RoboScience发布Visics大模型，机器人获通用“大脑”
2026年6月24日，RoboScience正式发布通用具身大模型Visics及其VLOA核心技术架构。该模型旨在解决传统机器人在跨硬件、跨物体、跨任务场景下泛化能力弱的问题。区别于传统“动作复刻”方案，Visics将关注点从“如何动”转向“物体如何动”，提升在新硬件和新对象上的迁移性。公司采用“模拟+视频”双数据飞轮，通过自研仿真引擎RoboMirage和自动化标注流水线，将单条数据采集成本降至传统方法的不足1%，计划构建1T级高质量数据集。商业化方面，Visics重点面向超市零售、物流分拣、医疗护理等多品类操作场景，已在零售与物流等场景进入试验阶段，计划年内实现标准化机器人量产。 #RoboScience #Visics #具身智能 #大模型 #机器人 #AI #VLOA #数据飞轮
2026年6月24日，RoboScience正式发布通用具身大模型Visics及其VLOA核心技术架构。该模型旨在解决传统机器人在跨硬件、跨物体、跨任务场景下泛化能力弱的问题。区别于传统“动作复刻”方案，Visics将关注点从“如何动”转向“物体如何动”，提升在新硬件和新对象上的迁移性。公司采用“模拟+视频”双数据飞轮，通过自研仿真引擎RoboMirage和自动化标注流水线，将单条数据采集成本降至传统方法的不足1%，计划构建1T级高质量数据集。商业化方面，Visics重点面向超市零售、物流分拣、医疗护理等多品类操作场景，已在零售与物流等场景进入试验阶段，计划年内实现标准化机器人量产。 #RoboScience #Visics #具身智能 #大模型 #机器人 #AI #VLOA #数据飞轮
开源AI书签管理器Cache上线，帮助忙碌用户统一管理收藏
据产品官网介绍，Cache 是一款面向繁忙用户的开源AI书签管理器，旨在解决跨平台收藏内容分散、难以回看的问题。该工具支持从浏览器、社交应用及视频平台自动导入书签，提供全文搜索、OCR识别、去重及断链检查等功能，并通过智能分类和每日摘要推荐，帮助用户高效整理与回顾已保存内容。Cache 还支持通过 MCP 协议与智能代理集成，允许用户导出或分享收藏集。产品提供付费订阅服务，起价为每月8美元，目标用户包括读者、写作者、开发者及内容创作者。项目已在GitHub开源并收获关注。 #开源 #AI #书签管理 #生产力工具 #科技 #应用推荐 #GitHub
据产品官网介绍，Cache 是一款面向繁忙用户的开源AI书签管理器，旨在解决跨平台收藏内容分散、难以回看的问题。该工具支持从浏览器、社交应用及视频平台自动导入书签，提供全文搜索、OCR识别、去重及断链检查等功能，并通过智能分类和每日摘要推荐，帮助用户高效整理与回顾已保存内容。Cache 还支持通过 MCP 协议与智能代理集成，允许用户导出或分享收藏集。产品提供付费订阅服务，起价为每月8美元，目标用户包括读者、写作者、开发者及内容创作者。项目已在GitHub开源并收获关注。 #开源 #AI #书签管理 #生产力工具 #科技 #应用推荐 #GitHub
发布
近日，Dots & Lines 公司在 Hacker News 上展示了其实验性 AI 工具 。该工具可将用户用自然语言描述的优化问题（如员工排班、车辆路线规划、资源分配等）自动转化为基于 Timefold 框架的求解代码。它集成了交互式用户验证、AI 流水线自动修复编译错误以及一键 Docker 容器化部署等特性。Vibesolve 项目完全开源免费，面向开发者和研究者快速构建优化原型。团队表示，这一工具旨在利用大语言模型为传统优化工作流注入实际价值，同时提供面向生产级需求的企业咨询与定制服务。 #Vibesolve #AI #开源 #Timefold #优化 #调度 #排班 #开发工具 #大语言模型
近日，Dots & Lines 公司在 Hacker News 上展示了其实验性 AI 工具 。该工具可将用户用自然语言描述的优化问题（如员工排班、车辆路线规划、资源分配等）自动转化为基于 Timefold 框架的求解代码。它集成了交互式用户验证、AI 流水线自动修复编译错误以及一键 Docker 容器化部署等特性。Vibesolve 项目完全开源免费，面向开发者和研究者快速构建优化原型。团队表示，这一工具旨在利用大语言模型为传统优化工作流注入实际价值，同时提供面向生产级需求的企业咨询与定制服务。 #Vibesolve #AI #开源 #Timefold #优化 #调度 #排班 #开发工具 #大语言模型
chatbot-demo.webm
356 KB
Flama 2.0 发布：一行命令即可部署 LLM 并内置聊天界面
Flama 2.0 正式发布，为生成式 AI 提供原生支持。用户只需在终端执行几行命令，即可完成大语言模型的下载、打包和服务部署，无需编写样板代码或配置文件。通过 `flama get` 命令可从 HuggingFace 下载模型并打包为便携的 .flm 格式；`flama model run` 和 `flama stream` 支持本地交互和流式输出；`flama serve` 则直接启动生产级 HTTP API，并内置聊天界面。该框架与后端无关，同一模型文件可在 vLLM（CUDA）或 MLX（Apple Silicon）上运行。此外，本地部署的模型还可驱动代理工作流。该工具大幅降低了 LLM 服务门槛，适合快速测试和集成。 #Flama #LLM #AI #大模型 #开源 #API #聊天机器人
