Suno Studio 2.0 发布：新增 MIDI 支持、效果插件，向 DAW 靠拢
Suno 推出 Studio 2.0，新增 MIDI 支持，用户可将 MIDI 数据直接交给 AI 生成音频或续写旋律，但暂只能使用自带合成器。聊天机器人已整合进 Studio 界面，可读取工程内容创作歌词或生成吉他声部，并自动添加混响、压缩和 EQ。用户还能通过 AI 创建自定义效果插件，生成的效果会保存在账户中供后续调用。
#多模态
IT之家·人工智能AI 评分5858
IT之家·人工智能AI 评分5959 阿里千问开放 AI 眼镜生态，支持自建导游、教练、巡检等多种 Skill
阿里千问开放平台于 8 月 10 日上线，支持 App、PC 和 AI 眼镜三端，在眼镜端提供技能平台和行业定制两大模块。开发者可调用“眼镜拍照”等能力创建 Skill，如为视障群体开发“身边有什么”、景点导览、菜谱专家等，也可用自然语言打造导游、教练等随身 AI 助手。平台正陆续开放空间 3D 立体显示、运动健康状态感知等更多眼镜能力。
OpenRouter：AnnouncementsAI 评分6060 OpenRouter 视觉指南：如何通过 API 向多模态模型发送图像
OpenRouter 发布视觉指南，详解通过 Chat Completions API 向多模态模型发送图像的方法。请求体采用 messages 数组，用户消息的 content 包含 text 和 image_url 两部分，支持公开 URL 或 base64 数据 URL 两种格式，兼容 PNG、JPEG、WebP 和 GIF。
The Decoder：AI NewsAI 评分6565 阿里 Qwen 团队发布 Apache 2.0 开源权重模型 Qwen3.8
阿里 Qwen 团队发布 Qwen3.8 系列开源权重模型。核心模型 Qwen3.8-27B 为 270 亿参数多模态稠密模型，在编程和办公任务上超越更大的 Qwen3.7-Plus，原生支持 262,000 token 上下文，可用 YaRN 扩展至一百万。权重以 Apache 2.0 协议发布，两款模型均已在 Hugging Face 和 ModelScope 上线。
Rohan Paul@rohanpaul_aiAI 评分6868阿里巴巴发布Qwen3.8-27B，一款27B参数的开源多模态稠密模型，采用Apache 2.0许可，支持Transformers、vLLM、SGLang及本地量化部署。
引用Qwen@Alibaba_Qwen我们承诺过开源 Qwen3.8 的模型权重。现在，是时候见面了！🎉 ⚡ Qwen3.8-27B： - 一款原生多模态稠密模型。仅凭 27B 参数，综合表现超越 Qwen3.7-Plus，在真实世界的编码与办公工作流中尤为亮眼。 - 原生支持 262K 上下文，可通过 YaRN 轻松扩展至 1M tokens。 - 为开发者而生。高效、高质量，并采用 Apache 2.0 许可证。 🚀 Qwen3.8-2.4T-A95B（Max 级别）的开放权重也已于近日发布。 无论你是想用 Qwen3.8-27B 在本地部署轻量级应用，还是用 Qwen3.8-2.4T-A95B 构建智能体，它们现在都属于你了！ 下载、部署，去构建我们尚未想象到的东西吧。👀👇 - Hugging Face： https://huggingface.co/collections/Qwen/qwen38 - ModelScope： https://www.modelscope.cn/collections/Qwen/Qwen38
TechCrunch：AIAI 评分4949 Google 允许用户移除 AI 生成内容的可见水印
Google 于本周五宣布，将允许用户移除其 AI 生成内容（包括图片、视频和歌曲）上的可见水印，该功能不影响不可见的 SynthID 水印和 C2PA 元数据。此开关将适用于 Nano Banana、Omni 和 Lyria 模型，可在 Gemini 和视频编辑器 Flow 中使用，搜索支持即将推出。Google 同时开源了新库 Credentio，帮助开发者在应用中嵌入本地验证机制。
Qwen@Alibaba_Qwen精选AI 评分7171推荐理由：官方称 27B 稠密多模态模型整体表现超过 Qwen3.7-Plus，262K 原生上下文可扩至 1M，Apache 2.0 协议下本地部署轻量应用多了一个更高效的选择。
IT之家·人工智能AI 评分6666 阿里开源 Qwen3.8-27B 模型，编程、办公场景表现超越 Qwen3.7-Plus
