7月7日 AI 日报：世界模型、Hy3 与具身视觉

今天的五个看点集中在两条线：一条是模型能力继续往「会做事、会优化、会看空间」推进，另一条是生成内容越来越逼真之后，检测方法也开始从二分类走向举证。

机器之心 7 月 7 日 17:31 发布的文章关注魔芯科技 MoWorld。原文标题称这是一个 Flash World Model，主打 50FPS 实时交互，并把成本降低 70%；文章摘要还提到，它不依赖高端 GPU。1

这张图是概念示意，重点不是复刻产品界面，而是把「可交互的模拟世界」这件事视觉化。

量子位 7 月 7 日 14:09 发布的文章写到，腾讯混元 Hy3 正式版总参数 295B、激活参数 21B，最大支持 256K 上下文。它的升级重点放在 Coding 和 Agent 能力上，元宝也开始支持在对话里生成 PPT、Word、Excel、PDF 和 HTML 页面。2

这类更新的看点不只是模型参数，而是产品把「对话」接到文件交付上了。

新智元 7 月 7 日 11:38 的文章介绍了蚂蚁灵波 LingBot-Depth 2.0。文章称它在行业公开数据集与私有高精度测试集中拿下 12 个世界第一，并把透明、反光、细小结构和远距离障碍物作为重点场景。原文还提到，背后的 LingBot-Vision 是面向具身智能的「空间原生」视觉基础模型，模型权重、代码和技术报告已开放入口。3

如果机器人要走出实验室，能不能看清玻璃、电线和反光地面，比会不会识别一只猫更现实。

新智元同日 14:33 的文章关注 Fable 5 在 KernelBench-Mega 中的表现。文中列出的成绩是：Fable 5 在 Kimi-Linear W4A16 混合解码任务中达到 18.71 倍，Claude Opus 4.8 为 14.4 倍，GPT-5.5 为 4.34 倍；文章还写到，Fable 5 在约 2.5 小时、55 万 token 的会话里完成优化。4

这件事值得盯住：AI 不只是在写应用层代码，也开始碰训练与推理系统的底层性能瓶颈。

新智元 7 月 7 日 11:38 的 ACL 2026 综述文章，把 AI 生成视频检测目标改写为「事实保真度验证」。文章梳理出四层框架：底层视觉线索、时空一致性、跨模态一致性、语言引导的世界级推理。5

当视频看起来越来越真，单个真假分数已经不够用。以后更需要回答：判断依据在哪里，哪一帧、哪条声音、哪个事实命题出了问题。

来源范围：量子位、新智元、机器之心微信公众号。时间口径：本期选取 2026 年 7 月 7 日已发布内容。