26年7月6日，全球AI资讯约15条：AI找出4种全新超导体 只用28个GPU时、英伟达双塔 AI 模型开源发布 文本生成速度提升 2.42 倍等

阿里达摩院联合高校推出AI智能体“ElementsClaw”（元素虾），首次实现超导材料的全流程自主发现。仅用28个GPU小时，它就在240万种已知稳定晶体中高效筛选，预测出6.8万种潜在超导体——远超人类百年积累的2000多种。更关键的是，实验验证成功发现了4种人类此前完全未知的全新超导体。

这些材料分别来自“漏网之鱼”“沉冤得雪”“无中生有”和“举一反三”四种AI独创路径，展现了超越传统试错法的智能推理能力。其核心是一个10亿参数的几何深度图神经网络，搭配大语言模型协同决策，能查文献、判稳定性、估合成难度，真正像科学家一样思考。虽距室温超导尚远，但AI已将超导发现效率提升约40倍，标志着材料科学正式迈入“人机共生”新阶段。

https://www.qbitai.com/2026/07/442452.html

中国团队百曜科技近日发布全球首个“AI虚拟细胞世界模型”——AURA CellOS，标志着AI正式从语言理解迈向生命建模。它不是普通大模型，而是融合LLM与JEPA的“细胞级世界模型”，用3.9亿个人类单细胞数据训练，参数达120亿，覆盖40余种组织、260多种细胞类型。

关键突破在于：它不再只“记住”基因表达（如传统模型），而是学会“理解”细胞如何响应扰动——比如敲除某个基因或加入药物后，细胞会怎样动态变化。测试显示，其预测精度（Pearson_edist达0.619）比最强开源模型高66%，且是唯一突破0.6的模型。背后有三大创新：“双视角”看细胞（既看基因活跃度，也看群体特异性）、JEPA驱动内在机制学习、无损扩容避免“学了新知识忘了旧知识”。

https://www.qbitai.com/2026/07/442746.html

Fable 5“回归”后遭遇口碑崩塌：表面是升级，实则体验大倒退。上线24小时内，用户集体吐槽——跑分断崖式下跌：Debugging能力从86.2暴跌至25.9（跌超60%），Refactoring近腰斩，幻觉率也明显上升。更关键的是，测评发现75%的任务被系统中途拦截并自动降级至旧模型Opus 4.8，连“raspberry有几个r”这种基础问题都随机拦截，有人被拦、有人顺利回答，安全策略形同抽签。

账单显示：一次321美元的编程会话中，Fable 5仅承担约24%工作量，其余全由Opus 4.8“代劳”，用户花高价却未获得对应服务。开发者还意外曝光模型内部“碎碎念”，暴露其底层逻辑混乱与过度防御。简言之：Fable 5没变弱，而是被层层护栏“锁死”——不是不能干，是不敢干。

https://www.qbitai.com/2026/07/442567.html

Anthropic近期启动了史上最严格的访问管控——2026年7月3日起全面封禁所有绕过地域限制的“地下通道”。核心措施包括：禁止向受限制地区（如中国大陆）的公司及其实体提供服务；甚至通过检测用户电脑时区、系统语言、IP、支付方式等数十项信号，精准识别实际物理位置。

据外媒报道，已有大量账号被无预警封禁，且不退款、申诉成功率极低。此前被广泛使用的四类“绕行”方式全部失效：①员工个人海外账号+公司报销；②境外子公司采购后内网共享；③借道微软Azure等云平台API中转；④第三方API代理/中转站。值得注意的是，这些操作多不违法，仅违反Anthropic《服务条款》。作为回应，阿里已于7月10日前全面禁用Claude全系产品。

https://www.163.com/dy/article/L0VVPM0T0511ABV6.html

当前多模态大模型的“盲区”：它们能看懂照片（RGB），却看不懂真实世界——夜里没光时的热成像、被沙发遮挡时的毫米波雷达、保护隐私不用摄像头的IMU数据……统统“失明”。港中文联合美四校推出首个七模态同步数据集CUHK-X（含64,267个样本），首次系统量化了模型在识别（HAR）、理解（HAU）、推理（HARn）三阶能力上的断崖式下滑。