阿里千问大模型公众号宣布正式开源 Qwen3.8-27B，所有开发者、科研机构和企业均可自由下载、部署和使用。该模型为原生多模态稠密模型，支持 262K 原生上下文，可通过 YaRN 技术外推至 1M Tokens。较 Qwen3.6-27B，新模型在编程和办公场景性能大幅提升，表现超越 Qwen3.7-Plus，并新增 reasoning_effort 功能以按任务难度控制思考深度。
Unsloth AI@UnslothAI精选AI 评分7676Unsloth 发布 Qwen3.8-27B 的 Dynamic GGUF 量化版本，4-bit 量化可在 17-19GB 内存设备上本地运行，并同时上传 NVFP4 量化。
引用Qwen@Alibaba_Qwen我们承诺过开源 Qwen3.8 的模型权重。现在，是时候见面了！🎉 ⚡ Qwen3.8-27B： - 一款原生多模态稠密模型。仅凭 27B 参数，综合表现超越 Qwen3.7-Plus，在真实世界的编码与办公工作流中尤为亮眼。 - 原生支持 262K 上下文，可通过 YaRN 轻松扩展至 1M tokens。 - 为开发者而生。高效、高质量，并采用 Apache 2.0 许可证。 🚀 Qwen3.8-2.4T-A95B（Max 级别）的开放权重也已于近日发布。 无论你是想用 Qwen3.8-27B 在本地部署轻量级应用，还是用 Qwen3.8-2.4T-A95B 构建智能体，它们现在都属于你了！ 下载、部署，去构建我们尚未想象到的东西吧。👀👇 - Hugging Face： https://huggingface.co/collections/Qwen/qwen38 - ModelScope： https://www.modelscope.cn/collections/Qwen/Qwen38
推荐理由：原文给出了本地运行的具体内存门槛、量化版本和硬件对照表，读者可以据此判断能否在自己的设备上跑通这个 27B 模型。
Josh Woodward@joshwoodwardAI 评分4545公众号：小红书技术精选AI 评分7979 dots3-note Preview 开源：280B 参数轻量模型，主打长程智能体与多模态推理
小红书技术开源 dots3-note Preview，这是 dots3 系列最轻量模型，总参数 280B、激活参数 16B，支持 512K 上下文及文本、视觉、语音多模态理解，并针对复杂推理和长程 Agent 任务优化。
推荐理由：除开源模型外，TEMPO 让同一智能体在每个宏观步骤切换为 critic，用测试时推理估计回报，给稀疏奖励长程任务的强化学习训练提供了可借鉴的结构。
IT之家·人工智能AI 评分5353 百度文库网盘 GenFlow 官宣中文名“库库 AI”，推出独立办公端
百度在 AI Day 开放日上宣布，文库网盘通用智能体 GenFlow 正式定名“库库 AI”，并上线独立端，涵盖办公 PC 客户端、网页端、小程序及企业版。GenFlow 月活用户已于今年 4 月突破 1 亿，目前 AI 办公 MAU 超过 2500 万。库库 AI 可并行调用 Office Agent 等完成 PPT、Excel、Word 等跨模态文件生成与编辑。
IT之家·人工智能AI 评分5858 MiniMax-Music3 音乐模型发布：AI 生成最长 5 分钟歌曲
MiniMax 今日推出音乐生成模型 MiniMax-Music3，可根据歌词和音乐描述生成最长 5 分钟的完整歌曲。该模型采用分层自回归架构，Global LLM 参数规模为 8B（基于 Qwen3-8B 初始化），Local LLM 参数规模为 0.6B，输出格式为 32kHz、16-bit 立体声 WAV 文件。官方称其能在长音频中保持音乐主题、节奏、歌声身份和编曲推进。
IT之家·人工智能AI 评分4646 地平线星空芯片获头部新能源车企定点，行业首个纯国产舱驾一体高端AI座舱项目落地
8月13日，地平线宣布生态伙伴博泰车联获国内头部新能源车企定点，将基于地平线星空®芯片打造高端AI座舱方案，成为行业首个采用纯国产舱驾一体芯片的高端AI座舱项目。该芯片通过单芯片一体化设计实现算力池化与数据互通，可帮助车企缩小约50%车载硬件空间占用，单车综合硬件成本下降1500至4000元，研发交付周期由18个月缩短至8个月。
MiniMax (official)@MiniMax_AIAI 评分4646Music 3 也开源了！！🙌 已在 @ComfyUI 本地可用 “在 AGI 到来之前，我们将一直保持开源。”💙 云端版本即将推出。
引用ComfyUI@ComfyUIMiniMax Music 3 by @MiniMax_AI is now on ComfyUI! Available locally in Comfy, Cloud coming soon!
