《AI HOT 速览：MolmoMotion、Grok 4.3 与多模态工具密集更新》 | 芝士内参

🧀芝士内参

← 返回日报

往期笔记更新关于...

← 返回笔记...

《AI HOT 速览：MolmoMotion、Grok 4.3 与多模态工具密集更新》

本期 AI HOT 汇总 MolmoMotion、Grok 4.3、Eve、HappyOyster、Claude 系列、Wolfram 15 和 Omnigent 等进展。共同线索是多模态、长上下文和智能体工具链继续扩张，同时也带来开源规范、性能优化和治理挑战。

本期文章

1 / 10

01 02 03 04 05 06 07 08 09 10

🧠 agentic reading｜1️⃣ 精准输入

导语

这是一篇 AI HOT 日报，原文本身是多条 AI 产业与技术更新的汇编。处理它的关键不是再压缩成几句趋势判断，而是把当天热点按主题全量转入：模型与多模态、智能体与开发工具、治理与企业数据、科研应用与底层推理优化、内容创作与技能工程。读者看完应能完整扫过 6 月 17 日前后的主要 AI 动作。

1. 多模态、世界模型与前沿模型继续扩张

1.1 MolmoMotion 把视频、3D 点和动作指令接到轨迹预测

MolmoMotion 基于 Molmo 2 骨干网络，输入视频帧、物体上的 3D 点标记和文字动作指令，例如“移动并旋转桌上放水果的木碗”，预测未来数秒内这些点的 3D 轨迹。
它有两个变体：MolmoMotion-AR 自回归逐步预测坐标，MolmoMotion-FM 用流匹配处理多可能性运动。同时发布 MolmoMotion-1M 数据集，包含 116 万视频的 3D 点轨迹与动作描述；PointMotionBench 则包含 2700 个人工验证视频片段。模型权重、数据集和基准测试均已开源。

1.2 Grok 4.3 进入 Amazon Bedrock，主打低幻觉和长上下文

我的笔记

✍️ 写下你的想法，自由记录即可。如果没有灵感，试着回答上方的费曼输出问题。

登录后可记笔记

登录后可保存笔记、高亮、划线和批注。

本期文章

正在读第 1 篇

01《AI HOT 速览：MolmoMotion、Grok 4.3 与多模态工具密集更新》
02《业余专家阅读清单：痴迷、重复与公共知识的另一条路径》
03《等待太阳奇迹：信仰现场、视觉效应与群体暗示》
04《火星殖民幻觉：浪漫愿景背后的工程与伦理代价》
05《未来战争已经到来：无人机、AI 与系统战争的风险》
06《词语、文学与 AI：作家为什么该把机器当成新的文字同伴》
07《查理曼的私人生活：帝国缔造者也有日常、家庭与信仰》
08《印度青年蟑螂党：网络玩笑如何变成政治抗议》
09《警察与涉黑兄弟：亲情、隐瞒和执法伦理的边界》
10《高温成为世界杯对手：极端气候如何改写足球赛程》

© 2026 芝士内参 · Curated by 读书芝士

追寻知识源头，推动认知迭代

6 月 17 日，xAI 宣布 Grok 4.3 在 Amazon Bedrock 全面可用。该模型支持 100 万 token 上下文窗口，提供 none、low、medium、high 四档可配置推理努力，并宣称在前沿模型中达到最低幻觉率。
它在 Artificial Analysis Omniscience 基准排名第一，在 Tau2 Telecom 客服智能体真实工具调用评估排名第一，在 Vals AI Case Law 和 Corporate Finance 的复杂文档理解任务排名第一。定价为输入每百万 token 1.25 美元、输出每百万 token 2.50 美元，每美元智能度被称为其他前沿模型的 2 到 10 倍。

1.3 HappyOyster 1.0 把开放世界和实时导演接到音视频生成

6 月 17 日，阿里云发布开放式世界模型 HappyOyster 1.0。它基于原生多模态架构，支持多模态输入与音视频联合生成，并能在生成过程中持续接收用户指令、实时响应画面。
官网开放“实时导演”和“世界探索”两种玩法：前者支持随时叫停改写故事、与虚拟男友实时互动等；后者支持自由漫游、滑板冲刺、翼装滑翔、骑马奔驰、攻击打怪等交互。产品已在 4 月 16 日开放内测，从即日起至 7 月 17 日官网不定期掉落体验积分。

