《The Planning Limits of Latent World Models》揭示潜在世界模型的规划局限

论文评估了基于 V-JEPA 2、V-JEPA 2.1、VideoMAEv2、VideoPrism 和 DINOv2 的世界模型在 Meta-World 与 BridgeData V2 机器人任务中的规划能力。

Beyond Text：基于 LLM 的多模态对话维度情绪评估

该研究提出基于 LLM 的多模态对话情绪评估框架，在 IEMOCAP 上同时进行离散情绪识别和 Valence-Arousal-Dominance（VAD）维度评估，并比较 LLaMA、GPT 和 Qwen 系列的零样本、少样本提示与 LoRA 微调。

Canva 为 Meta 的 Muse 接入 AI 连接器，支持对话生成设计

Canva 宣布为 Meta 的个人 AI 智能体 Muse 接入 Canva 连接器，用户可在对话中创建设计，并使用品牌字体、颜色和素材。连接器还支持搜索设计库、导出文件，生成的 Canva 设计可继续编辑；该功能面向美国和加拿大用户开放。

沐阳@yyyoleAI 评分1818

作者在对比 Grok Bot、Muse、OpenAI 与 Cue 时表示最不看好 Cue：Grok Bot 背后有 X 和 xAI，Muse 背靠 Meta 的软硬件体系，OpenAI 手握 ChatGPT/Codex 超级入口，而 Cue 仅背靠 Manus。

ComfyUI v0.35.0 发布：新增 Comfy Compiler、Sparse Attention 与多个合作节点模型

ComfyUI 发布 v0.35.0，引入 Comfy Compiler（CORE-389）和 Sparse Attention 节点，并新增 File3DToMesh、VideoTrim、VideoCrop 等节点。

Meta 发布 Muse Glimmer：面向本地智能体的 30B 开源多模态模型

Meta 发布 Muse Glimmer-30B，这款采用 Apache 2.0 许可的开源多模态模型面向本地智能体场景。模型由 2B ViT-style 视觉编码器和 28B 文本解码器组成，并支持图像、视频输入与多模态工具调用。

Google 将 SynthID 与 C2PA 内容验证扩展到搜索、Gemini 和 Chrome

Google 宣布扩展内容透明度与验证工具，把 SynthID 的图像、视频、音频验证从 Gemini 应用扩展到搜索，并将在未来几周进入 Chrome；该验证功能已在全球被使用 5000 万次。

Replicate Intelligence #9：FLUX.1、SAM 2 与 Gemma 2 2B 等开源模型周报

Replicate 周报汇总本周开源 AI 动态：Black Forest Labs 发布图像生成模型套件 FLUX.1，含 pro、dev 和以 Apache 2.0 许可开源的 schnell 三个版本。