MiniMax：Blog精选AI 评分6363 MiniMax Music 3.0 发布：新一代开源权重、生产级全能音乐模型
MiniMax 推出 Music 3.0，新一代音乐生成模型，可根据创意概念和可选歌词一次性完成整首歌的作曲、编曲、演奏与制作，最长支持五分钟。
推荐理由：把简单描述扩展成包含配器进出、情绪曲线和演唱方式的专业模板，降低了非专业创作者控制音乐生成细节的门槛。
- MiniMax (official)@MiniMax_AIAI 评分4444引用apolinario (poli)@multimodalart
MiniMax Music 3 is just out on @huggingface 🎶🎵 SoTA song generation, now open weights 🔊, a 8B LLM + 2.7B DiT that turn prompt + lyrics into full songs fits smol consumer GPUs with 🧨 diffusers or comfy model weights + app on Spaces, come play ▶️ https://huggingface.co/spaces/MiniMaxAI/MiniMax-Music3
The Verge：AIAI 评分4040 Higgsfield 用《Cully Hill Boys》展示 AI 电影制作，但最精彩部分仍来自人类
Higgsfield 发布 AI 电影《Cully Hill Boys》，并公开了制作所用的大量提示词，其中多处点名埃德加·赖特和盖·里奇，凸显影片最佳部分源自真实人类艺术家。
The Verge：AIAI 评分6363 Suno Studio 2.0 发布：新增 MIDI、效果插件与合成器，更接近专业 DAW
Suno 发布 Studio 2.0，新增 MIDI 支持、自动化、内置效果插件及合成器，使其更接近专业数字音频工作站。新版还加入与当前项目音乐上下文联动的聊天机器人，可生成歌词、吉他线或自动添加混响、压缩等效果，并支持创建可保存复用的自定义效果插件。不过 Studio 暂不支持第三方插件或 VST。
MarkTechPostAI 评分6161 Liquid AI 发布 LFM2.5-VL-3B：3B 端侧视觉语言模型，可读屏、目标定位与调用工具
Liquid AI 发布 LFM2.5-VL-3B，一款 3.1B 参数的端侧视觉语言模型，可读取移动端、网页和桌面屏幕，将目标定位到坐标，解析文档图表，并从文本或图像输入调用工具。
Suno@sunoAI 评分4040Studio 2.0 已上线。 在我们强大的浏览器版 DAW 中，掌控每一个音符、旋钮和细节。🎛️
- MiniMax (official)@MiniMax_AIAI 评分5555
🎵MiniMax-Music3 下一代开源权重、生产级且多功能的音乐模型 https://huggingface.co/MiniMaxAI/MiniMax-Music3
Google Developers Blog精选AI 评分6060 Google 开源 C++ 库 Credentio，用于本地验证 C2PA Content Credentials
Google 发布开源 C++ 库 Credentio，用于处理 C2PA Content Credentials，初期支持规范 2.2 和 2.4 版本。该代码此前驱动近 40 个符合 C2PA 标准的 Google 产品，扩展至数百亿个生成的图像、视频、音频和文档资产。
推荐理由：Google 开源了自家验证数十亿生成资产所用的 C2PA 库，本地验证带来零带宽开销和小内存占用，对做媒体溯源工具的开发者有直接参考价值。
Demis Hassabis@demishassabisAI 评分5959引用Google DeepMind@GoogleDeepMindSL2T is our breakthrough sign language-to-text model powering new features for Deaf and hard of hearing users on @Android. Starting with American Sign Language-to-English on Pixel 11, people can sign directly into Gboard and Live Transcribe instead of typing.