2. 智能体框架和工具链从单体走向团队协作

2.1 Vercel Eve 用文件系统组织生产级智能体

Vercel 发布开源 AI 智能体框架 Eve，npm 包采用 Apache-2.0 许可。Eve 采用文件系统优先设计：每个智能体对应一个磁盘目录，目录结构直接映射模型、指令、工具、技能、连接、子智能体等能力，不需要额外注册代码。
Eve 内置六大生产级能力：持久执行，每步检查点且崩溃后可恢复；沙箱计算；人机审批；安全连接，支持 MCP 和 OpenAPI；多通道，覆盖 Slack、Discord、Teams 等；追踪与评估，基于 OpenTelemetry。Vercel 内部运行了上百个智能体，包括月处理超 3 万查询的数据分析工具 d0、年费约 5000 美元且回报 32 倍的自动销售代理 Lead Agent，以及支持智能体 Vertex。

2.2 Omnigent 把 Claude Code、Codex、Cursor 和自定义智能体放进同一会话

Omnigent 的判断是：编程的未来不是单一智能体，而是完整 AI 团队。它允许在一个实时会话中运行 Claude Code、Codex、Cursor、Pi 和用户自己的智能体。
该项目是面向 AI 智能体的元框架，基于 Databricks 内部开发工具构建，并已开源。它由 Matei Zaharia 和 Databricks AI 团队打造，原文特别强调 Matei 仍写大量代码，包括 Omnigent 和产品前端。

2.3 Claude Design、ARD 和 A2UI/MCP 都在补齐智能体生态接口

6 月 17 日，Claude Design 更新：支持跨项目统一设计系统，并与 Claude Code 同步工作流；用户可拖拽、对齐、缩放画布元素，编辑器稳定性提升。设计系统可从 GitHub、设计文件或原始上传导入，管理员可锁定标准系统。新增桌面端侧边栏入口和独立网页端 claude.ai/design，支持导出 PDF、PPT，集成 Adobe、Canva、Gamma 等工具，发布首周用户超 100 万。
Agentic Resource Discovery，简称 ARD，是用于在 Web 上发布、发现和验证 AI 工具、技能与智能体的开放规范。组织在自有域名托管 catalog，registry 像搜索引擎一样索引 catalog 并响应发现请求；ARD 支持加密验证，让客户端连接前确认发布者身份。Google Cloud 的 Gemini Enterprise Agent Platform 已通过 Agent Registry 提供企业级支持，包括 URN 命名、出站策略、工具固定和基于 Agent Identity 的信任验证。
Google 还分享了三种集成 A2UI 与 MCP Apps 的架构模式。A2UI 用 JSON payload 声明 UI，由宿主原生渲染，保证一致性和安全性；MCP Apps 用 iframe 和标准 Web 技术提供自定义界面，但有设计碎片、性能和安全挑战。三种模式包括通过 MCP 服务器提供 A2UI、用 MCP Resources 或 Tool 调用传递 JSON，以及静态与动态交付方案。Google 正考虑扩展 MCP 以原生支持 A2UI。

3. 基础软件、数学系统和推理优化继续演进

3.1 Wolfram 语言与 Mathematica 15 加入 AI 助手和大规模数据能力

Mathematica 诞生近 38 年后，Wolfram 语言与 Mathematica 发布 Version 15。每个笔记本内置 AI 助手，并支持从 AI 环境中直接调用 Wolfram 技术。
新版加入符号音乐系统、大规模时间序列与事件序列处理、分类数据计算、模型拟合超函数 ModelFit；笔记本支持千兆字节级大小和实时查找，首次引入侧边栏、视觉主题和弃用功能样式。它还强化了表格连接、多点可视化、图形刻度、轨道运行计算、WebSocket 实时连接和 Python 交互；DSolve 在偏微分方程曲线坐标求解上获得 AI 方法辅助，并扩充矩阵分解、多元 zeta 函数、调和数和流线型部分分式分解。

