数据来源公开信息整理 | 聚焦AI技术突破、大模型、AI Agent、多模态与具身智能第1条谷歌发布并开源Gemma 4采用无编码器多模态架构核心内容7月11日Google DeepMind发布Gemma 4系列开源模型全系采用Apache 2.0协议参数覆盖20亿至310亿。该系列的技术特点是移除了传统多模态模型中独立的视觉与音频编码器改用无编码器encoder-free架构直接处理多模态输入其中31B版本性能接近闭源前沿模型并支持在笔记本乃至手机端离线运行。技术报告已公开arXiv:2607.02770。为什么重要无编码器架构降低了多模态模型的部署复杂度与算力门槛使原本依赖云端的实时多模态推理有条件下沉到端侧设备对端侧AI应用的开发路径提供了新的参考。信息来源新智元 / Google DeepMind技术报告 | 2026年7月11日第2条英伟达发布开源模型Nemotron 3 Ultra采用混合架构核心内容英伟达发布开源大模型Nemotron 3 Ultra总参数5500亿每token激活550亿参数采用混合专家MoE架构融合Mamba-2、MoE与注意力层并引入多token预测技术。模型支持100万token上下文窗口面向复杂智能体工作流、长上下文分析和多语言推理场景优化。英伟达同步发布了预训练、后训练与量化检查点及相关训练数据集。为什么重要将Mamba-2状态空间层与MoE、注意力机制结合是当前长上下文与推理效率优化的一条技术路线配套开放训练资产有助于降低企业私有化部署与二次开发的门槛。信息来源新浪财经 / 英伟达 | 2026年7月9日第3条智谱Z.ai推出编程智能体ZCode基于GLM-5.2模型核心内容智谱Z.ai推出编程智能体开发环境ZCode底层为GLM-5.2模型采用7440亿参数的混合专家架构。据公开测试数据GLM-5.2在SWE-bench Pro上得分62.1在FrontierSWE编程基准上得分74.4。ZCode支持macOS、Windows与Linux并集成了通过即时通讯工具进行远程控制的功能。为什么重要编程智能体正从代码补全向端到端任务执行演进GLM-5.2等国产模型在编程基准上与头部闭源模型的差距收窄为开发者提供了成本更低的可选方案。信息来源AI观测室 / 证券时报 / 36氪 | 2026年7月11日第4条地平线发布并开源具身智能基座模型HoloMotion与HoloBrain核心内容在地平线技术生态大会上公司发布并开源两大具身智能基座模型运动控制模型HoloMotion与具身智能大脑模型HoloBrain。HoloMotion定位为具身智能小脑基座模型用于机器人运动控制开源了基座模型参数与配套套件HoloBrain为大脑基座模型特点是开源、轻量并支持实时推理。为什么重要大脑小脑的分层基座模型架构是当前具身智能的主流技术组织方式开源基座有助于降低机器人开发的门槛推动具身智能从实验室向工程化落地过渡。信息来源地平线技术生态大会 | 2026年7月第5条清华与蚂蚁集团、人民大学提出数据配比框架CAUSALMIX核心内容清华大学与蚂蚁集团、中国人民大学合作的研究以预印本形式发布arXiv:2607.01104。研究针对大模型预训练中数据配比难题提出CAUSALMIX框架从因果视角重新建模不同批次、不同质量数据的最优配比问题旨在解决更换数据批次后原有最佳配比失效、需重复实验的痛点。为什么重要数据配比直接影响训练效率与成本一套可迁移的配比方法论可减少反复调参的算力开销对预训练阶段的工程实践有参考价值。信息来源新浪科技 / 科技行者 / arXiv:2607.01104 | 2026年7月8日数据来源公开信息整理