【主题】Google Gemma 4 12B 把多模态模型带到本地电脑

解读 Google 发布 Gemma 4 12B，主打文本、图像、视频和原生音频输入，并采用无编码器架构。对工程师来说，它的价值在于可以先在本地验证多模态 agent、OCR 或文档理解流程，再决定是否上更贵的云端模型。

来源 Google Blog

【主题】Meta Muse Spark 1.1 进入多模态编码智能体竞争

解读 Meta 推出 Muse Spark 1.1，并开放 Meta Model API 预览。它强调视觉转代码、工具调用和长流程执行，适合做前端原型、看图改 UI、自动化工作流等场景的选型评估。

来源 Meta AI

【主题】GitHub Copilot 接入 GPT-5.6 三档模型

解读 GitHub 开始把 GPT-5.6 Sol、Terra、Luna 放进 Copilot 模型选择器。团队以后不只是选“最强模型”，还要按任务难度、成本和权限做模型治理，例如复杂重构用高档模型，小修小补用低成本模型。

来源 GitHub Changelog

【主题】NVIDIA GR00T 1.7 接入 LeRobot，机器人训练链路更顺

解读 NVIDIA Isaac Teleop 和 GR00T 1.7 已经接入 Hugging Face LeRobot。机器人团队可以在统一的数据格式里训练、微调和部署 VLA 模型，减少从采集示范到真实机器人测试之间的工程胶水。

来源 Hugging Face Blog

【主题】LeRobot v0.6.0 强化“失败后再训练”的闭环

解读 LeRobot 新版加入世界模型策略、奖励模型 API、仿真基准和 rollout 工具。它更像一套机器人实验流水线：先让机器人尝试，再收集失败数据，最后继续改模型，适合小团队做可迭代验证。

来源 Hugging Face Blog

【主题】LingBot-VLA 2.0 开源，支持更多机器人构型

解读 蚂蚁灵波开源 LingBot-VLA 2.0，覆盖17家机器人厂商、20多种构型，并强调低延迟推理。对具身智能工程师来说，这类模型的重点不是炫参数，而是能否跨本体迁移、快速后训练，并在真实场景稳定执行。

来源 量子位