相关快讯
蚂蚁灵波开源具身操作基座模型 LingBot-VLA 2.0，5万小时真机数据破解行业痛点
LingBot-VLA系列定位为具身智能领域的“行业通用大脑”，目标是以一套通用模型解决“一脑多机”的泛化难题。其核心优势在于跨平台迁移能力，从适配单一机器人扩展到可覆盖20种本体与场景。预训练阶段汇聚2万小时高质量双臂机器人真机轨迹数据，并依托高效训练体系，在8卡GPU混合并行下实现单卡261 samples/秒的吞吐率。
3.8万小时、天价Token背后：字节如何发现Agent的 Scaling Law
字节 Seed 发布的 EdgeBench 评测显示，5 个前沿模型累计跑了约 3.8 万小时，核心结论是找到了 Agent 的 scaling law。论文指出：134 个任务的平均学习曲线可被 log-sigmoid 高精度拟合，说明 Agent 学习存在稳定的数学规律，并据此总结出公式、路径、本质和速度四个发现。
字节用3.8万小时实验发现：Agent也有Scaling Law
字节 Seed 发布 Agent 评测项目 EdgeBench，关注点不是单题对错，而是模型在真实任务环境中的长期表现：给它项目、代码库和数据，让它反复探索、犯错、修正后，看是否能在浸泡一段时间后变得更强。
美团悄然跑通万亿大模型，骑手背后的技术底牌曝光
美团悄悄发布了万亿参数大模型 LongCat-2.0，参数量达 1.6 万亿，全球能驾驭这一规模的模型屈指可数。更引人关注的是，它并非在英伟达 GPU 上训练，而是首次在五万张国产算力卡上完成全流程训练与推理。表面看像外卖平台跨界做 AI，实则反映出外卖业务背后极高的复杂度，以及美团对前沿算力和大模型能力的布局。
国产Agent上了一课：这款“爱马仕”全面超越“龙虾”
今年年初，OpenClaw曾在 AI 圈引发极高关注，迅速从 GitHub 走红到媒体和普通用户桌面，甚至被接入各种软硬件，推动 AI Agent 进入大众视野。但如今热度明显下降，主要受制于安装复杂、权限过大、运行不稳和成本难控等问题，同时也面临更强竞品 Hermes 的冲击。
“龙虾”为什么这么火？OpenClaw登顶GitHub，AI Agent时代真的来了？
OpenClaw近期以25.2万星标超越React，登顶GitHub开源项目历史第一，成为2026年科技圈最受关注的现象级产品。React曾是Meta打造的经典前端框架，长期支撑大量网站和App。OpenClaw凭借AI Agent热潮迅速走红，官方还公开嘲讽Meta只会开会，引发更多讨论。