● 7B 打败 o3、GPT-5！医学 AI 智能体让模型学会“看哪里、怎么看”

📌 一句话摘要 上海创智学院 LeapQuest 团队联合多所高校提出 Ophiuchus 和 MedScope 两篇 ICML 2026 论文，首次将 Think with Images/Videos 范式应用于医学 AI，让模型在推理过程中主动调用视觉工具寻找证据，而非被动生成解释。 📝 详

● Z Tech｜对话 Andrew Dai：14 年 DeepMind 生涯，见证 PaLM 到 Gemini，下一站押注视觉推理

📌 一句话摘要 前 Google DeepMind 研究科学家总监 Andrew Dai 在访谈中回顾了 14 年职业生涯，从 Google Brain 早期到 Gemini 的演进，并阐述了他为何押注视觉推理，认为这是下一代 AI 突破的关键。 📝 详细摘要 本文是 Z Potentials

● 今日开源（2026-5-22）：腾讯混元 Hy-MT2 正式开源，快思考多语言翻译模型系列，1.8B/7B/30B-A3B 三尺寸覆盖 33 种语言互译

📌 一句话摘要 今日开源项目汇总：腾讯混元发布多语言翻译模型 Hy-MT2 系列，另有视觉语言动作模型、AI Agent 治理工具包等多个项目开源。 📝 详细摘要 本文是机器之心 SOTA 模型频道发布的每日开源项目汇总，涵盖 7 个开源项目。重点包括：腾讯混元推出的 Hy-MT2 多语言翻译模

● Meta 华人发布 ATLAS，一个词搞定可泛化的视觉推理！

📌 一句话摘要 Meta AI 与香港中文大学提出 ATLAS 视觉推理范式，仅用一个离散 Token 统一 Agentic 与 Latent Visual Reasoning，无需外部工具或中间图像生成，实现高效可泛化的视觉推理。 📝 详细摘要 本文介绍了 Meta AI 与香港中文大学联合提

● 谷歌 AI 的 14 年、Gemini 翻身之战，与视觉理解模型：专访 DeepMind 前核心科学家 Andrew Dai｜Neolabs 特辑

📌 一句话摘要 DeepMind 前核心科学家 Andrew Dai 深度访谈，回顾谷歌 AI 14 年发展史，从错失 GPT 时刻到 Gemini 翻身，并阐述其创立 Elorian AI 探索视觉推理路线的愿景。 📝 详细摘要 本文是硅谷 101 对 DeepMind 前核心科学家 Andr

● Z Tech｜一个词就能视觉推理？Meta 华人颠覆性提出 ATLAS 新范式

📌 一句话摘要 Meta AI 与港中文提出 ATLAS 新范式，仅用一个离散 Token 统一 Agentic 与 Latent Visual Reasoning，无需外部工具或中间图像生成，实现高效视觉推理。 📝 详细摘要 文章介绍了 Meta AI 与香港中文大学联合提出的 ATLAS 视

● DeepSeek 多模态技术报告英中对照版.pdf

📌 一句话摘要 本文解读了 DeepSeek 联合北大、清华发布的多模态技术报告，核心思想是让模型在推理过程中通过「视觉基元」（点和框）精确指代图像对象，以解决复杂视觉推理中的「指代鸿沟」问题。 📝 详细摘要 文章对 DeepSeek 联合北大、清华发布的多模态技术报告进行了要点解读。报告指出，

● 解读 DeepSeek 最新多模态技术报告，要用视觉基本单元思考，看这一篇就够了

📌 一句话摘要 本文详细解读了 DeepSeek 最新多模态技术报告，核心思想是在视觉思维链中引入空间标记（bounding box 与 point）作为语言与图像之间的精确指针，以解决视觉推理中的指代鸿沟问题。 📝 详细摘要 文章对 DeepSeek 最新发布的多模态技术报告进行了深度解读。核

● DeepSeek 首次有了视觉能力，技术论文却被它连夜删掉了

📌 一句话摘要 本文深度解读了 DeepSeek 灰度测试中的视觉能力，其核心创新在于提出「使用视觉基元进行思考」的推理框架，通过点、框、路径坐标等空间标记解决多模态模型的「指代鸿沟」问题，但相关技术论文在发布后不久被撤下。 📝 详细摘要 本文围绕 DeepSeek 灰度测试的视觉能力展开深度分

● AI 智力天花板崩了！GPT-5.5 Pro 视觉智商 145，撞倒门萨俱乐部门槛

📌 一句话摘要 GPT-5.5 Pro 在 LisanBench 智商测试中文本 IQ 达 130、视觉 IQ 飙至 145，首次跨过门萨俱乐部会员门槛，标志着 AI 智力水平达到人类前 2% 甚至前 0.1% 的天才区，同时 OpenAI 以每月一炸的节奏加速迭代，对开发者生态和行业竞争格局形成

● Muse Spark 的视觉整合与现实世界应用

📌 一句话摘要 Muse Spark 在视觉 STEM 推理和实体定位方面表现卓越，可应用于家电故障排除等实际场景。 📝 详细摘要 作为 Muse Spark 发布推文链的一部分，此推文详细介绍了该模型在整合跨领域视觉信息方面的具体能力。它强调了模型在视觉 STEM 问题和实体识别方面的强劲性能