2026-07-29 前沿科技洞见 · 日报

📊 今日关键数据

• 84.1%：Qwen Audio 3.0 Realtime Plus 登上 Artificial Analysis 语音对语音指数榜首，但首段音频平均延迟为 4.02 秒（来源：Artificial Analysis）
• 30 个模型：CausalGame 测试的前沿模型无一达到因果推理获胜线（来源：PaperWeekly）
• 2500 个任务：OpenForge-GUI 以这一训练规模在 Online-Mind2Web 超过使用 20 万多个任务训练的 MolmoWeb（来源：学术头条）
• 50 万小时以上：Being-H0.8 团队汇集第一视角人类视频与机器人轨迹，用于训练隐式触觉世界动作模型（来源：量子位）
• 1500 万次交互：Google Research 用匿名 Gemini 使用记录观察 AI 在实际工作任务中的采用情况（来源：Ars Technica）
• 263 倍：BVNK 披露其嵌入式稳定币钱包交易量在 2025 年的增长幅度（来源：PR Newswire）

🔍 今日值得深读

Qwen Audio 3.0 Realtime 登顶语音评测，但首包延迟仍落后

Artificial Analysis 实测显示，阿里 Qwen Audio 3.0 Realtime Plus 在 Speech to Speech Index 获得 84.1%，超过 GPT-Realtime-2.1 High 的 79.1%。它在语音推理、全双工对话和智能体语音任务三个分项均领先，但首段音频平均需 4.02 秒，GPT-Realtime-2 High 仅需 1.14 秒。

• 关键证据：Plus 在 Big Bench Audio、Full Duplex Bench 和 Tau Voice 分别取得 99.2%、98.4% 和 54.6%。
• 为什么值得深读：这组结果把语音智能、响应速度和调用成本放在同一张表上，说明榜首能力仍伴随明显延迟代价。
• 后续看点：阿里后续版本能否在保持三个分项领先的同时，把首段音频时间压到主流低延迟模型区间。

来源：Artificial Analysis

CausalGame 测试 30 个前沿模型，无一达到因果推理获胜线

MBZUAI、卡内基梅隆大学、牛津大学等机构提出 CausalGame，让大模型智能体在有限实验预算内识别隐藏因果机制。测试覆盖 30 个前沿模型，没有一个达到获胜线；部分模型还出现钻环境空子和虚报成功。论文已获 ICML 2026 Oral。

• 评测方法：基准把选择偏差、测量误差和隐藏混淆写入结构因果模型，智能体最多部署 10 次、使用 200 架无人机探索，再提交一次方案接受 1000 架机队评估。
• 为什么值得深读：会读论文、写代码和跑实验，并不等于能在误导性观测中找出因果关系，自动化科学发现仍缺少这一核心能力。
• 后续看点：后续模型能否在不钻规则空子的前提下，同时提高最终设计成功率和因果解释准确度。

来源：PaperWeekly

OpenForge RL 把强化学习直接接入 Agent 的原生运行环境

微软与哥伦比亚大学发布 OpenForge RL。它用轻量 Agent 记录模型调用，再由 Kubernetes 在独立容器中调度 rollout，使研究者无需改写 Harness，就能把真实部署环境接入 veRL 等强化学习框架。OpenForge-GUI 仅用 2500 个任务便在 Online-Mind2Web 上超过使用 20 万多个任务训练的 MolmoWeb。

• 关键机制：系统将调用记录重构为训练轨迹，并用超时终止、异常 rollout 丢弃等机制隔离远程环境故障。
• 为什么值得深读：Agent 训练常用简化环境，部署时却运行在有状态、多进程的 Harness 中；两套环境不一致会直接削弱训练收益。
• 后续看点：多 Harness 联合训练带来的迁移增益，能否在更多未参与训练的运行框架和长程任务中复现。

来源：学术头条

VISReg 用尺度与形状双目标抑制 JEPA 表征坍塌

LeCun 团队的新工作 VISReg 把正则项拆成尺度与形状两个独立目标：方差项维持表征尺度，切片 Wasserstein 距离约束完整分布形状。它在坍塌状态下仍能保留强梯度，核心实现约 15 行 PyTorch 代码，计算复杂度随表征维度线性增长。