Flama 2.0 正式发布，为生成式 AI 提供原生支持。用户只需在终端执行几行命令，即可完成大语言模型的下载、打包和服务部署，无需编写样板代码或配置文件。通过 `flama get` 命令可从 HuggingFace 下载模型并打包为便携的 .flm 格式；`flama model run` 和 `flama stream` 支持本地交互和流式输出；`flama serve` 则直接启动生产级 HTTP API，并内置聊天界面。该框架与后端无关，同一模型文件可在 vLLM（CUDA）或 MLX（Apple Silicon）上运行。此外，本地部署的模型还可驱动代理工作流。该工具大幅降低了 LLM 服务门槛，适合快速测试和集成。 #Flama #LLM #AI #大模型 #开源 #API #聊天机器人
ParseHawk v0.1.0 发布：100% 本地化文档AI工具，支持PDF/图像提取JSON
开发者近日发布了ParseHawk v0.1.0版本，这是一款完全本地的文档AI平台，采用Apache-2.0开源协议。该工具可从PDF、图像等文件中提取JSON格式数据，基于NuMind的NuExtract3模型构建，并额外增加了约束解码功能，以确保输出符合用户提供的JSON schema。ParseHawk支持在Apple Silicon（集成预打包的vllm-metal）以及Linux+NVIDIA（配合vllm）环境下运行，适用于需要本地化、隐私友好的文档解析场景。目前该项目已在Hacker News上展示，并开放社区反馈。 #开源 #AI #文档解析 #JSON #本地化 #技术工具 #PDF #深度学习
开发者近日发布了ParseHawk v0.1.0版本，这是一款完全本地的文档AI平台，采用Apache-2.0开源协议。该工具可从PDF、图像等文件中提取JSON格式数据，基于NuMind的NuExtract3模型构建，并额外增加了约束解码功能，以确保输出符合用户提供的JSON schema。ParseHawk支持在Apple Silicon（集成预打包的vllm-metal）以及Linux+NVIDIA（配合vllm）环境下运行，适用于需要本地化、隐私友好的文档解析场景。目前该项目已在Hacker News上展示，并开放社区反馈。 #开源 #AI #文档解析 #JSON #本地化 #技术工具 #PDF #深度学习
Tokenmaxxing 时代终结，AI 真实成本危机远未到来
据泄露的财务数据，OpenAI 2024 年营收 130.7 亿美元，总成本高达 340 亿，运营亏损 209 亿，净亏损 385 亿（含一次性非现金支出）。其中仅推理服务成本就从 2024 年的 38 亿飙升至 2025 年前九个月的 86.5 亿，翻倍有余。OpenAI、谷歌、Anthropic 和 Meta 目前均以低于成本的价格出售推理服务以抢占市场份额，这种补贴依赖风投和战略资本，难以长期维持。企业端已出现反噬：Uber 在四个月内烧光了整个 2026 年的 token 预算，Salesforce 面临 3 亿美元的 Anthropic 账单。斯坦福、伯克利和 CMU 的研究揭示“价格反转现象”：近三分之一情况下，标价更低的模型实际使用成本更高，因“思考 token”消耗算力。而在一项涵盖 112 个真实企业任务的测试中，最先进模型成功率仅 41%，表明当前 AI 代理工作流的高 token 消耗并未带来相应价值。Tokenmaxxing 热潮已退，真正的成本清算尚未开始。 #AI #OpenAI #推理成本 #tokenmaxxing #企业AI #财务危机 #模型定价 #代理工作流 #前沿研究
据泄露的财务数据，OpenAI 2024 年营收 130.7 亿美元，总成本高达 340 亿，运营亏损 209 亿，净亏损 385 亿（含一次性非现金支出）。其中仅推理服务成本就从 2024 年的 38 亿飙升至 2025 年前九个月的 86.5 亿，翻倍有余。OpenAI、谷歌、Anthropic 和 Meta 目前均以低于成本的价格出售推理服务以抢占市场份额，这种补贴依赖风投和战略资本，难以长期维持。企业端已出现反噬：Uber 在四个月内烧光了整个 2026 年的 token 预算，Salesforce 面临 3 亿美元的 Anthropic 账单。斯坦福、伯克利和 CMU 的研究揭示“价格反转现象”：近三分之一情况下，标价更低的模型实际使用成本更高，因“思考 token”消耗算力。而在一项涵盖 112 个真实企业任务的测试中，最先进模型成功率仅 41%，表明当前 AI 代理工作流的高 token 消耗并未带来相应价值。Tokenmaxxing 热潮已退，真正的成本清算尚未开始。 #AI #OpenAI #推理成本 #tokenmaxxing #企业AI #财务危机 #模型定价 #代理工作流 #前沿研究