清华发布2026青年最关注五大AI技术：多模态推理、世界模型、具身智能上榜
清华人工智能青年大会发布《2026年青年最关注的改变未来五大AI技术榜单》，由400多位全球专家评选，多模态推理与生成大模型、可交互世界模型、具身智能基础模型等入选。
标签：多模态
紫东太初开源ZDTaichu5.0-9B：9项空间基准8项第一，国产“具身大脑”走向物理世界
9月15日，由中科院自动化所与武汉人工智能研究院共同孵化的紫东太初，正式开源新一代面向物理世界的通用多模态大模型ZDTaichu5.0-9B。这个约90亿参数的模型，在九大国际权威空间理解基准中一举拿下8项同参数组第一——被业内称为“10B参数内空间具身能力最强的通用多模态大模型”。 为什么要给AI补“空间课” 机器人要抓一个杯子，得知道杯子在桌子的哪个位置、离自己多远、从哪个角度伸手不会碰倒其他
Meta发布个人AI智能体Muse：住进云端的私人助理，24小时替你办事
9月8日，Meta正式推出其首款个人AI智能体Muse，率先在美国上线。它和人们熟悉的聊天机器人完全不同：不只是回答问题，而是“真的替你干活”——发邮件、订机票、网购、填表、卖车，甚至帮你在电话账单上砍价。 一个“住进云端”的私人助理 Muse由Meta Superintelligence Labs开发，底层使用最新的Muse Spark系列模型。用户不需要懂技术：说出目标，Muse会自动拆解任务
阿里开源ABot-World-0世界模型：一张照片，生成可以“走进去”的3D世界
世界模型是AI前沿最受关注的方向之一——它不满足于“生成一段视频”，而是要在AI的“大脑”里建立一个对世界空间和物理规则的理解。9月15日，阿里AMAP视觉实验室发布的开源模型ABot-World-0，让普通研究者和开发者也能上手：一张参考图，就能生成一个可以持续探索的交互式世界。 输入“图片+动作”，输出“下一帧世界” ABot-World-0是一个50亿参数的“行动条件世界模型”：给它一张参考
Google发布Gemini 3.8 Live实时语音模型：边听边想边说，价格只要对手十分之一
9月15日，Google DeepMind正式推出Gemini 3.8 Live和Gemini 3.8 Live Extended Thinking两款实时语音模型，把“像和人打电话一样和AI对话”这件事又往前推进了一大步——AI不再需要你“打完字等回复”，而是能边听、边想、边说。 什么是“实时语音模型”？ 传统语音助手的工作方式是“语音转文字→文字给模型→模型回文字→文字转语音”，每走一步都有延