Qwen@Alibaba_QwenAI 评分6060全部 AI 动态
- Qwen@Alibaba_QwenAI 评分6060
Qwen：Blog Retrieval精选AI 评分7272 Qwen 开源 Qwen-Image-2.1：7B 统一生成与编辑并原生支持透明图像
Qwen 团队开源 Qwen-Image-2.1，将文生图与图像编辑统一到一个模型中，视觉生成组件仅 7B 参数，并原生支持生成和编辑透明图像。模型支持最多 10 张参考图、圆形/涂鸦/独立蒙版指定局部编辑，通过混合粒度注意力架构和 KV cache 复用提升推理效率，同时改进文字渲染、人像光照与人物产品保真度，并覆盖全景图、信息图和分镜等任务。
推荐理由：官方详解了 7B 统一图像模型的透明图像生成、10 图参考编辑与推理优化，读者可据此评估在设计等场景的可用性。
MarkTechPostAI 评分6363 阿里通义Qwen团队发布Qwen3.8-LiveTranslate，实时翻译平均延迟降至2.3秒、支持60种语言
通义千问（Qwen）发布实时同声传译模型Qwen3.8-LiveTranslate，采用新的Interleave架构，平均滞后（LAAL）从2.8秒降至2.3秒，约降低18%。
IT之家·人工智能AI 评分5656 阶跃星辰发布旗舰模型 Step 5 Preview，AA 指数 44 分跻身全球开源模型前三，10 月 15 日开源
阶跃星辰发布旗舰模型 Step 5 Preview，面向 AI 编程、软件工程、专业知识和金融场景，将于 10 月 15 日开源完整权重。
IT之家·人工智能AI 评分6262 中电信发布星辰大模型 Xing4.0-29B-A4B，基于昇腾超节点训练并开源
中电信人工智能科技于 9 月 17 日发布星辰大模型 Xing4.0-29B-A4B，总参数 29B、激活参数 4B，据称是国内首个基于昇腾 Atlas 900 A3 SuperPoD 液冷超节点与昇思 MindSpore 框架完成训练的百亿参数大模型。
公众号：阶跃星辰精选AI 评分6666 阶跃星辰发布旗舰模型 Step 5 Preview，10 月 15 日开源权重
阶跃星辰发布旗舰基座模型 Step 5 Preview，采用稀疏 MoE 架构，总参数量 600B、激活 27B，支持 100 万 Token 上下文和文本与视觉输入，在 Artificial Analysis Intelligence Index 得 44 分，居全球开源模型前三，单任务成本为 Claude Opus 5 的 1/8。
推荐理由：官方完整公布架构参数、基准成绩和权重开放时间，读者可据此评估其在开源主力模型中的成本能力位置。
The Decoder：AI NewsAI 评分6969 Qwen3.8-Omni-Flash 发布，价格低于 Gemini Flash 且多模态基准相当
Qwen 发布首个面向 AI 智能体的多模态模型 Qwen3.8-Omni-Flash，可联合处理音频和视频并自主使用工具，上下文窗口达 100 万 token。
IT之家·人工智能AI 评分6464 中国电信开源全栈国产轻量级智能体大模型 Xing4.0-29B-A4B
中国电信于 9 月 17 日发布并开源新一代星辰大模型 Xing4.0-29B-A4B，总参数量 29B、激活参数 4B，原生支持 256K 上下文、可扩展至 512K，官方称是国内首个基于国产算力与国产框架完成训练的百亿参数大模型。
IT之家·人工智能AI 评分6060 SpaceXAI 发布 Grok Voice Transcribe 2.0 语音转文本模型，错误率降低约一半且价格不变
当地时间 9 月 18 日，SpaceXAI 发布 Grok Voice Transcribe 2.0 语音转文本模型，在价格不变的前提下错误率降低约一半。该模型基于 Grok Voice 底层音频基础模型构建，在 Artificial Analysis 全部 32 款流式模型中准确率居首；官方四个内部数据集评测均超越 1.0 版本。
IT之家·人工智能AI 评分6363 阿里千问发布同声传译大模型 Qwen3.8-LiveTranslate，支持原文译文同帧同出
阿里千问发布同声传译大模型 Qwen3.8-LiveTranslate，基于 Hybrid MoE 的 Thinker–Talker 双模块设计，以 Interleave 架构重构实时同传，字均延迟（LAAL）从 2.8 秒降至 2.3 秒。
Artificial Analysis@ArtificialAnlysAI 评分5555MarkTechPostAI 评分5959 Jina AI 发布 jina-ocr-v1：3.4B MoE 文档解析模型，内置投机解码面向低预算 GPU
Jina AI 发布端到端视觉文档解析模型 jina-ocr-v1，总参数 3.4B，每 token 激活约 570M，可将 PDF、扫描件、表格和发票一次转成 Markdown。
TechCrunch：AIAI 评分6868 OpenAI前研究员创办的TypeSafe发布非LLM新模型Jev，输出校准概率而非文本
