新模型
MiniMax M3正式上线：SWE-Bench Pro跑出59%，1M上下文/多模态/Coding三合一
MiniMax于6月2日发布M3模型，采用新型稀疏注意力机制MSA，在1M上下文下每token计算量压缩至上代的1/20，decoding加速超15倍。SWE-Bench Pro达59%，超过GPT-5.5和Gemini 3.1 Pro，接近Opus 4.7。M3支持原生多模态（图文混合训练，预训练数据100万亿token）和Agent能力，是国内首个将长上下文、多模态、Coding同时做到的开源模型。同步推出MiniMax Code，对标Claude Code。
新模型
阿里发布Qwen3.7-Plus：Vision Arena跻身全球前五、中国第一
6月2日，阿里巴巴发布千问3.7系列多模态大模型Qwen3.7-Plus，文本和视觉能力大幅提升，在Vision Arena中跻身全球前五、中国第一。实现多模态混合智能体突破，将"看、想、写、做、验"整合进统一智能体工作流，支持一键复刻手机APP应用和桌面端专业软件。已上线阿里云百炼提供API服务。
🔥
字节跳动开源Bernini：AI视频编辑先理解再动手，DiT配"大模型军师"
字节商业化技术团队开源统一视频生成与编辑框架Bernini，采用"语义规划+视觉渲染"两阶段架构：MLLM planner先理解指令和视觉参考，DiT renderer再生成高质量画面。支持天气/季节/材质/风格编辑、焦点/视角/动作控制、多角度参考生成、场景关键帧到连续镜头等。推理代码和权重已开放。
NEW
OpenSquilla发布Meta Skill：元Skill机制上线，Token成本节省60-80%
GitHub新晋热门仓库OpenSquilla发布Meta Skill（元Skill），一个Meta Skill内嵌多个原子Skill实现端到端长程Workflow。内置智能模型路由，同任务Token成本比龙虾省60-80%。含9个封装Meta Skill（如儿童项目规划、Meta Skill创建器等），可自动匹配最优模型——简单任务用DeepSeek省钱，复杂任务调用大模型，并配有路由"老虎机"可视化动画。
🔥
Anthropic秘密提交S-1招股书，估值9650亿美元，最快Q4上市
6月1日，Anthropic向SEC秘密提交Form S-1草案。Series H融资650亿美元，投后估值9650亿美元，领投方为Altimeter Capital、Dragoneer、Greenoaks和Sequoia Capital。年化收入从2月140亿美元飙升至5月470亿美元，核心驱动力是Claude Code（2月年化收入跑道已达25亿美元）。CEO Dario Amodei表示"一年后收入超过OpenAI的可能性非常大"。操盘律所为操盘Google 2004年IPO的Wilson Sonsini。
NEW
Suno获4亿美元D轮融资，估值54亿美元，Bond Capital领投
AI音乐生成公司Suno完成4亿美元D轮融资，投后估值54亿美元。由"互联网女皇"玛丽·米克尔创办的Bond Capital领投，IVP、合广投资、Lightspeed等跟投。7个月估值翻倍（前轮24.5亿美元）。订阅用户超200万，年化ARR达3亿美元。已与华纳音乐达成版权授权和解，计划2026年底扩员最多70%。
IPO
美股AI御三家冲刺IPO：SpaceX/OpenAI/Anthropic同年上市，合计估值近4万亿美元
SpaceX预计6月12日纳斯达克挂牌（目标估值1.75万亿美元），OpenAI最快9月亮相（目标估值8520亿美元），Anthropic最早Q4（近万亿美元）。三家合计目标估值逼近4万亿美元，接近日本全年GDP。国内方面，智谱（港股市值超8000亿港元）、MiniMax已上市，月之暗面估值突破200亿美元，DeepSeek投前估值450亿美元。
融资
智谱孵化星源智：成立10个月融资10亿，做机器人"世界模型大脑"
北京智源研究院孵化的具身智能公司星源智（成立仅10个月）完成10亿元融资，投资方含松禾资本、创东方、中车资本、北工投资等。不做机器人硬件，专做"世界模型大脑"——让机器人在行动前先模拟。软硬一体方案覆盖70%以上头部具身智能公司，成为英伟达Jetson Thor平台全球最大出货商。
🔥
李飞飞亲自下场定义世界模型：渲染、模拟、规划，三大功能边界消融
