Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出 agentic video understanding，模型动态扫描视频片段，相比固定帧率处理 token 消耗最多降低 88%，成本最多降低 66%，准确率最多提升 7%。
推荐理由：官方说明列出 token、成本与准确率三项数字和开启方式，开发者可据此评估长视频分析是否换用该模式。
World Labs@theworldlabsAI 评分4848推出 Atlas： 全球首个多模态世界模型，可生成图像和视频帧，具备像素级精准的相机控制，并在 3D 中重建它们。 建模世界，移动相机，模拟空间与时间。
Rohan Paul@rohanpaul_aiAI 评分5757Visko 发布首个 Live Model「Orbis 1.0」，一个实时、可引导的视频生成模型，可实时流式生成持续进行的世界，具备持久记忆、交互性和基于物理的无限长度生成。
elvis@omarsar0AI 评分4949Google 面向 Workspace 用户推出创意设计工具 Google Pics，基于 Gemini 和 Nano Banana 模型，支持点击图片中特定对象或文字后用提示词编辑，可从零生成图像、改写和翻译文字、放大到 2K 或 4K 分辨率，并快速裁剪为网页、社交媒体、印刷等格式。
DogeDesigner@cb_dogeAI 评分2424
Ethan Mollick@emollickAI 评分6565Nvidia 将于本周正式发布 DLSS 5，目前仅 NBA 2K27（9 月 3 日晚 9 点 PT 上线 PC）支持，官方适配 RTX 50 系桌面和笔记本 GPU 及 GeForce Now。
Runway 发布 Solaris，称其为 Interface World Model 类别下的首个模型，不运行代码，而是以 720p 逐帧实时渲染界面，并响应点击、拖拽或语音指令。
Frank Wang 玉伯@lifesingerAI 评分3030论文为 Aardvark Weather 端到端气象预报模型加入随机机制使其概率化：观测编码器用输入相关噪声捕捉观测系统的偶然不确定性，处理器用 Monte Carlo dropout 捕捉认知不确定性，并通过全方差定律分解归因预报离散度来源。
英国伯明翰大学、丹麦奥胡斯大学和瑞典林奈大学研究人员 8 月 19 日在《AI 与社会》发表论文，提出类机器人人性（robotoid humanness）概念，指客服 AI 因自适应学习、个性化沟通和共情回应变得更像人，用户可能为获得更顺畅的算法反馈而表现得更像机器。
FFmpeg 宣布英伟达 GPU 帧插值功能通过 Vulkan API 正式并入项目，可借助 GeForce RTX GPU 预测生成下一帧来提高视频帧率。
阿里宣布升级千问学习辅助功能，新增与教材同步的单元作文辅导、初中语文和数学教材精讲，并将“小讲堂”互动讲解能力扩展到高中和大学数理化拍题讲解，相关功能免费开放。升级强调引导学习过程而非直接给答案，学生可在讲解中随时打断追问，千问会根据具体问题调整讲解内容和节奏。
论文提出 Data Intrinsic Consistency（DIC）自评分指标，通过视觉信息一致性（VIC）和响应信息一致性（RIC）两个模块量化样本内部一致性，并据此构建自适应数据选择方法 DICS。
研究团队发布 LightNav-0，一个紧凑的通用具身导航模型，通过双通道指向和残差向量量化动作 tokenizer 激发预训练 VLM 的空间智能，无需任务专用预测头。训练语料覆盖 2K+ 场景和 4K+ 小时具身导航数据，LightNav-0 在全部 10 个公开导航仿真环境中取得单目成功率 SOTA，真实世界评测显示跨机器人本体、场景及静态动态目标的零样本泛化能力。
论文提出 MineAmongUs，一个 3D 多模态 Among Us 沙盒，让 imposter 智能体通过言语与非言语联合行动欺骗船员，并配套可配置的 VLM 智能体框架 ARIA 和基于欺骗分类学的原子与弧级标注方案。
中国科学院大连化物所联合科大讯飞、阿里云等研发的智能化工大模型 3.0 Pro 于 8 月 31 日发布，从知识问答模型升级为化工任务智能执行系统。模型构建大模型、智能体、专业技能与工具、应用场景四层体系，集成超过 400 个化工智能体和工具，文本问答与多模态问答准确率分别为 81.96% 和 80.75%，综合得分较 3.0 版本相对提升 20.2% 和 31.4%。
DreamX-Creator 1.0 是一个以 7B 生成器为核心的原生音视频联合生成系统，基于首帧和文本提示对音频与视频流联合去噪，通过 Gated Cross-Modal Attention 在网络后半段耦合两个模态。
论文提出 BLARM，一种前馈方法，输入单目视频和静态物体网格，即可预测运动跟随视频的时序连贯动画网格。方法用少量随时间变化的刚性运动分量和顶点到分量的蒙皮权重表示动画，无需骨骼、cage、蒙皮权重或绑定标注，通过分解时空注意力将几何形变潜变量条件于视频特征，并以轨迹重建、熵正则和运动感知对比学习训练，生成准确且时序稳定的动画。
