#多模态

蚂蚁 inclusionAI 开源 6B 图像生成与编辑模型 LLaDA-Image

蚂蚁 inclusionAI 发布开源统一图像生成与编辑模型 LLaDA-Image，参数量 6B，含 50 步 Base 版和经 Twin-DMD 蒸馏的 4 步 Turbo 版，支持文生图、VQ 条件生成、参考图编辑和中英文文字渲染。

Google Gemini@GeminiApp· 06:58AI 评分5353

使用 Gemini Omni 1.1 Flash 加速你的故事创作。🏎️ 现在，你可以通过创建或上传视频，然后让 Gemini 从上次结束的地方继续扩展场景，从而构建更长的故事或开拓新的创意方向。

Cohere 发布 Parse 5（parse-v5.0）：2.3B 视觉语言模型，将企业文档转为 Markdown

Cohere 发布文档解析模型 Parse（parse-v5.0），基于 North-Micro-Vision-Instruct 架构，拥有 2.3B 参数、8,192-token 上下文窗口和约 4.6GB 体积，可将 PDF、PPT、JPEG 页面直接转为含 HTML 表格和边界框坐标的 Markdown，无需独立 OCR 阶段。

Google Earth AI 推出行星预测引擎 PPE：自动完成地理空间建模全流程

Google Earth AI 推出实验性研究能力"行星预测引擎"（PPE），可自主完成从数据发现到模型训练评估的完整地理空间建模流程，将原本需数周的人工建模缩短至数分钟。

Logan Kilpatrick@OfficialLoganK· 00:59AI 评分5454

很高兴将 Gemini Omni Flash 1.1 带给世界，这是对我们“任意输入、任意输出”世界模型的更新。它现在支持： - 360p 草稿、4K 上采样器 - 扩展时最多 10 秒的视频上下文 - 以 10 秒为增量进行视频扩展 - 视频参考

Google AI@GoogleAI· 00:30AI 评分6161

Google 发布多模态视频生成与编辑模型 Gemini Omni 1.1 Flash，支持 4K 超分、首尾帧控制及快速 360p 草稿。最大升级是场景扩展：基于原视频 10 秒上下文进行扩展，远超 Veo 的 1 秒，带来更强一致性与更长叙事。

Adobe Photoshop 推出“AI 辅助编辑器”测试版：基于提示词的全新图像编辑模式

Adobe 为 Photoshop 新增“AI 辅助编辑器”测试体验，采用基于自然语言提示词的编辑方式，提供简化版界面，支持提示词编辑、移除背景、生成式填充等功能。该模式兼容 FLUX 2 Pro、Gemini 3.1、GPT Image 2 等模型，并新增基于提示词的蒙版编辑与非破坏性图层光线调整工具。AI 辅助编辑器已以测试版形式开放，其余功能即日起陆续提供正式版支持。

英国实施全球首例 AI 实时辅助脑外科手术，成功切除脑部肿瘤

英国贝德福德郡48岁的里斯·希伯特成为全球首位在AI实时辅助下接受脑部手术的患者，伦敦大学学院医院医生成功切除其11mm垂体良性肿瘤。手术中AI实时分析内镜画面并追踪器械位置，标出血管和神经分布及相对安全的切除位置，帮助医生避开关键结构。该AI由伦敦大学学院研究人员开发，获英国国家卫生与护理研究院和谷歌资助，目前团队正筹备更大规模临床试验。

X.PIN@thexpin· 18:54AI 评分5656

智谱于8月26日开源GLM-5.3-Flash，这是GLM-5系列首个原生多模态模型。其线上流量完全运行在10万颗国产芯片上。发布前，匿名“Ox Alpha”模型在OpenRouter和OpenCode上处理了62T token——同样使用中国硬件。据报道，供应商可能包括华为、海光和摩尔线程。该模型在Artificial Analysis上得分为57，与Claude Opus 4.8持平，而成本仅为GLM-5.3的十分之一。开放模型、国产算力、全球需求。

GLM-5.3-Flash 发布：3200 亿参数、百万上下文，成本仅为 GLM-5.3 的约 1/7.5

Z.ai 发布 GLM-5.3-Flash，3200 亿总参数（180 亿激活）、百万 token 上下文窗口，MIT 许可开源。该模型在 Intelligence Index 上得 57 分，接近 GLM-5.3 的 60 分，但每任务成本仅 0.09 美元，约为后者的 7.5 分之一。该模型全程运行于国产 AI 芯片，Z.ai 自研服务软件实现了与 Nvidia GPU 相当的性能。

