AI 无涯日报 · 2026 年 6 月 17 日

每日全球 AI 趋势速递，五分钟掌握前沿动态。

模型发布 / 开源

1. 美团 LongCat-Next：面向物理世界 AI 的原生多模态模型

美团开源了 LongCat-Next，这是一个原生多模态模型，旨在弥合 AI 与物理世界之间的鸿沟。它将视觉和语音作为”原生语言”来增强环境感知和交互能力。同时开源了离散化分词器，帮助开发者构建能够执行真实世界操作的高级 AI 系统。

来源：美团技术博客
2. LongCat-Video-Avatar 1.5：商用级数字人

从实验性 SOTA 迈向商用级别的数字人模型。在五个维度进行了增强：唇形同步、物理合理性、长视频稳定性、多人交互和推理效率，推动数字人从”排练”场景走向真实商业应用。

来源：美团技术博客
3. LongCat-AudioDiT：基于扩散变换器的零样本语音克隆

通过波形潜在空间扩散（Waveform Latent Space Diffusion）实现零样本 TTS 语音克隆。摒弃了中间表示（如梅尔频谱图），直接在波形潜在空间中使用扩散变换器（DiT）。消除了多阶段转换的级联误差，实现了高保真度的语音克隆。

来源：美团技术博客
4. LongCat-Flash-Prover：严格的数学定理证明

专注于数学形式化和定理证明的开源模型。将 AI 从”猜测数值答案”转向构建”严谨的逻辑链”，解决了自然语言模糊性对证明有效性的影响。

来源：美团技术博客

研究 / 基准测试

5. General 365：大模型推理依然困难

一个新的针对高级认知任务的严格基准测试揭示了行业内显著的性能差距。Google 的 Gemini 3 Pro 以 62.8% 的准确率位居第一。在被测试的 26 个主流模型中，大多数未能达到 60% 的及格线，表明复杂推理对前沿系统而言仍是一道难以逾越的障碍。

来源：美团 LongCat 团队
6. WBench：首个交互式视频世界模型基准

首个针对交互式视频世界模型的多轮评估基准。像”CT 扫描仪”一样诊断模型从被动视频生成转向主动环境模拟时的技术瓶颈，在复杂的多步骤场景中评估一致性。

来源：美团 LongCat 团队
7. LARYBench：具身 AI 的”ImageNet”

针对具身 AI 中潜在动作表征的系统性评估框架。关键发现：通用视觉模型在动作泛化和控制精度上超过了专门的具身 AI 专家模型。暗示复杂的具身行为可以从大规模人类视频数据中自然涌现。

来源：美团 LongCat 团队

AI 智能体 / 基础设施

8. NVIDIA SkillSpector：AI 智能体安全扫描器

专为 AI 智能体技能和安全漏洞检测设计的安全扫描器。可扫描模块化 AI 智能体能力中的恶意模式、漏洞和安全风险，为智能体 AI 工作流提供针对性防御机制。

来源：NVIDIA / GitHub
9. Agent-Reach：为 AI 智能体提供免费社交媒体访问

CLI 工具，赋予 AI 智能体对全球社交媒体平台（Twitter、Reddit、YouTube、GitHub、Bilibili、小红书）的实时访问能力。零 API 费用的统一接口，绕过了传统实时数据获取的成本壁垒。

来源：Hacker News
10. CUA：面向电脑操作智能体的开源基础设施

面向电脑操作 AI 智能体训练的开源自在基础设施，支持 macOS、Linux 和 Windows。包含沙箱、SDK 和基准测试，用于标准化智能体开发。

来源：Hacker News

行业动态

11. GPT-NL：荷兰推出主权语言模型

由 TNO 与 SURF 和荷兰法医研究所联合领导的项目，旨在加强荷兰和欧洲的数字自主权。GPT-NL 聚焦隐私、版权和透明度等公共价值观，确保技术符合当地法律和社会目标，同时应对偏见等风险。

来源：TNO / Hacker News
12. 美团用 AI 智能体重构了 31 万行代码

美团使用 AI 智能体成功重构了 31 万行代码。随着 AI 生成代码占开发输出的比例超过 90%，重点已从速度转向系统性治理：技术债务评估、规则构建、SOP 和 Pre-PR 机制。

来源：美团技术博客
13. NVIDIA Blackwell 新纪录：8192 块 GPU 训练 6710 亿参数模型

MLPerf Training 6.0 结果展示了 Blackwell 的前所未有的规模——8192 块 GPU 集群成功训练了 DeepSeek-V3 的 6710 亿参数 MoE 模型。微软 Azure 使用 GB200 NVL72 系统在仅 7.07 分钟内达到了 Llama 3.1 405B 的质量目标。

来源：MLPerf / NVIDIA

🧠 编者点评

今日 AI 领域动态丰富，各项进展各有看点。在信息爆炸的时代，保持对技术本质的思考比追逐热点更为重要——每一项进展背后，都值得追问「这解决了什么问题，又带来了什么新问题」。