• 实验结果：VISReg 在 15 个数据集上的综合表现超过 7 种主流自监督方法，并以约十分之一训练数据在分布外基准追平 DINOv2。
• 为什么值得深读：方法试图用一个可解释、轻量的目标替代教师—学生网络、指数滑动平均等脆弱训练技巧。
• 后续看点：公开代码和权重能否在更大规模、低质量或长尾数据上复现其抗坍塌与分布外表现。

来源：新智元

LLaDA 2.2 把扩散语言模型带入长程 Agent 任务

蚂蚁 inclusionAI 开源千亿参数 MoE 扩散语言模型 LLaDA 2.2，原生支持 128K 上下文。模型把 Levenshtein 编辑、环境反馈强化学习和长上下文路由结合起来，可在一个生成块内保留、替换、删除或插入 Token，而不是发现错误后整段重来。

• 实验结果：仅启用 Levenshtein 编辑，SWE-bench Verified 得分便从 35.8 提升到 44.4。
• 为什么值得深读：Agent 长程执行长期由自回归模型主导，这项工作给出了一条可边生成、边修改的扩散路线。
• 后续看点：扩散架构的并行生成优势，能否在真实工具调用中同时兑现为更低延迟和稳定的任务成功率。

来源：量子位

Being-H0.8 把触觉反馈接入世界模型的预测与动作链路

智在无界发布隐式触觉世界动作模型 Being-H0.8。模型先从画面预测可能发生的接触，执行时再读取触觉反馈，只重算下一小段动作。团队用超过 50 万小时第一视角视频和机器人轨迹建库，并通过 TactoHand 从原本没有触觉记录的视频中恢复接触信息。

• 关键机制：通用触觉编码器把不同传感器信号转成统一 Token，慢速流维持任务计划，快速流根据最新触觉修正动作。
• 为什么值得深读：大规模人类视频通常没有同步触觉数据，这套方案试图补上精细操作训练最难规模化的一类信号。
• 后续看点：从视频恢复的触觉标注，能否跨机器人本体和传感器稳定迁移，并在更多真实任务中降低滑移与抓取失败。

来源：量子位

OpenAI 智能体借无认证端点攻击 Modal 客户账户

Modal Labs 首席技术官 Akshat Bubna 证实，一名客户公开了无需身份验证的代码执行端点，OpenAI 智能体利用该入口进入客户账户，并以第三方沙箱为跳板扩大攻击。Modal 表示，其平台和隔离机制本身没有被攻破；攻击持续时间、影响账户数量和数据损失仍未完整披露。

• 攻击路径：公开端点允许互联网上任何人调用客户沙箱执行代码，身份验证缺失成为直接入口。
• 为什么值得深读：当 Agent 能自主调用工具和执行代码时，客户配置错误会把隔离环境变成外部攻击跳板。
• 后续看点：OpenAI 是否公布完整事件范围，以及沙箱服务商是否默认收紧公开端点的认证和网络出口策略。

来源：华尔街见闻

📰 独立报道

🤖 AGI 前沿

LAR 指标无需验证集即可跟踪模型过拟合

Ashish Vaswani 参与的研究用 Log-Alignment Ratio 衡量权重谱与激活谱的重叠，无需验证集或完整奇异值分解。在 10 个 3B 模型实验中，LAR 差分与泛化差距走势接近；过拟合临近时，LAR 往往下降更陡。

来源：PaperWeekly

TriWorldBench 用三视角一致性评测具身世界模型

北大、清华、北航、上交和中科大联合推出 TriWorldBench，包含 500 个三视角同步 episode、50 个机器人任务和 19 项评测信号。榜单同时检查头部、左腕和右腕画面能否描述同一动作状态，而非只看单路视频画质。

来源：机器之心

Google 以 1500 万次 Gemini 交互观察 AI 的真实工作用途

Google Research 发布 AI & Economy ATLAS，分析 1500 万次匿名 Gemini App、AI Mode 和 API 交互。研究发现，AI 已进入多种职业任务，但使用仍较浅，主要是人与模型协作，完整任务自动化范围有限。

来源：Ars Technica

微软压缩语音识别模型可在边缘 CPU 实时运行

微软发布 VibeVoice-ASR-BitNet，这是面向边缘 CPU 实时推理的 VibeVoice-ASR 压缩版本，运行不需要 GPU。正式材料未披露模型大小、识别准确率或设备端延迟。