实测智谱GLM-5.3-Flash：把DeepSeek逼进斩杀线

智谱GLM-5.3-Flash与DeepSeek V4 Flash同日发布，输入0.8元/百万Token、输出2.8元/百万Token。Artificial Analysis数据显示，GLM-5.3-Flash以$0.045/57分卡在前沿线，DeepSeek V4 Flash贵一倍还低6分；14项benchmark对打中GLM赢11项，视觉端六项全赢，最大差距约40%。

小鹏 X-Foresight 预测世界模型首次上车，可预判未来 6 秒交通参与者行为

小鹏在第二代 VLA 全新版本体验日宣布 X-Foresight 预测世界模型首次上车，可预判未来 6 秒周边交通参与者的可能行为，并引用 Flow Matching 预测多种未来。第二代 VLA 还引入 Infini-VLA 长时序架构，可记忆前 30 秒世界，并采用 MoT 混合架构减少场景任务干扰。模型推理效率同步提升，端到端响应提速 300%，实现“边看、边想、边行动”的并行处理。

小鹏第二代 VLA 全新版本发布：Master Agent 超级智能体上车，支持语音控制靠边停车

小鹏在今日的物理 AI 分享活动中推出第二代 VLA 全新版本，并首次上线 Master Agent 超级智能体，实现 VLA 与 VLM 驾舱融合。Master Agent 基于自研 Omni 全模态模型，可将用户意图拆解为任务并调度智驾、底盘、座舱等垂直 Agent 协同执行。官方演示了语音控制靠边停车及通过模糊门店描述规划行程等功能。

Ai2 与 Providence Swedish Cancer Institute 合作将 AutoDiscovery 应用于癌症研究

Ai2 宣布与 Providence Swedish Cancer Institute 旗下的 Paul G. Allen Research Center 合作，将 AI 科学发现平台 AutoDiscovery 应用于癌症研究数据集。

Qwen@Alibaba_Qwen· 14:37AI 评分5050

Qwen3.8-Flash 现已上线 @OpenRouter！⚡ 编程助手、智能体工作流、长视频理解，一个 API 调用即可全部实现。

阿里云下调百炼平台 Qwen3.8-Flash 大模型计费单价

阿里云宣布自 2026 年 8 月 27 日 12:00:00 起，下调百炼平台 Qwen3.8-Flash 模型计费单价，输入从 ￥1.00 降至 ￥0.80，输出从 ￥3.00 降至 ￥2.70。该模型为千问最新多模态大模型，原生支持百万级上下文窗口，兼容 OpenAI 与 Anthropic 接口协议。目前 Qwen3.8 系列三大尺寸模型均已上线千问 AI 平台提供 API 服务。

Qwen3.8-Flash-Next 发布：Qwen 开源多模态 MoE 模型，提前预览 Qwen4 架构

Qwen 发布开源多模态 MoE 模型 Qwen3.8-Flash-Next，作为 Qwen4 架构的早期预览。模型总参数 125B，仅激活 6B 参数，带来显著性能提升。作者已在 DGX Spark 上通过 Unsloth 量化版本试用，包括 72.5GB 的 UD-IQ1_S 和 78.9GB 的 UD-Q2_K_XL 版本。

智谱发布GLM-5.3-Flash，匿名模型OX Alpha正式亮相

智谱正式发布GLM-5.3-Flash，即此前在OpenRouter和OpenCode上爆火的匿名模型OX Alpha。该模型为总参数320B、激活18B的MoE架构，是GLM-5系列首个原生多模态模型，支持图像、视频和文本输入，原生上下文100万。

OpenRouter@OpenRouter· 06:07AI 评分5050

来自 @Alibaba_Qwen 的 Qwen3.8 Flash 现已上线 OpenRouter。 这是一款多模态推理模型，适用于编程助手、智能体工作流、视觉理解、代码库与文档分析、桌面交互、图表及长视频处理。 https://openrouter.ai/qwen/qwen3.8-flash

Z.ai 发布 GLM-5.3-Flash：320B-A18B 原生多模态 MoE，支持 100 万 token 上下文

Z.ai 发布 GLM-5.3-Flash，这是 GLM-5 系列首款原生多模态模型，320B 总参数、18B 激活参数，支持 100 万 token 上下文和图像/视频输入，权重以 MIT 许可开源在 Hugging Face。

