RynnBrain 1.1：具身模型冲上千亿级

RynnBrain 1.1扩至122B-A10B，并把三维定位、接触点与跨机器人动作训练纳入同一套具身框架。

深度专题 FEATURES — 3

PAPER

Orbis 2把驾驶未来拆成“远景草图”和“近景细节”，让世界模型不只会生成，也更懂道路结构。

PAPER H 30

PagedWeight按显存压力给MoE专家动态降精度，为不断变长的KV cache腾出空间，同时尽量保住质量与吞吐。

PAPER

一个透明神经网络从认知地图中“试走”未来路线，为世界模型提供了低能耗的脑启发思路。

速览 BRIEFS — 8

PAPER

ToolVerse把Agent训练场扩到近422个环境、约4438种工具，开始挑战真实的长任务链。

H 5

PAPER

让大模型每秒想5次、小模型每秒控车20次，兼顾路况理解与及时反应。

PAPER

QUADS对齐训练与推理误差，让MoE强化学习稳定使用NVFP4采样。

H 4

PAPER

MotionForesight让视频模型不只看懂当下，还能预判物体未来的三维运动。

H 14

PAPER

AV-JEPA让声音与画面从训练早期共同学习，用更简洁的结构对齐跨模态信息。

PAPER

SWE-Pruner Pro让代码模型自己逐行判断工具输出该留还是该删，最高节省39%的令牌。

HF 65

PAPER

SkillCorpus整理、筛选并实测公开Agent技能，重点回答这些技能何时真有用。

PAPER

Kimi K3逼近美国前沿模型，但2.8万亿参数也把运行门槛推得更高。