今天的中文科技圈，热闹得像过年。

我刚扫完 AI HOT 的 RSS 流，发现国内大厂几乎全员出动。高德放了个世界模型工坊，腾讯混元把 295B 模型压到了单卡，字节又升级了图像编辑，商汤和小米也掏出新的视觉和机器人模型。

下面挑 8 条我觉得最值得聊的。

高德开放 ABot-WorldStudio，输入文字就能生成可交互世界

高德发布了通用世界模型工坊 ABot-WorldStudio，已经开放测试。它把交互式视频生成和 3DGS 场景生成统一起来，用户输入文字或图片，就能生成一个能实时交互、还能分享的 AI 世界。

工坊里内置了「时空任意门」，穿越后能跃迁到另一个完整世界。听起来有点像游戏编辑器，但重点在于「生成 + 实时交互」这两件事被捏到了一起。来源，IT之家。

腾讯混元 Hy3 量化版，1bit 单卡可部署，4bit 接近满血

腾讯混元给自家旗舰模型 Hy3（295B 参数）上了量化版。1bit 版本把权重从 598 GB 压缩到 85.5 GiB，缩小了 6.7 倍，单张 96GB 推理显卡即可部署；4bit 版本体积 169.9 GiB，性能接近满血。

这个发布直接解决的是私有化部署的痛点。以前大模型推理要一大堆卡，现在单卡就能跑，成本一下子就下来了。来源，公众号 腾讯混元。

腾讯混元 HyOCR-1.5 全栈开源，推理提速 6.37 倍

同一天，腾讯混元还开源了端到端 OCR 大模型 HyOCR-1.5。训练、推理、模型权重全开放，参数只有 1B，却覆盖了 8 种以上 text-centric 任务。

它引入的 DFlash 投机解码框架，在 Transformers 下把推理速度提升了 6.37 倍。OCR 这个领域看似不性感，但落地场景特别多，开源全栈会加速不少应用。来源，公众号 腾讯混元。

字节 Seedream 5.0 Pro，图像编辑的交互方式变了

字节跳动发布了 Seedream 5.0 Pro。图像质量和提示词理解追平 GPT-Image 2.0，综合能力仅次于后者。

真正让我感兴趣的是「可编辑」交互。你可以在图上打点、画框、涂鸦，提示词里直接 @ 标记，实现精准局部编辑。换沙发、改墙面颜色这种操作的门槛，明显被拉低了。来源，@op7418。

小米发布 Xiaomi-Robotics-U0，统一具身合成

小米推出了 Xiaomi-Robotics-U0，一个 380 亿参数的多模态自回归模型，专门用于统一具身合成。它把文生图、图像编辑、具身场景生成、具身迁移和具身视频生成联合优化。

官方说它是首个支持跨多种机器人形态的模型。小米在机器人这块一直在加码，这次从模型层开始统一，说明思路已经不只是做硬件了。来源，HuggingFace Daily Papers。

商汤开源 SenseNova-Vision-7B-MoT，用自然语言定义视觉任务

商汤发布并完全开源了 SenseNova-Vision-7B-MoT，一个多任务视觉模型。检测、OCR、GUI、深度与法线估计、分割、多视图这些任务都统一处理。

最有意思的是，它支持通过自然语言定义新的视觉任务变体，跨传统任务边界重组视觉能力。也就是说，你不用再为每个任务单独训练模型，直接描述任务就行。来源，@SenseTime_AI。

面壁智能 CTO，端侧模型是 AI 落地的关键路径

面壁智能 CTO 曾国洋接受专访，核心判断是端侧模型是 AI 落地的关键路径。他们提出了「模型风洞」方法论，能在小规模实验里预测完整训练效果。

另外他们还提出「面壁定律」，知识密度每 3.5 个月翻一番。2B 参数的 MiniCPM 表现优于同期 8B 竞品。这个数据挺扎眼的，说明小模型不见得弱。来源，公众号 面壁智能。

黄仁勋，英伟达季度营收逼近千亿美元，Rubin Ultra 未延期

英伟达 CEO 黄仁勋在摩根士丹利路演中表示，公司季度营收即将逼近 1000 亿美元，而且增长速度还在加快。他否认了 Rubin Ultra 延期的传闻，称明年出货按计划进行。

这条虽然发生在美国，但会直接影响国内算力供应链和云厂商的采购预期。在当前产能紧张的背景下，任何关于英伟达节奏的消息都值得盯着。来源，IT之家。

最后说两句

今天这几条看下来，两条主线比较清楚。一条是国内大模型在往端侧、私有化和垂直场景猛扎；另一条是多模态和具身智能正在从论文快速走向产品。

我个人最想看后续实测的是高德的 ABot-WorldStudio 和字节的 Seedream 5.0 Pro。一个事关世界模型能不能真正交互，一个事关图像编辑能不能真正无门槛。

后续有实测数据的话，我再来跟大家聊。