Google 推出 GlucoFM：面向连续血糖监测的双流基础模型

Google 发布自监督基础模型 GlucoFM，采用双流设计分离血糖的慢速基线趋势与短期波动，并保留时间与缺失信息。在四个队列、七项临床任务共 14 组评估中，其 PR-AUC 平均比表现最好的 GluFormer 变体高 5.8 个百分点，并在餐后血糖响应预测中取得最低 MAE。模型基于 109,066 小时无标注 CGM 数据预训练，跨数据集迁移与少样本适应表现最佳。

Rohan Paul@rohanpaul_ai· 03:18AI 评分5050

Perceptron 发布开源具身基础模型 Isaac 0.5，这是一个 36B 参数动态 MoE 模型，通过扩展无动作视频将遥操作需求降低 210 倍。该模型可输入摄像头图像/视频、人类指令和机器人当前状态，输出物体位置、任务进度或下一步动作，既能微调后直接控制机械臂，也可仅用于感知。

Google AI@GoogleAI· 01:30AI 评分5959

Google 推出 Gemini 3.5 Transcribe 语音转写模型，支持 85+ 语言，可自动过滤语气词、格式化非结构化语音，并结合屏幕上下文执行语音指令。该模型还能利用多模态能力将杂乱语音输入和本地文件直接转为邮件草稿。

Agnes AI 发布 Agnes 2.5 Pro Beta，Artificial Analysis 智能指数达 49 分

Agnes AI 发布 Agnes 2.5 Pro Beta，在 Artificial Analysis Intelligence Index 得分 49，比 Agnes 2.5 Pro Alpha 的 40 分提高 9 分，接近 Gemini 3.5 Flash（high，52）和 GPT-5.6 Luna（max，52）。

Cohere 发布企业文档解析模型 Parse

Cohere 发布面向企业文档的视觉语言模型 Parse，可将多模态文件转为结构化 Markdown，支持表格、图片理解和 9 种主要语言。

Unsloth AI@UnslothAI· 23:45精选AI 评分8181

Unsloth 推出 Qwen3.8-Flash-Next 的 GGUF 量化版本，称该 125B MoE 多模态模型性能超过 Claude-Opus-4.6 (Max)，可在 75GB RAM 上本地运行，无需 GPU VRAM。

Qwen@Alibaba_Qwen· 23:37精选AI 评分8484

通义千问发布 Qwen3.8-Flash，一款多模态 MoE 模型，作为 Qwen4 架构的早期预览并开放权重。该模型总参数 125B，每 token 仅激活 6B，训练成本仅为 Qwen3.7-Plus 的 1/9，性能全面超越后者。生产版 API 定价 $0.16/1M 输入 tokens 和 $0.47/1M 输出 tokens，原生上下文 262K，可扩展至 1M。

阿里 Qwen 团队发布 Qwen3.8-Flash-Next：125B 多模态 MoE 模型，仅 6B 参数激活，预览 Qwen4 架构

阿里 Qwen 团队发布开源权重多模态 MoE 模型 Qwen3.8-Flash-Next，125B 主干搭配 51B N-gram 嵌入表和 4B 多 token 预测模块，每个 token 仅激活 6B 参数，被视为 Qwen4 架构的早期预览。

阿里发布 Qwen3.8-Flash-Next，主打“极致成本效率”

阿里 Qwen 团队发布多模态 MoE 模型 Qwen3.8-Flash-Next，作为 Qwen4 的架构预览，总参数 1250 亿但每 token 仅激活 60 亿，并引入 510 亿参数的 N-gram 嵌入层，可运行于系统内存。

GLM-5.3-Flash 开源：320B 总参数、AA 指数 57 分，定价为 Opus 4.8 的 1/40

智谱上线并开源 GLM-5.3-Flash（320B-A18B），这是 GLM-5 系列首个原生多模态模型，AA 综合智能指数 57 分，与 Claude Opus 4.8 持平。其定价为 GLM-5.3 的 1/10，限时折扣内为 Opus 4.8 的 1/40，并已接入 ZCode 等平台开放 API 调用。该模型采用稀疏注意力与线性注意力混合架构，推理服务已跑在国产芯片集群上。

