#模型发布

Microsoft Research 发布开源逆合成模型 RetroChimera 并登上 Nature

Microsoft Research 在 Nature 发表逆合成预测模型 RetroChimera，结合基于 Transformer 的 R-SMILES 2 和图神经网络模型 NeuralLoc，用 learning-to-rank 集成两者互补预测。

xAI 发布 Grok 4.7，主打编码与知识工作

xAI 发布 Grok 4.7，定位为旗下编码与知识工作最强模型，采用比 Grok 4.6 更大的基座模型并进行更长时程的强化学习训练。定价 $2/百万输入 token、$6/百万输出 token，另有输出速度翻倍、价格翻倍的快速版本；官方称其在 CursorBench 4.0 上价格性能处于前沿，HackerBench v0.3 仅放行 3.3% 危险双用途提示。

阶跃星辰发布 Step 5 Preview：600B 总参 27B 激活的 MoE 模型，支持 1M 上下文

StepFun 发布面向智能体工作的新旗舰模型 Step 5 Preview，为稀疏 MoE 架构，总参数约 600B、每 token 激活约 27B，支持 1M token 上下文和文本、图像、视频输入，API 定价为每 1M 输入 token $1.00、输出 $2.70。

Qwen@Alibaba_Qwen· 11:07同事件AI 评分7070

通义千问发布 Qwen-Image-2.1，一个 7B 参数的原生图像生成与编辑模型，生成和编辑共用单一检查点，最多支持 10 张参考图。模型自带提示词增强 LLM，已集成 diffusers 和 ComfyUI，并在 Hugging Face Spaces 提供免安装的浏览器在线 demo：https://huggingface.co/spaces/hugging-apps/qwen-image-2-1

同一件事，精选收录的是《Qwen 开源 Qwen-Image-2.1：7B 统一生成与编辑并原生支持透明图像》

阿里 Qwen 团队发布开源权重图像生成模型 Qwen-Image-2.1，仅 7B 参数

阿里 Qwen 团队发布开源权重图像生成与编辑模型 Qwen-Image-2.1，视觉生成部分仅 7B 参数，团队称在其自建基准上超过多数闭源模型，独立基准尚待验证，可在 RTX 3090 等消费级 GPU 上运行。

腾讯 Gander 模型实现边聊天边后台执行复杂任务

腾讯混元语音团队联合多所高校发布 Gander 模型，用"小脑"负责实时对话、可替换的"大脑"处理后台智能体任务（测试中用 GPT-5.6 家族模型），可同时处理语音、图像和文本并随时被打断。

通义千问开源 Qwen-Image-2.1，统一图像生成与编辑并原生支持透明图像

Qwen 团队开源 Qwen-Image-2.1 图像模型，将文生图与图像编辑统一在单一模型中，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/掩码指定局部编辑、人物与产品保真，并通过混合粒度注意力与 KV cache 复用提升推理效率，还改进了文字渲染与人像光照细节。

Qwen@Alibaba_Qwen· 22:07AI 评分6363

通义千问发布 Qwen-Image-2.1，vLLM-Omni 提供 day-0 支持。该模型可在一个模型内完成图像生成、编辑和透明图像输出，由 7.1B DiT 搭配 Qwen3-VL-8B 组成，设置和受支持的组合见 https://recipes.vllm.ai/Qwen/Qwen-Image-2.1。

阿里千问开源 Qwen-Image-2.1 图像模型，支持透明图像与最多 10 张参考图

阿里千问开源图像模型 Qwen-Image-2.1，将文生图与图像编辑整合在同一模型中，视觉生成部分仅 7B 参数，原生支持透明图像的生成与编辑。更新亮点包括轻量结构与推理优化、支持最多 10 张参考图的局部编辑与人像商品保真，以及文字排版和人物光影表现提升，模型已上架 GitHub、HuggingFace 和 ModelScope。

Qwen@Alibaba_Qwen· 21:07AI 评分6060

通义千问发布 Qwen-Image-2.1，定位为 Qwen-Image 系列中均衡且高性价比的图像生成模型，现已开放权重。该模型为生成与编辑一体化的 7B 轻量架构，原生支持生成和编辑 RGBA 透明图层，编辑支持最多 10 张参考图和精确局部控制，并擅长全景图、信息图和虚拟试穿等场景。

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。

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%。

StepFun@StepFun_ai· 11:39AI 评分6060

阶跃星辰发布旗舰模型 Step 5 Preview，主打智能体工作，在软件工程和专业知识工作中达到前沿水平，金融领域尤其突出。模型为 600B 总参数 / 27B 激活的 MoE，支持 1M 上下文和视觉能力，官方称在相当智能水平下任务成本明显更低，已可在 platform.stepfun.ai 试用，开放权重将于 10 月 15 日放出。

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。

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。

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。

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。

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。

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。

Qwen@Alibaba_Qwen· 15:37AI 评分5757

Qwen 发布新一代实时同声传译模型 Qwen3.8-LiveTranslate，基于 Interleave 架构，在 60 种语言上将平均延迟（LAAL）从 2.8s 降至 2.3s，同时提升忠实度、流畅度和简洁性。

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@ArtificialAnlys· 05:51AI 评分5555

SpaceXAI 发布语音转文字模型 Grok Voice Transcribe 2.0，在 AA-WER Streaming 上以语音结束后 0.49 秒 2.7% WER 登顶最终转写和首个部分转写准确率。

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。

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。

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 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。

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。

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。

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。

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。

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。

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。

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_Qwen· 11:37AI 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。

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。

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_ai· 04:42AI 评分6060

Figure 发布 Helix 2.5 端到端机器人模型，在湾区租用的 30 个家庭中，机器人未经额外训练即开始执行有用工作。家庭任务零样本成功率提升超过六倍，从 9% 升至 56%，成功标准要求完成全部任务、无部分得分。

Figure@Figure_robot· 02:46AI 评分5858

Figure 官宣 Helix 2.5，用于回答一个更难的问题：人形机器人能否独自进入从未见过的家庭并立即用整个身体开始工作。官方同步发布了详细介绍文章，链接为 https://www.figure.ai/news/helix-2-5-zero-shot-30-home-generalization，主题为 zero-shot 30 home generalization。

Figure@Figure_robot· 02:45AI 评分6464

Figure 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 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%。