技术，能够处理11种编辑任务，在新构建的GEdit-Bench基准测试中表现优异，为图像编辑技术的民主化开辟了新道路。

NousResearch团队发布的Hermes 4是一个突破性的混合推理AI模型，它首次实现了结构化多步推理与广泛指令执行能力的完美结合。该模型通过创新的"思考截止"训练技术和大规模开放数据集，在数学推理、编程、知识问答等任务上达到顶尖水平，同时展现出卓越的个性化适应能力，为AI技术的开放化发展树立了新标杆。

卓驭科技CEO沈劭劼分享智驾技术从百万行规则代码转向端到端的范式变革，接管率降低10倍，体现"为道日损"哲学。公司坚持软硬一体化设计，与阿里云深度合作，探索VLA和世界模型技术。

上海人工智能实验室联合多家机构推出OVO-Bench评测体系，首次系统评估视频AI的在线理解能力。研究发现当前最先进的模型如GPT-4o在实时视频理解任务中表现远不如人类，缺乏时间感知、实时记忆和主动响应能力。该研究为智能家居、在线教育、医疗监护等实际应用场景的AI升级指明方向。

哈尔滨工业大学团队开发的Optimus-3是首个在Minecraft环境中具备完整认知能力的AI系统，能够同时处理感知、规划、行动、定位和反思五大任务。该系统采用专家混合架构和任务级路由机制，有效解决了多任务学习中的干扰问题，并通过多模态推理增强强化学习显著提升了视觉相关任务的表现。实验结果显示，Optimus-3在各项任务上均超越了现有最先进系统，为通用人工智能的发展提供了重要技术路径。

复旦大学联合上海人工智能实验室发布的UnifiedReward是全球首个统一多模态奖励模型，能够同时评价图片和视频的生成与理解任务。该模型通过跨任务协同学习，在各项评测中都显著超越了专门的单任务模型，在图片理解任务上准确率提升近20个百分点。这项技术为AI评价体系带来革命性突破，将大大降低AI系统开发成本，提升各种视觉AI产品的整体质量。

一个基因传承和创新的企业故事。

清华大学研究团队开发的ASearcher系统通过全异步强化学习突破了AI搜索智能体的轮次限制，实现了超过40轮工具调用和15万字符生成的长视野搜索能力。该系统不仅设计了智能数据合成方法生成高质量训练样本，还在多个标准测试中显著超越现有开源方案，为AI搜索智能的发展提供了重要技术突破和开源贡献。

西湖大学团队开发出VLA-Adapter机器人控制系统，仅用0.5B参数就超越了7B参数的传统系统。该系统通过Bridge Attention机制实现视觉-语言-动作的高效转换，训练成本降低38倍，推理速度快3倍，在LIBERO测试中达到97.3%成功率。创新点在于设计专门的信息桥接机制而非单纯扩大模型规模，为机器人控制技术普及提供了新路径。

中科院联合字节跳动开发全新AI评测基准TreeBench，揭示当前最先进模型在复杂视觉推理上的重大缺陷。即使OpenAI o3也仅获得54.87%分数。研究团队同时提出TreeVGR训练方法，通过要求AI同时给出答案和精确定位，实现真正可追溯的视觉推理，为构建更透明可信的AI系统开辟新路径。

加拿大女王大学研究团队首次系统评估了大型视频语言模型的因果推理能力，发现即使最先进的AI在理解视频中事件因果关系方面表现极差，大多数模型准确率甚至低于随机猜测。研究创建了全球首个视频因果推理基准VCRBench，并提出了识别-推理分解法（RRD），通过任务分解显著提升了AI性能，最高改善幅度达25.2%。

港中文团队开发的T2I-R1系统首次让AI学会"思考式"图像生成，通过语义规划和细节优化的双层推理机制，在复杂图像生成任务上比基础模型提升13-19%，甚至超越了业界最强的FLUX.1模型，为AI创意产业应用开辟新路径。

欲戴王冠，必承其重。

欲戴王冠，必承其重。

香港中文大学等机构联合研发的ToonComposer系统实现了动画制作的重大突破，仅需一张彩色图片和几张线稿草图即可自动生成完整卡通动画。该系统通过稀疏草图注入机制和空间低秩适配器技术，将传统的中间帧绘制和上色工作整合为统一的"后关键帧制作"阶段，大幅提升制作效率。实验显示其在视觉质量和动作连贯性等指标上显著超越现有方法，为动画产业的智能化发展开辟新路径。

小米研究院推出的BTL-UI是一个革命性的GUI智能代理框架，通过模拟人类"眨眼-思考-执行"的认知过程，让AI能够像人类一样自然地操作各种应用界面。该技术在多个基准测试中实现了显著性能提升，为未来的人机交互和自动化应用奠定了重要基础。

复旦大学等机构联合提出ASVR方法，通过自回归语义视觉重构解决大型视觉语言模型过度依赖文字监督的问题。该方法让AI同时学习视觉和文本信息，在14个多模态理解基准上平均提升5个百分点。研究发现语义重构比像素重构更有效，且方法在不同架构、数据规模和分辨率下均表现稳健，为AI视觉理解能力提供了新的技术路径。

谷歌DeepMind发布AlphaEvolve：会自己编程进化的AI智能体，破解56年未解数学难题