OpenRouter@OpenRouter· 22:37AI 评分5959

Ox Alpha 揭晓：@Zai_org 的 GLM-5.3-Flash，GLM-5 系列中首个原生多模态模型。 Ox Alpha 是 OpenRouter 上有史以来最大的模型，6 天内处理了超过 20 万亿 token。 立即继续使用该模型：https://openrouter.ai/z-ai/glm-5.3-flash

Z.ai@Zai_org· 22:35AI 评分8080

智谱推出GLM-5.3-Flash，原生多模态，支持1M-token上下文窗口，320B-A18B参数，MIT许可证开源。该模型此前以Ox Alpha代号预览，完全运行于国产AI芯片，现已在HuggingFace、API等全平台上线，主打高性价比。

智谱开源 GLM-5.3-Flash 原生多模态模型，限时折扣价为 GLM-5.3 的 1/20

智谱上线并开源 GLM-5.3-Flash（320B-A18B），这是 GLM-5 系列首个原生多模态模型，总参数量 320B、激活参数仅 18B。该模型在 AA 综合智能指数取得 57 分，与 Claude Opus 4.8 持平，编程表现亦相当；定价为 GLM-5.3 的 1/10，限时折扣为 1/20，为 Opus 4.8 的 1/40。模型已接入 ZCode 等平台，并开放 API 调用。

Qwen 开源 Qwen3.8-Flash-Next，SGLang 提供 Day-0 支持

Qwen 团队开源多模态 MoE 模型 Qwen3.8-Flash-Next，作为 Qwen4 架构的早期预览版。该模型采用 125B 参数主模型加 51B N-gram Embedding，每 token 激活 6B 参数，共 48 层，MoE 层使用 512 个专家和 top-10 路由。

阿里通义 Qwen3.8-Flash 发布开源：125B 参数 MoE 模型，训练成本仅为前代 1/9

阿里通义千问团队发布 Qwen3.8-Flash，这是一款 125B 参数的多模态 MoE 模型，每 token 激活 6B 参数，原生支持 262,144 tokens 上下文，并可通过 YaRN 扩展至 1M tokens。

Qwen@Alibaba_Qwen· 20:37AI 评分8181

通义千问发布 Qwen3.8-Flash，一款多模态 MoE 模型，也是 Qwen4 架构的早期预览，现已开放权重。该模型总参数量 125B，每 token 仅激活 6B，原生上下文 262K，可扩展至 1M；训练成本仅为 Qwen3.7-Plus 的 1/9，并在编码和办公任务上表现更优。

Qwen3.8-Flash-Next 开源：Qwen4 架构早期预览

通义千问开源 Qwen3.8-Flash-Next，一款多模态 MoE 模型，也是 Qwen4 架构的早期预览。该模型采用 GDN + QSA 混合注意力等四项升级，总参数 125B，每 token 激活 6B，训练成本约为 Qwen3.7-Plus 的 1/9，编码与办公任务能力更强。

京东亮相2026 IOTE，JoyInside与涂鸦智能达成战略合作

京东在第二十五届国际物联网展（IOTE 2026 深圳站）展出多款可下单的AI玩具，包括小鸡球球AI点读笔、凯米斯AI机器狗等，均接入京东自研的“附身智能系统”JoyInside。会上，京东JoyInside与涂鸦智能正式签约，将围绕AI硬件方案共建、渠道资源协同与生态联合推广展开合作，为品牌客户提供“京东×JoyInside×涂鸦”整包方案。

Stability AI 完成 7600 万美元 B 轮融资：EA 与三大音乐娱乐企业均参投

Stability AI 宣布完成总额 7,600 万美元（约合 5.12 亿元人民币）的 B 轮融资，资金将用于推动创意制作产品开发、深化应用研究并扩展专业服务业务。本轮投资者包括游戏企业 EA、索尼音乐、环球音乐、华纳音乐三大音乐娱乐企业及 AMD 风投部门。

智谱 GLM-5.3-Flash 原生多模态模型上线，总参 320B 激活 18B

智谱开放平台公告 GLM-5.3-Flash 原生多模态模型上线，原生融入视觉能力，可主动观察界面、渲染与交互反馈并持续迭代，实现代码、浏览器与图形界面协同闭环。模型采用线性注意力与稀疏注意力混合架构，总参 320B、激活 18B，计算量与 KV 缓存较 GLM-5.3 大幅降低，并拓展至 Office 文档与金融研究工作流。