搜索
Ropedia发布面向Physical AI的真实环境与行为数据集Xperience 2，将1,589个场景与4,230段任务录像对齐，支持仿真、动作重定向、虚拟遥操作和长程轨迹生成，旨在建立下一代具身数据“金标准”。
斯坦福研究团队让GPT-6 Astra直接修改π₀.₅机器人策略的65行词嵌入，将765条留出指令的整体成功率从86.3%提升至92.0%，但仍有4个回合退化且结果仅限仿真。
长程智能体（long-horizon agents）正从「修一个 bug」走向连续数小时的终端与编程工作，但它的强化学习训练也格外昂贵：前沿实验室可以在数千张 GPU 上扩展 RL，而对多数团队来说，一条训练样本往往就是一次长达 3 小时、上百轮工具调用的完整尝试，任何一个环节出错，浪费的都是成小时的 GPU 时间。
继 Apex-35B-V1.0 凭借领先 Flint 的表现引发关注之后，开源 RSI 模型又迎来一份亮眼成绩单：REMORY 仅凭一个 1.9B 的记忆模块，用两张 H800 实现完全自监督训练，在多项关键评测中领跑；驱动小模型持续数日递归改进，产出接近 GPT-6.1-Terra。
小时候想拥有一台 Game Boy，长大后想自己做一款 Game Boy 游戏，没想到 OpenAI 准备同时实现你这两个愿望。
这是一台看起来像电子宠物的紫色设备，有屏幕、有实体按键，旁边还挂着一颗小草莓。用户可以拿起它，直接用语音和 Codex 对话。
AI 能逼真地 “搭出” 一个世界，就能准确预测它如何运转吗？GPT-6 Astra 展现出的场景建模能力令人印象深刻。但几何与外观的逼真还原，并不意味着对物理规律的准确把握。避免物体穿模、借助语义先验估计物理属性，与准确推演物体运动之间，仍有距离。后者还需要进一步识别质量、摩擦系数和阻尼等难以仅凭外观确定的属性与参数。
上世纪 40 年代，计算机还是占据一整个房间的庞然大物。它们体积庞大、造价高昂，只有少数科研机构和大型组织能够使用。那时，计算是一种昂贵而稀缺的资源。
部分ChatGPT和Codex用户疑似被灰度到OpenAI尚未正式发布的GPT-6.2 Sol，实测显示其可完成复杂推理、编程及3D场景生成，并在一次对比中以约20分钟、9美元的表现优于Opus 5.5的1小时、20美元。
AI 圈等了一整天，OpenAI 期待已久的新模型还是没有出现。