Anthropic 推出 MHS 標準，首度重拳殺入物理 AI 領域
作者：故淵 責編：故淵 評論： 8 月 28 日消息，Anthropic 昨日（8 月 27 日）發佈博文，宣佈以研究預覽形式，發佈模型硬件標準（Model Hardware Standard，MHS），路透社、CNBC 等媒體解讀認為這標誌著該公司首次公開進軍具身智能與物理 AI（Physical AI）領域。Physical AI（物理人工智能 / 實體 AI）是指能夠感知物理世界、在其中執行復雜動作並持續學習的 AI 系統。傳統 AI 主要運行在數字環境中，處理文字、圖片或音頻。
而 Physical AI 擁有了一個“身體”—— 它可以是自動駕駛汽車、倉儲機器人、工業機械臂，甚至是人形機器人。和 Anthropic 此前推出的模型上下文協議（MCP）類似，MHS 本質上是一個統一的控制與通信標準，讓 AI 智能體操控具備可編程接口（Programmable Interface）的設備。例如，AI 智能體可以在幾乎沒有人工干預的情況下，同時控制顯微鏡、液體處理器、機械臂和量子計算設備等儀器，全天候自主執行工作流程。Anthropic 公司的一張圖表展示了 MHS 如何作為人工智能代理和多種設備之間的“翻譯”層。
圖片來源：Anthropic在早期全量閉門測試中，MHS 在生物醫藥、量子計算和高級製造等核心硬科技領域表現出了極強的提速能力。製藥巨頭基因泰克（Genentech）表示，通過 MHS 賦予 AI 直接操控多臺異構實驗設備的權限，讓其全自動劑量反應曲線（Dose-Response Curve）實驗的整體開發和運行速度直接縮短到原來的三分之一。
附上相關視頻如下： 投訴水文 我要糾錯 下載APP，簽到賺金幣兌豪禮 相關文章關鍵詞：Anthropic，AI，機器人商業史最龐大敘事：Anthropic 衝擊全球最大 IPO，稱 AI 潛在市場收入規模超 30 萬億美元衝擊全球最大 IPO：曝 Anthropic 招股書把美國公眾對 AI 的抵制情緒列為關鍵風險衝擊全球最大 IPO：曝 Anthropic 募資 1000 億美元，目標估值 2 萬億美元Anthropic 披露 Model 2 模型，能力略高於公開最強 AI Claude Mythos 5首次實現運營盈利：曝 Anthropic 2026Q2 營收破 115 億美元，同比增長逾 14 倍Anthropic 任命庫埃拉爾為首位全球事務官，負責應對 AI 政策
Related
相關文章
Google 開源 Harness²：遞迴代理程式框架，無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²，這是一個遞迴代理程式框架，透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言，重點很簡單：你的代理程式無需更強大的模型也能進步。重點摘要：規模為框架而非模型，訓練參數為0，包含8個可編輯的框架元件，版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv，模型呼叫則透過Vertex AI。GPU需求未公開。效能方面：一次改良步驟即可在3個基準測試中，提升所有4個模型與框架組合的表現。最佳成果：GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7（+11.5點）；最差表現：GLM-5搭配Codex在JobBench上僅提升1.2點（23.6至24.8）。什麼是Harness²？它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI：2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作，推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型（VLA）。該模型僅使用公開數據進行預訓練，並配備了輕量級的近期記憶功能。在三個分佈外基準測試中，僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊：規模：2.4B 參數（2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家）。記憶涵蓋最近 3 幀，間隔 1 秒。運行環境：在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入，編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供，暫無量化版本。性能：在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中，為公開數據預訓練的 VLA 模型中最優；在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017，DeepSWE 得分 77.0，並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017，這是其 V4.1-Flash 模型的新檢查點，現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash，並稱之為性能與成本的帕累託改進。同時，DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言，這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要：骨架參數 552B，另加 196B 的 Engram 參數；預填充階段每 token 啟用 8B 參數，解碼階段啟用 16B 參數；上下文長度達 1M tokens，最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重（763B 參數，FP8）採 MIT 授權。
2026年20款Jev替代方案：挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev，這是一款決策模型而非聊天機器人。使用者可定義允許的答案，Jev將回傳標籤、分數或是否的機率。約4週內，至少20款Jev替代方案相繼問世，來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要：規模範圍從287M（GLiNER2.5-multi-Decide）到35B-A3B（Mapika Decider），Jev規模未公開。執行環境：Von和Laya等編碼器可在CPU上運行，4B適配器適用24 GB GPU或32 GB Mac。效能：多數開源模型在困難推理上落後Jev，但在狹窄分類任務上數款與之匹敵或超越。最佳表現：Cloudflare Clef在BANKING7取得94.20分。
長鑫科技市值兩月內跌去1萬億；阿里加碼AI硬件品牌，天貓、速賣通聯動；國行版蘋果AI有望12月上線，百度、阿里參與合作丨雷峰早報
要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障！DeepSeek發放宕機補償，有人拿到3000元3.阿里加碼AI硬件品牌，天貓、速賣通聯動4.國行版蘋果AI有望12月上線，百度、阿里參與合作5.可靈AI新一代模型Kling 4.