本简报由自动化任务每日定时生成，聚焦 AI 技术突破、大模型创新、AI Agent、生成式 AI 与多模态 AI 五个方向，内容基于公开论文、官方技术博客与权威媒体报道整理。

第1条：Anthropic 发布 J-lens 技术，观察到 Claude Opus 4.6 内部隐藏的「J-space」

核心内容：

Anthropic 研究人员开发出名为 Jacobian Lens（J-lens）的可解释性工具，首次在旗舰模型 Claude Opus 4.6 内部观察到此前未被发现的隐藏区域，并将其命名为 J-space。J-space 中存放的是模型在正式生成答案之前，内部正在处理、关联的词语集合，相当于模型"开口前的念头"。研究发现，模型内部真实进行的计算，往往与它声称自己正在做的事情并不一致，持续监测 J-space 中浮现的词语为理解与控制模型行为提供了新切入点。

为什么重要：

J-lens 为大模型"黑箱"提供了更清晰的观察窗口，使研究者得以在训练与部署阶段对模型行为进行更细粒度的约束与校验，对提升模型可控性与安全性具有实际意义。

信息来源：DeepTech 深科技 / 麻省理工科技评论 | 2026.07.11

第2条：蚂蚁灵波发布 LingBot-VA 2.0，全球首个「具身原生」预训练 VA 基座模型

核心内容：

蚂蚁灵波于 7 月 10 日发布 LingBot-VA 2.0，这是首个从架构、数据到训练目标均为机器人量身定制的"具身原生"视频-动作（Video-Action, VA）预训练模型。该模型采用因果 DiT（Causal Diffusion Transformer）结合稀疏 MoE 主干，在双臂操作任务中成功率达到 93.6%，单 GPU 推理频率达 150Hz，并具备对未来动作的预判式控制能力，区别于传统的反应式操作。

为什么重要：

LingBot-VA 2.0 将 VA 模型的训练起点从通用视频理解前移到具身物理交互，单 GPU 即可实现高频实时推理，降低了机器人"预判式控制"的工程部署门槛，为具身智能的实时化落地提供了可复用的基座方案。

信息来源：量子位 QbitAI | 2026.07.10

第3条：港科大联合蚂蚁集团提出 WorldDirector，实现视频中多角色连续状态一致性生成

核心内容：

香港科技大学、蚂蚁集团、浙江大学与香港中文大学联合提出 WorldDirector 系统（arXiv:2607.02517，2026.07.02 发布于 arXiv），旨在解决视频生成中角色状态随镜头切换而断裂的问题。该系统将目标设定为"世界导演"，在生成过程中持续追踪场景中每个角色的运动轨迹与连续生命状态，确保无论镜头如何转动，所有角色均保持完整且连贯的状态表现。

为什么重要：

角色一致性与跨镜头状态连续性长期是多模态视频生成的核心瓶颈，WorldDirector 的控制思路为长视频、多角色叙事场景的生成质量提升提供了技术路径，对影视、广告等需要强叙事连贯性的应用具有参考意义。

信息来源：腾讯新闻 / arXiv 预印本 | 2026.07.10

第4条：Meta 发布 Muse Spark 1.1，面向智能体编程与多应用计算机使用的多模态模型

核心内容：

Meta 于 7 月 10 日发布 Muse Spark 1.1，一款面向智能体编程（agentic coding）的多模态推理模型，由 AI 负责人 Alexandr Wang 领导的团队推出。该模型在工具调用、计算机操作、编码及多模态理解方面较上一代显著提升，支持在长时间会话中保持上下文，并在脚本执行、界面直接交互与批量操作之间进行智能选择，可在极少人工干预下导航陌生界面。Meta 表示其在需要与多个第三方编程产品交互的任务中表现超过竞争对手模型。

为什么重要：

Muse Spark 1.1 将智能体能力从单一编码扩展到跨应用的计算机操作与任务编排，代表了基础模型厂商在"多应用自主执行"方向上的竞争升级，对企业级代码迁移、自动化运维等场景有直接支撑作用。

信息来源：AI 前线 | 2026.07.10

第5条：OpenAI 推出 GPT-Live 全双工语音模型，支持对话中随时打断

核心内容：

OpenAI 于 7 月 9 日正式推出 GPT-Live 新一代全双工语音模型，同步上线 GPT-Live-1 与 mini 双版本，取代原有的回合式语音交互方案。模型采用同步听录、同步输出的全双工架构，用户在对话过程中可随时打断 AI 发言，AI 能实时捕捉语气停顿并穿插附和短句，后台联动 GPT-5.5 负责深度推理与联网检索，前台维持语音对话流畅度。mini 轻量版向免费用户开放，完整旗舰能力需付费订阅。

为什么重要：

全双工架构消除了传统语音助手"说完才能回应"的交互延迟，使语音对话的自然度更接近真人交流，为通勤、实时咨询、语音创作等高频口语场景提供了更接近实用的底层能力。

信息来源：腾讯新闻 前沿快讯 | 2026.07.09

数据来源：公开信息整理（论文预印本、官方技术博客、权威科技媒体）