Anthropic 发布 Claude Fable 5.2,以代码模拟绘画而非扩散生成图像
Anthropic 发布语言模型 Claude Fable 5.2,可通过 Python 代码驱动模拟画笔,在虚拟画布上绘制数十万笔而不依赖外部图像模型。模型生成的停车场写实画面约含 700,000 笔,绘画过程中还能根据画面覆盖错误并接受评论调整。
Anthropic 发布语言模型 Claude Fable 5.2,可通过 Python 代码驱动模拟画笔,在虚拟画布上绘制数十万笔而不依赖外部图像模型。模型生成的停车场写实画面约含 700,000 笔,绘画过程中还能根据画面覆盖错误并接受评论调整。
Runway 发布 Praxis-1 机器人控制模型,以开放权重和 Apache 2.0 源码形式提供,并允许商业使用。模型接收摄像头图像、文本指令和机器人位置信息,预测环境变化并持续计算控制动作;其在 Nvidia RoboLab-120 上的成功率为 46.2%,实机十项任务共成功 88 次。
Runway 宣布以 Apache 2.0 许可开放 Praxis-1 的权重、推理代码和微调代码,面向机器人开发者与研究人员使用。该模型是一个 27B 参数的 MoE 扩散 Transformer,在 RoboLab-120 上取得 46.2% 成功率,并可通过 GitHub、Hugging Face、vLLM-Omni 和 Runway Dev 获取。
Google DeepMind 发布用于机器人控制的 VLA 模型 Gemini Robotics 2.5,在奔驰汽车产线试验中完成金属零件分拣的成功率为 96%。模型在 200 多项任务中较此前基线将成功率提高 30% 至 100%,任务完成速度提高 20% 至 30%,目前正面向 Agile、Apptronik 和 Mercedes-Benz 推出。
Google DeepMind 发布 Gemini Robotics 2.5 视觉语言动作模型,以扩大机器人的技能范围并加快技能习速度。该模型在 200 多项任务中相较此前基线实现 30% 至 100% 的成功率提升,任务完成速度提高 20% 至 30%。
推荐理由:模型覆盖200项任务,并在汽车工厂试点中验证了灵巧度、可靠性与安全能力,可为机器人模型评测和落地提供参考。
Google DeepMind 发布 Gemini Robotics 2.5,并公布开源安全基准 ASIMOV-jailbreak。新版本在超过 200 项活动上进行评测,涵盖用夹子送餐和使用移液管等需要高灵巧度的任务;Gemini Robotics 2.5 驱动 Apptronik Apollo 2 人形机器人系上了蝴蝶结,部分机器人还已在 Mercedes-Benz 工厂执行实际工作。
智元正式发布具身模型 GO-3 Preview,计划于 2026 年底全面开源。该模型采用将任务推理、未来预测与动作生成相连接的 WRAM 架构,通过预训练、后训练和部署后学习持续改进,并在 RoboDojo、RoboTwin、RoboColiseum 三项评测榜单中位列第一。
Google DeepMind 发布 Genie 4 世界模型,支持原生多模态生成与实时交互式世界模拟。模型结合 Gemini Omni、Gemini 3.8 Flash 等能力,可生成环境音效和交互对话,并模拟物理现象、人物动作及多步骤事件。
推荐理由:原文同时呈现了 Genie 4 的能力边界与可信测试反馈,便于理解实时世界模型当前的可用范围。