结果扎心：哪怕堆到235B参数的大模型，在深度上下文分析任务中准确率反从0.422暴跌至0.286；热成像识别率达92.6%，而毫米波和IMU仅约46%——弱模态虽“不准”，却是暗光、遮挡、隐私场景的刚需。更关键的是，没有一个模型通吃所有模态与任务，HAU平均准确率仅40.76%。这说明：光靠“更大参数”走不通。

https://www.163.com/dy/article/L0V20OUK0511ABV6.html

机器人“炒蛋”走红网络后，研发公司Genesis AI正式开源了其核心仿真平台——Genesis World 1.0，为机器人与具身AI开发者提供了一站式“虚拟训练场”。该平台包含三大自研组件：高保真物理仿真引擎、跨平台GPU编译器Quadrants和写实级渲染器Nyx，全部底层代码自主开发，稳定性强、集成度高。

过去，机器人模型测试需反复在真实环境中调试，单次评估耗时超200小时；而Genesis World 1.0可将同等任务压缩至仅0.5小时，效率提升400倍。更关键的是，其仿真结果与真实硬件表现的相关性高达89%，极大提升了虚拟验证的可信度。目前，该平台已定位为机器人基础模型的“评测与迭代引擎”。

https://view.inews.qq.com/k/20260528A08JZB00

在AI视频生成领域，最新权威榜单“Video Arena”引发广泛关注。谷歌DeepMind推出的文本生成视频模型Omni Flash以1404 Elo分登顶榜首，力压此前领先的字节跳动Seedance系列（差距达101 Elo），整体排名较上一代Veo模型跃升7位。该榜单基于数万用户真实盲测投票，综合评估生成质量、逻辑连贯性和使用体验，公信力强。

数据显示，当前AI视频模型正加速迭代——算力提升与架构优化双轮驱动下，生成效果的“天花板”持续突破。Omni Flash的领先，不仅体现谷歌在多模态大模型上的深厚积累，也折射出行业竞争白热化：头部厂商座次频繁更迭。这种良性竞逐正快速推动技术落地，为短视频创作、广告制作、教育内容生成等场景提供更高质、更可控的AI工具。

https://www.aibase.com/news/29372

NVIDIA于7月2日发布开源大模型Nemotron-Labs-TwoTower，专为解决传统大模型“逐词生成慢”痛点而设计。该模型采用创新的双塔架构（共600亿参数），将计算拆分为两个300亿参数的独立网络：固定不变的“上下文塔”负责理解语义，可训练的“去噪塔”则用扩散机制并行生成文本——不再像传统模型那样一个字一个字“写”，而是多位置同步输出。

实测显示：生成吞吐量提升2.42倍，整体能力保持原模型98.7%水平，仅在代码和数学任务上略有下降（约1–2个百分点）。模型权重已开源至Hugging Face，支持商用；部署需2张H100或A100 80GB GPU协同运行。在常识、阅读、编程等多任务评测中表现稳健，兼顾速度与质量，为高效率AI推理提供了新路径。

https://www.163.com/dy/article/L0TRJTOO0511B8LM.html

TabFM是谷歌DeepMind推出的首个开源零样本表格基础模型，专为破解“每张表都要单独建模、依赖大量标注数据”的传统难题而生。它在海量公开表格上预训练，无需微调、不需特征工程，上传CSV或Excel后即可直接完成分类（准确率超82%）、回归（R²达0.78）、缺失值填充（准确率87%+）、异常检测（召回率90%）等任务。