李飞飞发布长文正式划分世界模型三大功能：渲染器输出视觉观察（如Genie 3、World Labs RTFM），商业最成熟但无法用于物理场景；规划器输入观察输出动作（VLA模型），最吸引资本但受限于实验室环境；模拟器输出可计算可交互状态，是连接渲染和规划的桥梁，但训练数据比互联网视频少几个数量级。三类模型正在融合，逻辑终点是一个统一的世界模型——既能渲染照片级视图，也能生成物理准确结构并规划行动序列。
评测
跨维智能DSCFuncWorld登顶WorldArena Track 2，世界模型榜首易主
WorldArena公布最新榜单，跨维智能DSCFuncWorld登顶Track 2（Data Engine）全球第一，显著领先WoW、BLM等国际模型。Track 2以机器人实际任务成功率为核心评判标准。DSCFuncWorld属于Dex系列模型，采用因果隐空间建模和DINO语义特征空间，依托EVA逆动力学对齐技术和EmbodiChain数据基建。
学术
百度PaddleOCR-VL-1.6：文档解析准确率突破96.33%，刷新SOTA
百度文心发布PaddleOCR-VL-1.6，文档解析准确率突破96.33%刷新SOTA。已上线PaddleOCR官网支持网页端和API调用，在复杂文档（表格、公式、多栏布局等）场景下表现突出，是OCR+大模型融合方向的重要进展。
IPO
AI公司IPO潮开启，公开市场首次系统性检验AI财务模型
随着三巨头密集冲刺IPO，公开市场将首次系统性检验AI公司财务：OpenAI今年Q1每赚1美元亏1.22美元，Anthropic年化收入3个月翻3倍至470亿美元，SpaceX 2025年净亏损49亿美元。三大公司上市后将受SEC持续监管，从"技术叙事"切换为"财务叙事"，被视作AI行业从烧钱换增长转向盈利验证的关键节点。
人才
OpenAI挖走中科大少年班校友：12岁上大学的哈佛最年轻正教授
OpenAI近期挖走中科大少年班校友，该科学家12岁上大学、曾任哈佛大学史上最年轻正教授，专注理论物理方向。同期还挖走苏炜杰。此举显示OpenAI在模型底层科学方向的研发投入加速，AI人才争夺战从应用层蔓延到基础科学。
🔥
扣子3.0发布：手机远程控制电脑Agent，构建多Agent项目协作系统
字节跳动扣子（Coze）3.0发布，核心升级：手机端可远程遥控电脑端Agent处理本地文件；@一键调用多个角色Agent协作（选题写作、产品设计、前端开发等）；支持接入Claude Code、Codex CLI等本地Agent；新增编程项目、视频项目、行业技能包（自媒体、法律、金融、医疗等）。跨端打通后，Agent从"对话式"升级为"项目化协作系统"。
具身智能
卧安机器人OneModel 1.7：用「隐式通路」打通具身智能关键断层
卧安机器人发布OneModel 1.7，核心创新是通过"隐式通路"（在潜在空间中完成信息传导）打通从视觉理解到动作执行的具身智能断层。方案在潜在空间完成环境感知到运动规划的信息传导，提升机器人非结构化环境适应能力，是世界动作模型方向的重要工程进展。
趋势观察一：AI公司IPO元年正式开启，行业进入"公开市场验证"阶段
Anthropic递交招股书标志着2026年真正成为AI公司集体IPO元年。三家巨头（SpaceX、OpenAI、Anthropic）合计4万亿美元估值的猜想，让整个行业站在了历史转折点上。小一涵认为，一个更深层的变化正在发生：从"技术叙事"到"财务叙事"的切换。过去5年AI公司靠跑分和技术发布会讲故事，但从今年开始，每个季度都要向全球投资者证明收入和盈利能力。Anthropic 3个月年化收入从140亿翻到470亿，背后是Claude Code等产品找到了真实市场；但OpenAI赚1美元亏1.22美元的现实也说明盈利模式远未成熟。谁能在技术领先和商业可持续之间找到平衡，谁才是真正的赢家。
趋势观察二：世界模型加速落地，但概念泛滥需警惕
本周"世界模型"成为最热关键词——李飞飞亲自下场定义、跨维智能登顶WorldArena、智谱孵化的星源智获10亿融资、字节Bernini的3D场景连续性……多方力量同时涌入这一赛道。小一涵认为，李飞飞的三分类（渲染/模拟/规划）来得正是时候。目前行业里"世界模型"标签被严重滥用：很多视频生成模型只是渲染器级别，却被包装成世界模型。真正有壁垒的是模拟器和规划器——它们需要海量3D标注数据和物理一致性验证，这正是跨维智能和星源智等公司切入的方向。预计2026下半年，行业将进一步分化：视觉渲染类世界模型将快速商品化，而能真正驱动机器人训练和物理世界交互的"模拟器+规划器"类模型，将成为新的估值高地。