阿里巴巴发布新一代基座大模型Qwen3.8-Max，总参数2.4万亿，在编程、专业工作、长程任务、多模态智能体等场景表现突出，权威榜单中位列全球第一梯队。该模型价格低廉，国内每百万Tokens输入12元、输出36元，仅为Opus 5的40%和24%。实测中，它能从零开发完整项目、交叉分析复杂文档、处理长视频，能力与性价比兼备。

商汤发布日日新SenseNova U1 Pro，这是业内首个原生统一“理解·生成·行动”的多模态智能体基座模型，支持原生8K输出，面向复杂中文、信息图、商业海报、学术设计和工业图解等高密度专业场景。实测显示，U1 Pro能准确渲染中文小字、处理超宽比例和复杂排版，直接生成可交付的高精度设计成品，如世界杯长图、城市避险指南、咖啡菜单等，旨在让AI从“画图”升级为“完成设计任务”。

NVIDIA 最近推出了视觉语言定位模型LocateAnything-3B，拥有30亿参数，支持多种视觉定位任务。其核心创新为并行框解码（PBD），显著提升了定位精度和解码速度，尤其在复杂场景下表现优异，推动了视觉定位技术的发展。

文章讨论了工业缺陷检测的三个阶段：第一阶段为CNN分类与分割，主要解决缺陷识别，但在复杂环境中效果不佳；第二阶段为异常检测与小样本学习，强调理解正常状态以识别未知缺陷；第三阶段为多模态零样本质检智能体，旨在实现零漏检和低误检，通过大模型和工艺知识库提升检测能力。未来工业检测需向第三阶段演进。

CRAB是一个跨平台多模态智能体基准测试框架，由CAMEL AI社区开发。它评估多模态语言模型智能体在跨环境任务中的表现，并提供了高效的任务和评估器构建工具。研究团队还开发了一个包含100个任务的跨平台测试数据集CRAB Benchmark-v0。实验结果显示，使用GPT-4o作为推理引擎的单智能体结构具有最高的测试点完成率。该框架为智能体评估提供了全面、灵活和贴近实际的基准测试平台。

联汇科技发布了第二代多模态智能体OmAgent，感知模块升级，速度提高20倍以上。思考决策能力提升，发布了第二代思考大模型OmChat V2，支持多种复杂输入。OmAgent框架全面开源，构建开放、丰富的智能体生态。发布了空间运营智能体和知识服务智能体，为行业用户提供助手。