● WPS 笔记正式发布：AI 贯穿记录、整理与复用全过程

📌 一句话摘要 金山办公发布 AI 原生多模态笔记产品 WPS 笔记，将 AI 能力贯穿信息录入、理解、组织、检索与复用全流程，旨在解决知识工作者信息过载但难以被有效利用的痛点。 📝 详细摘要 本文报道了金山办公于 6 月 5 日正式发布的 AI 笔记产品 WPS 笔记。该产品定位为面向个人知识

● 智源&清华合作成果登上 Science：脑科学多模态基础模型 Brainμ支撑揭示“记忆-睡眠”调控的神经机制

📌 一句话摘要 智源与清华联合研究登上《科学》，利用脑科学多模态基础模型 Brainμ 证实睡眠中记忆重激活可动态调控睡眠结构，为理解记忆-睡眠双向机制提供新证据。 📝 详细摘要 本文报道了北京智源人工智能研究院与清华大学联合团队在《科学》杂志发表的研究成果。研究首次证实，睡眠中的记忆重激活（尤

● 谷歌 Gemma 4 12B 开源：把多模态模型塞进 16GB 笔记本

📌 一句话摘要 谷歌开源 Gemma 4 12B 多模态模型，采用统一无编码器架构，支持文本、图像、音频输入，官方运行门槛为 16GB VRAM，旨在将多模态能力下放到消费级本地设备。 📝 详细摘要 本文详细介绍了谷歌最新开源的 Gemma 4 12B 多模态模型。文章从模型定位（介于 E4B

● Token 必须死？

📌 一句话摘要 本文从维特根斯坦的语言哲学切入，结合何恺明团队与字节 Seed 的最新论文，论证逐 token 预测范式存在结构性天花板，并梳理了 Google、OpenAI、Anthropic 等巨头在连续空间建模方向上的战略布局。 📝 详细摘要 文章以「Token 必须死？」为标题，系统探讨

● 120 亿参数跑在 16G 笔记本上，谷歌 Gemma 4 新成员杀来了

📌 一句话摘要 谷歌发布 Gemma 4 12B 模型，在 16GB 显存笔记本上即可本地运行，性能接近更大的 26B MoE 模型，并首次支持原生音频输入。 📝 详细摘要 文章报道了谷歌正式推出 Gemma 4 12B 模型的消息。该模型是 Gemma 4 系列的新成员，定位介于边缘设备模型与

● 戴盟机器人完成亿元融资，阿里通义多模态大牛加盟攻关物理世界模型

📌 一句话摘要 戴盟机器人完成亿元 A 轮融资，并引入阿里通义前多模态专家原玮浩，以触觉模态为核心攻关物理世界模型，试图补齐具身智能在真实物理交互中的关键数据缺口。 📝 详细摘要 本文报道了具身智能公司戴盟机器人完成亿元 A 轮融资的消息，投资方为汇川产投和中国电信。文章重点介绍了戴盟的技术路线

● 准确率突破 96.33%！百度文心发布 PaddleOCR-VL-1.6，刷新文档解析 SOTA

📌 一句话摘要 百度发布 PaddleOCR-VL-1.6，在 OmniDocBench v1.6 评测中准确率达 96.33%，超越 Gemini-3-Pro、GPT-5.2 等模型，刷新文档解析 SOTA。 📝 详细摘要 文章报道了百度最新发布的 PaddleOCR-VL-1.6 模型。该模

● 「悲观者正确，乐观者成功」，和好友亚婷聊聊 AI 行业的种种

📌 一句话摘要 资深投资人庄明浩从 VC 底层逻辑出发，深度拆解 AI 浪潮下的创业范式、模型竞争终局及对人类职业与存在价值的终极拷问。 📝 详细摘要 本期播客，主播庄明浩与「易论 AI」主理人亚婷展开了一场关于 AI 行业现状与未来的深刻对谈。对话从 VC 投资的「概率游戏」本质切入，剖析了行

● MiniMax M3 一手实测：老黄 PPT 上 74 个 Logo，我以为能难住它

📌 一句话摘要 本文通过复现论文、识别 PPT Logo、制作打卡地图和讲解语言学奥赛视频等实测，验证了 MiniMax M3 在长上下文、多模态和 Coding 三大能力上的综合表现，认为其已进入全球第一梯队。 📝 详细摘要 文章围绕 MiniMax 最新开源的旗舰模型 M3 展开，重点评测其

● 96.33% 新 SOTA！PaddleOCR-VL-1.6 发布，大模型时代的数据基座再升级

📌 一句话摘要 PaddleOCR-VL-1.6 发布，通过模型驱动的数据引擎与渐进式后训练策略，在 OmniDocBench v1.6 上以 96.33% 刷新 SOTA，模型结构与 v1.5 完全一致，零成本升级。 📝 详细摘要 本文是 PaddleOCR-VL-1.6 的版本发布公告。文章