研究者提出 MNIST-PRO 基准，把 MNIST 数字识别改造成带回看约束的序列化瞥视搜索任务，以隔离评测智能体的感知状态构建能力。评测覆盖十个多模态模型和四种记忆表征，发现模型在全可观测下表现良好，但部分可观测下暴露三类瓶颈：难以整合碎片化瞥视、过早停止探索、面对矛盾证据时难以修正早期错误信念。
Lucida 提出可组合真实到仿真场景建模方法，将真实室内场景恢复为按观测排布、可单独操作的完整可编辑物体资产。方法沿用解析、生成、放置三步，但把精度要求重新分配到流水线末端：解析视频生成携带逐实例多视角证据的场景图，据此生成完整资产，并用 VLM 策略 GizmoAct 将放置建模为多轮 GUI 交互，闭环操纵物体 gizmo 并自行判断对齐完成。
论文提出 PaperBanana-Interact，一个通过内部 critique-and-refine 循环精修科学图表的多智能体系统，并发布多轮图表生成基准 MTPaperBananaBench，含 292 张图像和 3,518 条用户需求标注。
上海AI实验室发布 InternLumina-U2，一个 16B 参数（激活 1B）的 MoE 扩散语言模型，用 8 码本全离散视觉表示统一覆盖文本问答、文生图、图像理解与编辑、视频及 3D 理解。
推荐理由：原文给出多码本全离散统一架构的设计细节、基准分数和双硬件适配说明，读者可以了解统一理解与生成模型的一条新路线。
百度千帆Token Plan企业版更新，DeepSeek-V4-Pro-0813正式版与GLM-5.3、GLM-5.3-Flash三款模型上线，原有模型ID可直接调用。百度搜索工具正式接入，专属API-KEY即可调用，限时优惠每次2.5积分。Token福利包扩展覆盖语音、OCR、智能文档分析等AI开放能力，席位扩展为四档并有限时赠送积分、夜享Token低至2折等活动。
湖南卫视宣布国内首部 AIGC 长剧《后西游记》第一季“花果山篇”于 8 月 31 日下午 6 点在湖南卫视、芒果 TV 首播，实时收视率同时段位居省级卫视第一名。
ginobefun@hongming731AI 评分4242BestBlogs 早报 09-01 精讲三篇内容：OpenClaw 2.0 由 933 位贡献者合并约 16,000 个 PR，主打低门槛上手、共享云会话与多人无损交接。
vLLM-Omni 团队发布 MiniMax H3 生产级服务实践，先做系统级优化，再集成 FastVideo 的四步 FastH3 蒸馏学生模型，将去噪循环从 49 次 DiT 前向降到 4 次。
论文提出 Autoregressive Mosaics（AM-Bench）基准，用翻译任务和布局任务分离纯文本 LLM 的空间描述转代码能力与真正的 2D 空间布局理解。
论文提出 ZipTok3D，一种可从极短 token 序列高保真重建 3D 物体的 3D tokenizer。
论文提出 SimLoss，一种免参考的嵌入空间训练目标，让视觉语言模型在解码前对齐隐藏状态与冻结图像嵌入，实现单次解码的细粒度图像描述，无需人工细粒度描述或多阶段伪描述。其中 SimLoss FFT 以可微方式微调，精度最高且推理比多阶段流程快约 20 倍，F1 接近多阶段方法；SimLoss GRPO 将嵌入模型作为黑盒奖励，召回率最强。
论文提出像素文本表示学习的四项设计原则：可变分辨率与渲染字号、自然图文对做 grounding、布局感知渲染防止像素级捷径、两阶段多语言课程。基于此训练的 Pixel Linguist II 视觉编码器在英文、跨语言和多语言 Visual STS 及 ViDoRe 上取得 SOTA，并在 80% 视觉 token 压缩下保持鲁棒。
论文提出 Kirin 框架，从野外动物视频重建 3D 运动序列，并构建 AiM3D，首个为四足动物提供对齐视频-文本-运动三元组的大规模数据集。基于该数据训练的模型可同时以文本和图像为条件生成跨物种的真实运动，并结合现成 image-to-3D 模型自动绑定 3D 网格，产出可直接渲染的动画动物。项目页：https://kirin-ani.github.io/。
KAIST 开发出名为 SweepLED 的隐藏摄像头检测技术，借助智能手机 LED 灯与 AI 实现，准确率达 94%，所用 LED 装置成本为 1 万韩元。
Instagram 宣布把现有 AI creator 标签更名为 AI-generated profile，未正确标注 AI 生成人物的账号将被限制触达范围，正确使用标签则不会仅因使用 AI 人物而受罚。
Instagram 宣布将“AI 创作者”标签改为“AI 生成账号”标签，因用户常无法区分 AI 账号与真人。未标注的账号将限制触达和推荐，受影响账号可通过 Account Status 申诉；仅将 AI 作为工具的创作者无需标注，选择标注者保留完整触达。
🚨 AI News | TestingCatalog@testingcatalogAI 评分2020Runway 发布 Solaris，称其为新模型家族 Interface World Models 的第一个模型，由世界模型实时逐帧生成界面并对点击、拖拽等交互作出响应，无需代码等中间表示。
推荐理由：官方完整披露了模型机制、用户研究和局限，读者可以据此理解去除中间表示后界面生成与智能体训练的路径。
Runway@runwaymlAI 评分4848
Microsoft Research@MSFTResearchAI 评分2929