HiDream-O1-World 与 HelixWorld 1.0 把世界模型推向可交互、有声音的现场，OpenRouter、办公 Agent 和机器人新品则显示 AI 正在从单次生成走向可执行场景。

全模态模型正在从“能看懂图片”走向“能把看见的内容接进工作流程”。通义千问发布Qwen3.8-Omni-Flash，支持文本、图像、音频和视频输入，拥有百万级上下文，并把规划任务、调用工具和内容创作...

阿里把 Qwen3.8-27B 放到开源社区时，最值得注意的不是又多了一个参数规模标签，而是它把多模态、长上下文和本地运行放进了同一个讨论里。一个 270 亿参数的 Dense 模型，原生支持图像和视频理...

戴森推出可视成像AI牙刷，尝试用微距摄像头识别牙缝并完成定向护理。与此同时，服装审美模型、视觉证据训练和精密装配机器人说明，垂直AI正在从生成内容走向感知细节、执行动作与验证结果。

字节开源多模态模型、Luma开放图像API、阿里PromptEcho与世界模型升温，视觉AI正从单张图片生成走向视频、游戏和可交互空间。

GPT-5.5 Instant 推向免费默认入口，Realtime API 架构公开，Claude 主动助手、多模态 API 与 AI 游戏融资同步升温，AI 竞争正在从模型能力转向入口、延迟、工作流和商业化。