● 字节开源统一框架 Bernini：给 DiT 配个“大模型军师”，AI 视频编辑先理解再动手

📌 一句话摘要 字节商业化技术团队开源 Bernini 框架，采用「多模态大模型规划 + DiT 渲染」的两阶段架构，实现先理解语义再生成视频的可控编辑与参考生成。 📝 详细摘要 本文报道字节商业化技术团队开源的视频生成与编辑统一框架 Bernini。该框架的核心创新在于将任务拆分为两步：首先由

● Qwen3.7-Plus 上线！多模态智能体新基座，一键复刻桌面端专业软件

📌 一句话摘要 阿里发布 Qwen3.7-Plus 多模态大模型，实现视觉理解、编程、工具调用与自主迭代的统一智能体工作流，可一键复刻桌面软件等复杂任务。 📝 详细摘要 6 月 2 日，阿里巴巴发布千问 3.7 系列多模态大模型 Qwen3.7-Plus。该模型在文本和视觉能力上大幅提升，于全球

● MiniMax M3：前沿 Coding 能力、1M 上下文、原生多模态，一个模型全给你

📌 一句话摘要 MiniMax 发布 M3 模型，集前沿 Coding 能力、1M 超长上下文和原生多模态于一体，是国内首个齐备这些要素的模型，并已开源。 📝 详细摘要 MiniMax 正式发布 M3 模型，这是国内首个同时具备前沿编程能力、1M 超长上下文和原生多模态能力的模型，也是目前唯一的

● Step 3.7 Flash 模型已加入 mlx-vlm，可在 Mac 上本地运行

📌 一句话摘要 Step 3.7 Flash 模型已成功移植到 mlx-vlm，可在 Apple Silicon Mac 上本地运行，4bit 量化版本支持 32K 上下文，生成速度达 53 tokens/s。 📝 详细摘要 该推文引用开发者 Ivan Fioravanti 的更新，宣布 Ste

● 一手实测 Step 3.7 Flash：目前最快的开源模型

📌 一句话摘要 本文一手实测了阶跃星辰最新发布的 Step 3.7 Flash 模型，重点验证其 400 TPS 的超快速度、原生视觉理解能力和 Agent 长程任务表现，并指出其在 Coding 和 3D 推理方面与顶级模型仍有差距。 📝 详细摘要 文章对阶跃星辰发布的 Step 3.7 Fl

● 快手 Keye2.0 开源：将 DSA 注意力引入多模态，开启强化推理新范式

📌 一句话摘要 快手开源 Keye-VL-2.0-30B-A3B 多模态大模型，率先将 DeepSeek 的 DSA 稀疏注意力引入多模态场景，以 30B 总参、3B 激活参数实现视频理解 SOTA，多项基准超越 200B+ 开源模型。 📝 详细摘要 本文介绍了快手正式开源的新版多模态大模型 K

● 阶跃开源 Step 3.7 Flash：面向生产级 Agent 的高效率 Flash 模型

📌 一句话摘要 阶跃星辰发布并开源 Step 3.7 Flash 模型，这是一款面向生产级 Agent 的高效率多模态模型，采用 196B MoE 架构，激活参数仅 11B，最高生成速度达 400 Tokens/s，并具备原生多模态理解与高可靠工具调用能力。 📝 详细摘要 阶跃星辰正式发布并开源

● 阶跃发布 Step 3.7 Flash，效率模型开始争夺 Agent 主战场

📌 一句话摘要 阶跃星辰发布的 Step 3.7 Flash 模型，以 11B 激活参数和极致效率，瞄准 Agent 时代对速度、成本和稳定性的核心需求，重新定义了 Flash 模型从旗舰轻量版到 Agent 任务基座的新生态位。 📝 详细摘要 本文深入分析了阶跃星辰最新发布的 Step 3.7

● OPPO 小布记忆：全模态碎片化内容的理解与智能整理实践｜AICon 上海

📌 一句话摘要 OPPO 高级算法工程师分享小布记忆产品的技术实践，介绍端云协同的一键闪记架构、基于自研 AndesVL 多模态大模型的端侧推理、全模态碎片化内容理解与结构化记忆整理方案。 📝 详细摘要 本文是 OPPO 高级算法工程师王闯闯在 AICon 上海大会上的演讲预告，详细介绍了小布记

● 音效生成自己说了算！小米开源可控视频音效生成模型 ControlFoley

📌 一句话摘要 小米大模型应用团队开源了 ControlFoley，一个统一且可控的视频音效生成框架，支持文本引导、文本控制和参考音频控制三类任务，在多个基准上达到开源 SOTA。 📝 详细摘要 本文由小米技术团队发布，详细介绍了其开源的视频音效生成模型 ControlFoley。文章指出，现有