3.2 SGLang-JAX 在 TPU v7x 上优化 Ling-2.6-1T 推理

SGLang-JAX 已支持 inclusionAI 的 Ling-2.6-1T 在 TPU v7x 上高效推理。该模型是 1T 稀疏 MoE，63B 激活参数，256 路由专家，top-8 路由并带共享专家。
团队开发 Fused MoE V2，把 scatter、专家前馈网络和 gather 融合进 Pallas 核，通过隐藏 MoE 数据移动降低延迟：预填充从 5.16ms 降至 2.42ms，下降 53%；解码核从 0.249ms 降至 0.211ms，约降 15%。仅替换 MoE 核即让预填充吞吐提升 24.8%，解码吞吐提升 18.5% 到 35.3%。在 SGLang 解码基准中，16 块 TPU v7x 输出吞吐达到 16 块 H200 GPU 的 1.29 倍到 1.x 倍区间。

3.3 “苦涩教训”的下一步是让训练目标也进入更高效控制环

Richard Sutton 的“苦涩教训”通常被理解为：不要在 AI 系统中过多编码人类知识，最终胜出的是能吸收更多算力和数据的一般方法。现代基础模型预训练似乎验证了这一点：通用架构、海量数据、简单自监督目标，例如语言模型预测下一个 token，视觉模型重建掩码块。
但原文指出，训练目标仍由人类在训练循环之外选定。人们完成一次大规模预训练后评估下游表现，再调整方案重新运行，这个控制环路非常粗糙。相关论文探讨能否让这一环路更高效。

4. 医学、化学和黑客马拉松展示模型进入专业工作流

4.1 Google AMIE 从单次诊断走向长期疾病管理

《自然》杂志发表的研究展示 Google 医学推理系统 AMIE，也就是 Articulate Medical Intelligence Explorer，从单次诊断对话扩展到长期疾病管理的能力。
AMIE 利用 Gemini 模型长上下文能力，整合共情对话智能体和深度思考管理推理智能体，可交叉引用数百页临床指南。在盲测中，AMIE 与 21 名初级保健医生相比，整体管理推理匹配临床医生，并在计划精确性和指南一致性上得分显著更高。

4.2 GPT-5.4 接入 Maria，优化 Chan-Lam 偶联反应

OpenAI 将 GPT-5.4 接入 Molecule.one 的自主化学智能体 Maria，用于优化药物化学中的 Chan-Lam 偶联反应。GPT-5.4 独立识别伯磺酰胺为高价值挑战性底物，并建议使用 TEMPO 等温和氧化剂。
经两轮实验，88% 的硼酸和 83% 的磺酰胺底物产率提升，平均产率从 16.6% 升至 25.2%，产率超 30% 的反应占比从 15.6% 增至 37.5%。人类化学家后续验证 14 对底物中 11 对产率提高，多数提升超过两倍。

4.3 Anthropic 黑客马拉松展示 Opus 4.8 的原型能力

6 月 13 日，Anthropic 在旧金山举办 12 小时黑客马拉松，310 名参与者使用 Opus 4.8 和 500 美元 credits 完成原型。
第一名 Tekton 输入历史建筑照片后，让 Claude 自动搜集图纸等资料，跨 339 个施工步骤重建 3D 模型，每个构件附带证据链，自纠循环反复检查直到 20 项测试全部通过。第二名 Sim Francisco 用美国人口普查数据生成 10000 名合成市民，各具独立世界观并实时对新闻投票，用于预测选举结果。第三名 Custom Universe 用手机拍摄物件照片，Opus 4.8 将其转为可拖放、实时渲染的 3D 物体，并支持文本指令重设风格。

5. 产业数据、治理组织和安全护栏显示 AI 进入制度层

5.1 Databricks、Snowflake、Salesforce 的 AI 收入对比

Databricks 年化经常性收入达到 69 亿美元，同比增长 80%；同期 Snowflake ARR 约 53 亿美元，增速 34%。两者差距从 3 月的 4.9 亿美元扩大到 16 亿美元。
Databricks AI 产品年化收入 17 亿美元，占总 ARR 的 25%，六个月前为 10 亿美元。Salesforce 以 36 亿美元收购 Fin，其 AI 智能体年收入 1 亿美元，同样约占 25%，同比增长 350%。Databricks 私人估值 1340 亿美元，80% 增长率超过 CrowdStrike 的 26% 和 Shopify 的 34%。