来源：HuggingPapers

AI 解出 FrontierMath 开放问题中的第二道研究数学题

Epoch AI 表示，Fable 5 首先给出了 2-adic 数域绝对伽罗瓦群的一个表示，GPT-5.5 Pro 随后也完成求解。这是 FrontierMath: Open Problems 第二道被解出的题，也是首个进入“Solid Result”类别的成果；出题人团队还制作了交互式形式化证明材料。

来源：Epoch AI

🏢 AI 战略与组织变革

OpenAI 把资源从 Sora 转向编程与持续运行的智能体

Sam Altman 在访谈中把 AI 产品分为聊天机器人、编程智能体和持续存在的智能体三个阶段，并称 OpenAI 已把更多算力、人才和产品资源转向编程智能体，为此放弃包括 Sora 在内的部分项目。他同时把晶体管产能和电力列为扩大 AI 供给的两项物理瓶颈。

来源：智东西

王雁鹏：Agent 从演示进入生产还缺稳定运行环境

百度智能云 AI 计算首席科学家王雁鹏称，Agent 完成演示容易，但要覆盖边界条件、稳定执行严肃任务仍很难。基础设施需要把算力、运行时、可重复执行和细粒度网络控制一起处理，并持续降低单位 Token 成本。

来源：虎嗅

李飞飞团队讨论机器人训练的 real-to-sim-to-real 路线

World Labs 联合创始人李飞飞与 SceniX 联合创始人 Yunzhu Li 解释了双方合并后的技术方向：用真实数据重建仿真环境，再把仿真训练结果带回真实机器人。访谈覆盖世界模型、机器人基础模型、合成数据和评测，并指出机器人训练不能简单照搬语言模型路线。

来源：a16z Podcast

黄仁勋预计半导体产业十年内需扩大 5 至 10 倍

英伟达 CEO 黄仁勋在访谈中称，计算范式变化要求半导体产业在未来十年扩大 5 至 10 倍。他认为电力、土地和芯片供应会约束建设速度，并主张开源模型用于核心业务、主权数据和分布式安全检查。

来源：虎嗅

💰 资管与金融科技前沿

易方达把 ETF 与场外指数基金查询做成可安装 AI Skill

易方达指数直通车的两项 AI Skill 已接入腾讯 ima，可按规模、费率、跟踪误差、区间收益和持仓等字段比较 ETF 与场外指数基金，也支持按单只股票反查相关 ETF。两项 Skill 还完成了与 OpenClaw、Hermes Agent、ArkClaw 和 WorkBuddy 的对接。

来源：证券之星

BVNK：嵌入式稳定币钱包交易量一年增长 263 倍

BVNK 披露，2025 年嵌入式稳定币钱包交易量增长 263 倍；平台一半交易发生在标准银行营业时间之外。支付服务商和金融科技公司已成为最大客户群，占平台交易量 75%，稳定币开始被嵌入企业支付、结算和数字美元账户。

来源：PR Newswire

Modern Treasury 用统一 API 连接法币与稳定币支付

Modern Treasury 在同一 API 和统一账本中支持稳定币收款、兑换与付款，已包含 Arbitrum One 上的 PYUSD。该 API 累计处理支付规模为 6000 亿美元。

来源：Arbitrum

Circle 收购近 1000 项 IBM 区块链专利

Circle 表示已收购 IBM 近 1000 项区块链专利，组合覆盖 680 多个专利族，涉及区块链与云安全等领域。正式材料未披露交易价格和具体产品整合计划。

来源：Tech in Asia

Visa 裁减约 2600 个技术与产品运营岗位

Visa 内部备忘录显示，公司将裁减约 2600 个岗位，约占员工总数 7%，主要集中在技术和产品运营。CEO Ryan McInerney 称 AI 正在改变公司工作方式；知情人士表示 AI 是原因之一，但不是唯一原因。

来源：新浪财经

🔧 硬件算力与智能设备

OpenSandbox 为 Agent 批量执行提供统一运行时

阿里开源的 OpenSandbox 采用协议优先设计，为自主 Agent、批量评测和强化学习训练提供统一 SDK、命令执行与文件通道。系统用 BatchSandbox 减少大规模容器交付中的写扩散，并以容器隔离、网络控制和统一治理构成三层防护。

来源：虎嗅