乐享以太大模型，让中国具身智能坐上定义席
7 月，乐享上线以太大模型官网并公开完整技术路线；8月26日，一段机器人协作收拾房间的10分钟一镜到底 Demo，在具身圈传开。
开放环境直播：
一次可被干扰的硬核测试
VLA 和 WAM ，绕不开“预测”这道坎
以太大模型：从“预测”到“求解”
信息是双向的 。 它不是“感知层→理解层→决策层→控制层”的单向管道。思考的结果流向躯体，躯体的传感器反馈回传上层认知。脑子在想的时候，身体已经在响应；身体遇到突发扰动的时候，认知也在同步更新。
时间尺度被解耦了 。 高层推理是慢的，它处理的是“擦不干净要不要换一面”这类需要认知参与的问题。而碰到外力、抓取打滑、姿态失衡这类响应，下沉到脊髓层，不走完整的高层推理。
主动感知是“能量项”，不是“功能模块”。 传统机器人是“拿到什么图像就处理什么”。而以太大模型 会自己转视角、移动机身、换观测姿态去补盲区 。 这件事在能量框架里的逻辑很清晰：信息不足意味着不确定性高，而不确定性本身就是一项能量，所以“去看一眼”是降低能量的自然解，不需要额外写一条“探索策略”。
重塑具身智能的“解题范式”
做真正懂你的“家人” 科沃斯机器人完美收官德国IFA ...
IJCAI 2026 复盘局：中国人投了最多的稿，却到不了最多的场
通用模型竟然比医疗专用模型更懂医疗？一篇 ACL 论文的两个反直觉发现 | GAIR Paper 123
ECCV 2026 开幕：李飞飞团队获时间检验奖，7000人挤爆马尔默
Yann LeCun 万字演讲：「预测像素」是伪命题，JEPA 也并非凭空而来 | ECCV 2026
AI4S青年志① | 摇瓶子的手与调参数的脑：两个95后和一场物质科学的化学反应
给 AI 一张陶罐碎片图，它能还原破裂过程吗？Minimax H3 vs Seedance 2.0 Fast 实测