OpenAI前研究员、RLHF共同发明人Almeida创办的TypeSafe AI发布基于transformer的新模型Jev，它不输出文本而是产生概率形式的校准决策。
MarkTechPostAI 评分6666 PrismML 发布 Ternary Bonsai 2 27B：5.93 GB 三值权重模型保留 Qwen3.8 27B 98.2% 的性能
PrismML 发布 Ternary Bonsai 2 27B，将 Qwen3.8 27B 转为三值权重，模型仅 5.93 GB（FP16 为 53.80 GB），Apache 2.0 开源，官方称在 20 个基准上保留母模型 98.2% 的平均分，支持文本与图像输入和 262K token 上下文。
xAI：News精选AI 评分6464 xAI 发布 Grok Voice Transcribe 2.0 语音转写模型
xAI 发布语音转写模型 Grok Voice Transcribe 2.0，称在真实场景评测中准确率是 1.0 的两倍，价格不变，在 Artificial Analysis 榜单 32 个流式模型中准确率排名第一。
推荐理由：官方给出内部评测与公开榜单数据，并用同价翻倍准确率和定价细节说明升级幅度，适合评估语音转写方案时参考。
Qwen：Blog Retrieval精选AI 评分6969 Qwen 发布 Qwen3.8-LiveTranslate 实时同传模型，LAAL 降至 2.3 秒
Qwen 发布 Qwen3.8-LiveTranslate，采用 Interleave 架构与 Hybrid-MoE Thinker–Talker 设计重构实时同声传译，平均滞后（LAAL）从上一代的 2.8 秒降至 2.3 秒。
推荐理由：官方给出了架构设计、LAAL 从 2.8 秒到 2.3 秒的数字和多语言评测结果，读者可以据此评估其实时翻译能力的实际变化。
MarkTechPostAI 评分7575 阿里 Qwen 发布 Qwen3.8-Omni-Flash：1M 上下文的全模态智能体模型
阿里 Qwen 团队发布 Qwen3.8-Omni-Flash，称其为首款围绕智能体能力构建的全模态模型，接受文本、图像、音频和视频输入并返回文本，上下文窗口为 1M tokens。
IT之家·人工智能AI 评分7474 阿里达摩院开源医疗影像 AI 模型 DAMO RADAR，可一次识别超 146 种病症并登上《科学》
阿里达摩院与浙江大学医学院附属第一医院等机构研发的通用医疗影像 AI 模型 DAMO RADAR 登上《科学》并正式开源，面向腹部增强 CT 诊断，评估覆盖 146 种病症、18 个器官，近 4 万次真实世界检查中 AUC 达 0.913。
IT之家·人工智能AI 评分6161 PrismML 发布三值量化 Bonsai 2 27B，以不到 1/9 内存保留 Qwen3.8 27B 98.2% 性能
PrismML 宣布推出三值量化版本的 Bonsai 2 27B，基础模型升级至 Qwen3.8 27B，以不到 1/9 的内存占用在综合基准测试中达到基础模型 98.2% 的分数，整体表现好于 Qwen3.6 27B。
公众号：智谱AI 评分6262 智谱上线 GLM-5.3-FlashX，推理速度最高 200 tokens/s
智谱正式推出 GLM-5.3-FlashX，在 GLM-5.3-Flash 基础上加大对 Infra 侧投入与推理优化，速度最高 200 tokens/s，算力基于 10 万张国产芯片。该模型此前曾以 Ox Alpha 之名面向开发者，官方称其长期保持同尺寸最强智能水平并具备高性价比，API 已上线，Model Key：GLM-5.3-FlashX。
IT之家·人工智能AI 评分7676 阿里发布全模态模型 Qwen3.8-Omni-Flash，支持 1M 上下文，百万 Token 图文音视频输入 0.8 元
阿里千问上线新一代原生全模态模型 Qwen3.8-Omni-Flash，可同时处理文本、图像、音频和视频输入，支持 1M 上下文。在 30 项评测上相比上一代 Qwen3.5-Omni-Plus 平均得分提升超过 26%，官方称音视频能力接近 Gemini 3.8 Flash、音频能力整体超过 Gemini 3.8 Flash。
Hacker News：AI 热帖AI 评分8383 阿里发布 Qwen3.8-Omni-Flash 全模态模型并开源 Qwen-Live Harness
Qwen 团队发布新一代原生全模态模型 Qwen3.8-Omni-Flash，支持文本、图像、音频和视频输入及 1M token 上下文窗口，核心目标是将全模态能力从内容理解推进到任务规划、工具调用与创作交付。
- Qwen@Alibaba_QwenAI 评分7373
通义千问发布 Qwen3.8-Omni-Flash，是 Qwen 首个以智能体能力为核心构建的全模态模型，支持原生音视频理解、推理和工具调用。