5.2 中国推动世界人工智能合作组织和全球治理行动计划

中国正加紧筹建世界人工智能合作组织，欢迎各方加入。2025 年 7 月 26 日，中国政府倡议成立该组织，定位为践行多边主义、推动共商共建共享全球治理的机制，目标是弥合数字和智能鸿沟，促进 AI 向善普惠发展，初步考虑总部设在上海。
同日，2025 世界人工智能大会发表《人工智能全球治理行动计划》，呼吁各方遵循向善为民、尊重主权、发展导向、安全可控、公平普惠、开放合作原则，共同推进全球 AI 发展与治理。

5.3 生成式 AI 安全护栏困境继续显形

原文最后提到，特朗普要求 Anthropic 完成“不可能任务”，暴露生成式 AI 安全护栏的根本困境。Gary Marcus 早在 2024 年 1 月就指出，任何护栏都很难在过严和过松之间取得平衡。
现在这一判断被用来说明：基于 next-token predictor（下一个 token 预测器）的大语言模型本质上不适合做强安全控制。选择要么是限制 LLM 直到出现更好技术，要么承受后果；这不是 Anthropic 一家公司独有的问题，而是整个生成式 AI 的挑战。

6. 内容创作、技能工程和独立分析生态也在更新

6.1 skills v1 与 baoyu-design 分别优化提示流程和视频导出

Matt Pocock 开源 skills v1，将技能描述 token 成本降低 63%。工具包把技能分为模型可调用和用户可调用，新增 /codebase-design、/domain-modeling、/grilling，重写 /writing-great-skills，将 /diagnose 更新为 /diagnosing-bugs 并改为模型可调用，还新增 /ask-matt 路由技能，帮助 AI 判断何时触发合适工程流程。主推文评价它把 prompt 从咒语拆解为纪律性流程。
baoyu-design 新增动画视频导出功能。其声明式动画引擎基于 f(t) 设计，任意时间点 t 都能绝对确定画面状态；导出用无头 Chromium 逐帧截图加 ffmpeg 编码，每帧等待两帧 requestAnimationFrame 确保渲染完成。截图以 2 倍 DPR，也就是 3840×2160，再缩回 1080p，95 秒 30fps 动画需要 2850 次截图循环。项目 MIT 开源，获 1.2K star，此前已支持 PPT 本地生成和导出可编辑 PPTX。

6.2 Nathan Lambert 更新 Interconnects 的定位

Nathan Lambert 在 Interconnects 博客创办约三年后更新规划。他的三大目标是：为前沿模型演进提供清晰度，创建开放模型生态，建立支撑机构。
博客定位为原始、高辨识度的独立声音，避免成为全职分析平台。他披露与 Arcee AI 和 Mercor 签署咨询协议，用于深入后训练领域并推动透明评测与开放生态。订阅者突破 7 万，付费约 900 人；运营实体 Interconnects AI, LLC 已成立，但银行账户数月余额接近零，收入再投入业务，近期不打算全职运营。

思想框架

这篇 AI HOT 日报先集中呈现模型能力扩张：MolmoMotion 的 3D 轨迹预测、Grok 4.3 的长上下文和低幻觉、HappyOyster 的实时开放世界生成；随后转向智能体生态，从 Vercel Eve 的文件系统智能体、Omnigent 的多智能体团队，到 Claude Design、ARD、A2UI 和 MCP 的接口标准化；中段进入基础软件与底层性能，包括 Mathematica 15、SGLang-JAX 的 MoE 推理优化和“苦涩教训”训练目标控制环；再用 AMIE、Maria 和 Anthropic 黑客马拉松说明模型进入医学、化学和原型开发；最后落到制度与产业层：Databricks 与 Salesforce 的 AI 收入、中国全球治理组织、安全护栏困境，以及 skills v1、baoyu-design、Interconnects 这样的工具和内容生态更新。整体脉络是：AI 正从单个模型发布，扩展为智能体框架、专业工作流、治理接口和商业收入共同推进的系统性基础设施。

AI HOT 日报 2026-06-18

AI HOT · 2 mins

Beta Free

注册芝士内参，免费阅读全部文章

内测期全部免费开放，正式版 ¥9.9/月 · ¥99/年。