Elorian 发布首个模型 Glimpse，面向视觉思考
Elorian 发布首个模型 Glimpse，主打 Visual Thinking，可对图片和视频提问并推理所看到的内容。作者关注的是它对视频片段的追问能力，比如画面里发生了什么变化、为什么发生、机器人在每一步做什么。他认为如果这类能力足够可靠，机器人遥操作数据标注会彻底改变，因为大量遥操作视频因逐步手工切分标注太慢太贵而闲置，模型自己看片段写标签就能把这些积压素材变成训练数据。
#具身智能
X · Linus EkenstamAI 评分5252
The DecoderAI 评分7474 Google 发布 Gemini 4 Argon，用单一模型打通机器人仿真、控制与评估
Google 发布面向机器人任务的 Gemini 4 Argon，用一个模型同时完成机器人控制、虚拟训练世界构建和训练视频评估。
公众号 · 新智元精选AI 评分8585 谷歌发布 Gemini 4 Argon，主打物理推理与具身智能
谷歌发布通用物理推理模型 Gemini 4 Argon，官方称其打通机器人技术栈中的物理理解、代码生成与视觉语义推理，在具身推理基准 ERQA 上以纯推理拿下 87%。
选题角度：原文给出大量实测案例和与 Opus 5.5、GPT-6 Astra 的耗时成本对比，适合做上手实测加效果对比。
X · Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 4 Argon，看视频教会 Apollo 人形机器人投沙包
Google DeepMind 发布 Gemini 4 Argon，该模型仅通过观看视频就学会玩投沙包（cornhole），自行推演物理规律、编写仿真程序，并教会 Apptronik 的 Apollo 人形机器人连续命中 7 次投掷。官方同时放出了演示视频链接。
选题角度：官方演示 Gemini 4 Argon 看视频学会投沙包并教人形机器人连续命中 7 次，适合做效果展示与能力解读。
Hacker News · AI 高分帖精选AI 评分7878 Google 发布 Gemini 4 Argon 机器人模型
Google 发布面向机器人的 Gemini 4 Argon，官方称其在测试 3D 物理空间理解的 Embodied Reasoning（ERQA）基准上用纯推理取得 87%，超过其他前沿模型。
选题角度：官方给出 Gemini 4 Argon 在 ERQA 拿 87% 和四类机器人提示词示例，适合挑一个 MuJoCo 场景做上手实测。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 4 Argon 机器人模型
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上用纯推理取得 87%，超过其他前沿模型。
选题角度：官方给出 ERQA 87% 成绩和四类机器人提示词示例，适合挑一个 MuJoCo 场景做上手实测或效果对比。
量子位AI 评分3838 魔法原子 EchoPolicy-0 与 MagicBrain 登顶 MolmoSpaces 具身智能榜单
魔法原子 VLM Agent 框架 EchoPolicy-0 在 AI2 发起的 MolmoSpaces Combined 榜单以 75.4% 平均成功率位列全球第一，覆盖全部 4 个 v1 任务。自研具身 Agent 框架 MagicBrain 以 3.4B 参数规模取得 72.4% 平均成功率、全球第四，抓取成功率达 94.4%。
The DecoderAI 评分7474 Odyssey 发布生成式世界模型 Odyssey-3，免费在线体验
Odyssey 发布生成式世界模型 Odyssey-3，并开放免费在线 demo，由 Odyssey-3 Flash 驱动，可根据文字描述生成可交互环境，支持第一人称和第三人称视角、移动、触发事件并实时响应。
The DecoderAI 评分6666 Reka AI 发布全能模型 Rho-1，单网络处理文本、图像、视频与机器人控制
Reka AI 发布全能模型 Rho-1 的研究预览版，这是一个 190 亿参数的单神经网络，可处理并生成文本、图像、视频和机器人控制动作。与多数把任务分派给专用模型的系统不同，Rho-1 把所有模态作为 token 放在同一个共享上下文窗口中运行，不调用工具或外部模型，能实时生成连续视频并即时响应新指令，预测摄像头图像的同一套权重也驱动机器人动作。
量子位AI 评分4040 索辰科技与美梦空间联合发布 Physical-WAM 物理世界动作模型及 RoboTwin-Phys 评测基准
美梦空间在第五届全球数字贸易博览会上发布 Physical-WAM 物理-世界动作模型与 RoboTwin-Phys 物理漂移评测基准，前者由 PhysLens、PhysDream、PhysAct 三模块构成，通过物理 Token 表征让机器人感知摩擦、重量、重心等物理属性并预判动作后果。
The DecoderAI 评分6262 Black Forest Labs 发布开源机器人模型 FLUX 3 Action
Black Forest Labs 发布面向机器人的开源模型 FLUX 3 Action，基于多模态 FLUX 3 构建，可接收机器人工作区的多摄像头视频流，预测智能体下一步动作及环境变化。
量子位AI 评分5858 紫东太初开源 ZDTaichu5.0-9B 多模态大模型，九大空间基准八项第一
紫东太初开源通用多模态大模型 ZDTaichu5.0-9B，在九大国际空间理解基准测试中八项第一，10B 档位开闭源模型中空间具身能力断层领先。该模型同时保持通用能力，AI2D 图解理解达 91.48 分，仅次于 Gemini 3 Pro，WeMath 为 75.9 分。团队公开了权重及整套数据生产管线方案，企业可用自有数据和机器人继续训练。
Olivio Sarikas精选AI 评分7272 World Labs 发布 Atlas 全能世界模型，支持文本图像视频生成 3D 世界
World Labs 发布 Atlas 全能世界模型，可从文本、图像、视频和相机位姿生成、重建并模拟 3D 世界。官方称其支持像素级相机控制、最长 1 分钟 1440p 视频、稀疏视角 3D 重建，并输出点云和 3D Gaussian splats，用于机器人 real-to-sim 流程，架构为共享空间上下文的多模态自回归扩散 Transformer。