IT之家·人工智能AI 评分6363 Figure 发布 Helix 2.5 模型，人形机器人可自主做家务
Figure 发布 Helix 2.5 模型，让人形机器人进入从未见过的家庭后立即自主完成整理客厅、折叠毛巾和整理床铺。Figure 在全球人类行为数据集 Index 上预训练该模型，并在湾区 30 户未收集过数据的家庭中实测；Index 预训练使任务成功率从 8% 提升到 56%，相比前代 Helix 02 只用一半任务专用数据即泛化到 30 个新环境。
TechCrunch：AIAI 评分6060 PrismML 发布 Bonsai 2 27B：将 Qwen3.8 27B 压缩至 5.9 GB 可跑在 PC 上
AI 实验室 PrismML 发布 Bonsai 2 27B，将阿里开源模型 Qwen3.8 27B 压缩到 5.9 GB，内存较原版减少 9 到 10 倍，可放进 PC 甚至高端智能手机。
Rohan Paul@rohanpaul_aiAI 评分6060
引用Figure@Figure_robotToday we’re releasing Helix 2.5 We rented 30 homes in the Bay Area. The robots arrived with no additional training and started doing useful work
Figure@Figure_robotAI 评分6464Figure 官宣发布 Helix 2.5。公司在湾区租下 30 户住宅，机器人未经额外训练即开始执行有用的工作。
Qwen：Blog Retrieval精选AI 评分7878 Qwen 发布原生全模态模型 Qwen3.8-Omni-Flash，主打音视频智能体任务交付
Qwen 发布下一代原生全模态模型 Qwen3.8-Omni-Flash，支持文本、图像、音频和视频输入及 1M token 上下文窗口，29 项评测平均分较 Qwen3.5-Omni-Plus 提升超过 25%，音频输入每小时价格下降超过 98%，音视频输入每小时价格下降超过 93%。
推荐理由：官方发布同时开放 API 和开源插件与运行时，读者可以据此评估音视频智能体在剪辑、会议、实时交互等工作流中的落地方式。
SenseTime@SenseTime_AIAI 评分5353蚂蚁 inclusionAI：GitHub 新仓库AI 评分5656 蚂蚁 inclusionAI 开源 Ming-Image-0.1-Design 系列设计图像生成模型
蚂蚁 inclusionAI 在 GitHub 开源 Ming-Image-0.1-Design 系列，包含两个 6B 参数模型：Ming-Image-0.1-Design 生成 UI、信息图、海报等文字丰富的完整视觉设计，Ming-Image-0.1-Design-Layer 将平面设计图分解为可独立编辑的透明图层。
公众号：面壁智能AI 评分6565 外部团队基于 MiniCPM-o 4.5 开源全模态交互智能体 Gander，让 Agent 边干活边对话
浙江大学等高校的外部研究者以 MiniCPM-o 4.5 为基座后训练，开源了端到端全模态交互智能体 Gander，论文、数据、代码和模型全部开放。
IT之家·人工智能AI 评分7272 智谱 GLM 公开递归自我改进实践，GLM-5.3-Flash 发布
智谱 GLM 团队披露递归自我改进方向首个工程化实践，由 GLM-5.3 驱动的 Infra Agent 完成了 GLM-5.3-Flash 推理基础设施的设计、调试与优化。
IT之家·人工智能AI 评分5252 OpenAI 前 RLHF 研究者 Diogo Almeida 创办 TypeSafe AI，发布不生成文本的结构化决策模型 Jev
TypeSafe AI 于 9 月 16 日发布 System One 模型 Jev，不生成文本，仅输出 Choice、Score、Noul 三类结构化决策，输入词元定价每百万 0.042 美元，输出词元免费。
MarkTechPostAI 评分6363 Knowledgator 发布 GLiFormer：575M 参数编码器不生成 token 实现 91.10 F1 嵌套 JSON 提取
Knowledgator Engineering 发布 schema 条件化编码器框架 GLiFormer，单个模型可在推理时按标签和 schema 完成 NER、分类、关系抽取、嵌套 JSON 结构化和文本嵌入。
Google AI：DEV 作者专属AI 评分7070 Google 发布 Gemini 3.8 Live 与 3.5 Transcribe 实时语音模型
Google 在 Gemini API 和 Google AI Studio 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音模型，支持异步函数调用、视觉上下文、97+ 语言和可配置思考，Extended Thinking 版位列 Artificial Analysis 语音到语音榜单第一。