AX 严选 · 2026-06-01

英伟达把 Cosmos 3 定位成“首个完全开放的物理 AI 全能模型”，意思是它不光是视觉模型，还内置了视觉推理、生成 3D 世界状态和直接输出动作的能力，相当于让模型从“看懂画面”一步跨到“理解物理世界并动手干活”。这次放出两个尺寸：Super 版 320 亿参数，Nano 版 80 亿参数，小尺寸明显冲着端侧部署去的。 但正文没披露任何跑分、训练数据规模、推理延迟或硬件需求，所以“全能”到底能到什么程度、跑起来贵不贵，全是未知数。开放是开放了，可如果实际效果撑不住或者部署成本太高，这个“首个”的含金量就得打折。 还缺的东西很关键：跟上一代 Cosmos 的对比、在具体机器人或仿真任务上的成功率、以及社区能复现到什么程度。等有人跑通实测再下结论不迟。

NVIDIA 这次推的 RTX Spark 是一台面向开发者的 Windows 电脑，核心卖点是让 AI 智能体完全在本地运行，数据不出机器。硬件上给了 1 petaflops 的 AI 算力和 128GB 统一内存，这个统一内存的设计很关键，意味着跑大模型时 CPU 和 GPU 不用来回搬运数据，能省下不少显存和延迟。 安全方面，他们和微软合作搞了个叫 OpenShell 的运行时，用 Windows 新的安全接口把智能体锁在本地，这个思路对处理敏感数据的公司有吸引力。性能优化上，通过 llama.cpp 的多 token 预测等技术，Qwen 27B 模型的推理吞吐量最高翻了一倍，35B 模型提升了 60%，多 GPU 场景下也有最高两倍的提升。 不过这篇博客本质是产品发布预告，没给价格、具体配置档位和上市日期，也没说这 1 petaflops 算力是在什么精度下测的。实际到手后的散热、噪音和软件兼容性也完全没提。对想买的人来说，现在只能先看个方向，等真机评测出来再判断值不值。

英伟达正式把芯片生意从显卡和服务器延伸到了 Windows 笔记本，直接跟英特尔、AMD 正面竞争。这篇报道只确认了“推了一款新 PC 芯片”这个动作，但关键信息全是空白：没写用了什么架构、CPU 和 GPU 怎么组合、功耗大概多少，也没提 AI 推理算力有多强。定价和上市时间同样没披露。 对 AI 从业者来说，最值得盯的是这颗芯片的本地推理能力——如果能把大模型跑在笔记本上，延迟和隐私都会好很多。但眼下连跑 7B 模型能到多少 token/秒都无从判断。另外，Windows 生态里软件兼容性、驱动稳定性也是大坑，报道完全没涉及。 这条消息更像一个战略信号，说明英伟达不想只当 AI 训练卡的霸主，还要把端侧推理的入口也攥在手里。但在看到实测数据和 OEM 厂商的具体机型之前，这还只是一张入场券，不是成绩单。

M3 是目前第一个把这三样东西打包开源的大模型：编程能力在 SWE-Bench Pro 上拿了 59.0%，比 GPT-5.5 和 Gemini 3.1 Pro 都高一点，但离 Opus 4.7 还差一截。它支持 100 万 token 的上下文窗口，靠的是自研的 MSA 稀疏注意力机制——简单说就是让模型只看该看的部分，而不是把整本“书”逐字读一遍，官方说在 100 万 token 长度下，每个 token 的计算量降到前代模型的 1/20，预填充快 9 倍以上，解码快 15 倍以上。原生多模态这边，能直接吃图片和视频，在文档理解测试 OmniDocBench 上超过了 Gemini 3.1 Pro。 不过这篇博客是厂商自宣，所有跑分都来自他们自己选的基准，没有第三方复现。另外，虽然强调开源权重，但没提模型参数量、推理所需显存，也没给 API 调用价格和实际首 token 延迟，这些对想上手用的人来说比跑分更重要。长上下文在实际业务里是不是真的不卡、多模态能力在复杂场景下稳不稳，都得等社区实测才能下判断。

Qwen3.7-Plus 做了一件挺实际的事：让一个模型既能看懂屏幕上的按钮，又能敲命令行，还能在两者之间来回切换干活。这比之前那种“视觉模型管看、语言模型管想”的拼接方案更直接，延迟和错误传递理论上会少一些。在 Terminal Bench 2.0 终端任务上，它拿了 70.3 分，确实比 Opus 4.6 Max 和 DeepSeek-V4-Pro Max 高出一截，说明在命令行环境里它的操作成功率有优势。 不过，这篇博客本质上是一篇产品发布文，不是技术报告。模型参数量、训练数据、推理成本、API 定价和具体开放时间全都没提。表格里列了一堆基准分数，但像 SWE-Verified 这种软件工程测试，它反而比前代 Qwen3.6-Plus 低了 1.1 分，说明纯代码能力并没有全面提升。另外，所有测试都是在特定框架和超参下跑的，换到你的实际业务里表现会打多少折，正文没给任何消融实验或误差分析。 现在最缺的信息是：这个模型跑一次手机操作任务要花多少钱、延迟多少秒，以及它能不能在本地部署。如果成本比拼接方案低很多，那才算是真正的卖点。

GSMA 要在 MWC 上海搞一场人形机器人点球赛，宇树科技等 8 支国内团队参加，规则要求机器人自己识别球和守门员位置、决定射门角度并控制发力，不能遥控也不能跑预设脚本。这确实是个硬核测试：动态平衡、实时感知、自主决策全得在毫秒级时间里完成，比展台上走两步有说服力得多。 但文章只说了赛制和参赛名单，没提任何一支队伍目前的技术水平、硬件配置或过往测试数据。比如机器人是自带电池还是外接电源，摔倒后能不能自己爬起来，射门成功率大概在什么范围——这些关键信息全是空白。另外，比赛场地条件、光照干扰程度、球的规格是否标准化，正文也没交代。 我会把这场赛事看作一次公开的压力测试，而不是技术成熟度的证明。真正值得关注的是赛后放出的完整视频和失败集锦，那比奖牌更能说明问题。