模型独创“列感知注意力”机制，能自动识别数值、类别、文本等列类型，并支持多表关联推理。普通用户只需选任务、标目标列，几分钟内就能获得带置信度的结果。优势在于门槛低、速度快、隐私强；局限在于对极不规范表头或亿级超大表需优化。目前已在金融风控、电商等场景落地，标志着结构化数据AI迈入“开箱即用”新阶段。

https://aiguide.cc/24764/

OpenMontage 是一款爆火的开源视频制作系统，上线几天狂揽15.4k GitHub Stars，一度登顶热榜Top 1。它不是新模型，而是一个“AI视频流水线”——把传统剪辑中扒素材、写脚本、配音、加字幕、剪辑、渲染等十几道工序，整合成全自动生产链。

核心亮点有三：一是全链路覆盖，内置52个工具模块、12条标准流水线、400+可组合技能；二是真·多源协同，能调用Kling、Veo等前沿模型，还能直连Pexels、NASA等开放素材库；三是极低成本，单条视频生成仅约0.69美元（≈4.8元人民币）。更酷的是，它不替代剪辑师，而是让Claude、Cursor等AI编程助手“组团上岗”，当导演、编剧、配音师、剪辑师……一人成军。部署简单：克隆代码、配好API、一行命令启动。

https://aitntnews.com/newDetail.html?newId=26862

LinStereo 是一种面向真实复杂场景的新型立体匹配方法，直击当前主流技术的“前后端失衡”痛点：前端已用上视觉基座模型（ViT-B），能提取丰富语义与多尺度特征；后端却仍依赖ConvGRU这类局部迭代模块，导致在遮挡、弱纹理或水下等退化场景中性能骤降。

为此，作者提出三大创新：① PALA模块——用位置感知线性注意力替代ConvGRU，实现全局上下文聚合，计算开销仅3.50ms/轮；② HSCV多尺度代价体，提升细粒度匹配能力；③ DPI单目深度初始化，借助SIFT几何配准将Depth Anything V3输出转化为可靠初始视差。

实验表明：仅用Scene Flow合成数据训练，LinStereo在Middlebury遮挡区EPE降低37%（1.33 vs 2.11），水下零样本泛化领先显著。

https://aitntnews.com/newDetail.html?newId=26848

光象科技近日完成累计数亿元天使轮融资，由珠海科技产业集团、兴证资本、松禾资本等十余家头部投资机构联合支持。公司聚焦“物理原生智能”，走出一条区别于主流VLA（视觉语言动作）和视频预测世界模型的差异化技术路径——不靠语义映射或像素预测，而是让AI在真实物理交互中自主学习动力学、接触、摩擦、形变等规律。

其自研的物理原生基座模型，依托高保真物理数据集Phi-Space、强化学习算法矩阵Phi-RL Matrix和开发平台Phi-Arch“三位一体”体系，实现从感知、决策到动作的全闭环泛化能力。已在汽车产线落地验证：自进化机器人Phi-Bot X1连续21.5小时零失误完成焊接上下料，动态定位精度达毫米级、角度误差≤0.3°，部署周期缩短至“周级”。

https://www.qbitai.com/2026/07/442958.html

高盛衍生品专家布莱恩·加勒特指出，当前美股市场正经历一轮“科技股再平衡”：投资者普遍低配以苹果、微软等为代表的“七大科技巨头”，转而增持半导体等直接受益于AI扩张的板块。今年以来，“七巨头”整体跑输大盘，叠加其巨额AI投入尚未兑现为利润，机构纷纷减仓避险。

期权市场数据印证这一谨慎情绪——纳斯达克ETF（QQQ）的下行对冲成本，已显著高于小盘股，显示资金更愿为科技龙头“买保险”。高盛强调，唯有超大规模数据中心业务展现出强劲盈利增长，市场才可能重拾对龙头科技股的信心；否则低配趋势将持续。值得注意的是，AI热潮仍在驱动交易活跃度：高盛去年靠AI相关波动与衍生品交易斩获170亿美元利润，今年业绩有望再创新高。

https://www.aibase.com/news/29377

欢迎大家关注、分享、转发本公众号，也欢迎直接与小编联系 对接合作～