IT之家·人工智能AI 评分4444 OpenAI 奥尔特曼：6 个月内 AI 将实现“完美理解用户使用情境”
OpenAI CEO 奥尔特曼在 2026 年 Internapalooza 活动上表示，未来 6 个月内 OpenAI 后续 AI 模型将具备“完美理解用户使用情境”功能，可“读懂”用户屏幕、录制会议和通话，并全面了解用户生活。用户可划定 AI 访问范围，AI 不会替用户直接决策，而是充当助手角色，协助处理信息量庞大的日常工作。奥尔特曼称，距离这种能力真正变得“极其有用”可能只差 1 代模型。
IT之家·人工智能AI 评分6363 谷歌 DeepMind 推出手语转文本模型，手语 AI 首次进入消费级
谷歌 DeepMind 推出一款大规模多语言手语转文本（SL2T）翻译模型，使手语 AI 首次进入消费级产品。该模型已在谷歌 Pixel 11 系列手机的 Gboard 和 Live Transcribe 中支持手语转文本输入，初期仅限美国手语。模型在超过 50 种手语的 10 万小时数据上训练，通过将手语转化为姿势特征点保护隐私，无需发送原始视频流。
Simon Willison 博客AI 评分6161 DeepSeek V4 Pro 0813 上线 OpenRouter，仅限 API 调用
DeepSeek 最新 Pro 模型 V4 Pro 0813 已上线，仅通过 API 提供，目前可在 OpenRouter 上访问。该模型在低、中、高三种推理强度下生成了差异明显的鹈鹕图像，作者称在其他模型中未见此类现象。官方尚未确认是否开源权重，但鉴于 4 月和 7 月版本均已发布权重，开源可能性较大。
IT之家·人工智能AI 评分4646 Raycast 0.71 发布：让 AI 直接“看懂”你的屏幕
Raycast 0.71 新增“屏幕感知”功能，可将当前应用或窗口的上下文信息直接导入 AI 聊天，解决需反复复制文本、上传截图的痛点。用户可通过三种方式触发，发送的上下文包含应用与窗口详情、选中文本、焦点控件及当前窗口截图。该版本还包含 8 项核心更新，如新增 Ask Screen Awareness AI Extension、压缩与上下文管理支持等。
The Decoder：AI NewsAI 评分5656 乳腺癌检测AI工具未达放射科医生预期
《Clinical Imaging》一项针对215名乳腺影像学会成员的调查显示，约半数已在用FDA批准的AI工具，另有11%计划采用，但仅少数人视其为决定性因素。实际效果低于预期：仅35%报告召回率降低（59%曾预期）、9%看到不必要活检减少（36%曾预期）、29%感到倦怠减轻（56%曾预期）。成本与机构支持不足是主要障碍。
The Verge：AIAI 评分4141 D’Addario 承认宣传视频使用了 Suno 生成音乐
乐器公司 D’Addario 在否认近两周后，承认其促销视频中使用了 Suno Studio 重新生成原曲。公司更新了 7 月 29 日的 Instagram 帖子，表示“我们搞错了”，并承诺未来要求员工和创意合作方披露任何生成式 AI 的使用，同时加强内容审核。此前吉他手 Rhett Shull 分析原始 Logic 文件后已怀疑 Suno 参与制作。
Microsoft Research 博客AI 评分7272 微软研究院发布MindTopo基准，揭示VLM拓扑推理与规划能力差距
微软研究院推出新基准MindTopo，评估多模态大模型（VLM）在连通性、封闭性、顺序、分离和打结等拓扑概念上的理解能力。研究发现，当前模型在静态图像识别拓扑关系表现尚可，但在需要维持和操作这些关系的交互式规划任务中表现显著下降，且远低于人类水平。错误主要源于无法在多步动作中保持结构一致性或违反物理约束。该基准旨在为机器人和交互环境中的可靠决策提供诊断工具。
Luma@LumaLabsAIAI 评分5757FLUX 3 现已上线 Luma。 这是 @bfl_ai 首个面向图像、视频、音频和动作预测的通用模型。支持原生音频的视频，今日即可使用。更多功能即将推出。
TechCrunch：AIAI 评分4848 Google 发布 Pixel 11 系列、Pixel Watch 5 及 Pixel Tag
Google 在 Made by Google 2026 活动上发布 Pixel 11 系列、Pixel Watch 5 及对标 AirTag 的 Pixel Tag。Pixel 11 起售价 $899，相机条薄 40% 以上，基础存储翻倍至 256GB；Pro 版起售价 $1,099，抗刮擦能力提升两倍以上。Pixel Tag 售价 $29，接入 Find Hub 网络。
Google DeepMind@GoogleDeepMindAI 评分6464
IT之家·人工智能AI 评分4444 比亚迪 AI 团队首秀：混合世界模型 HyWorldVLA 获 90.59 分，自研芯片 + 算法闭环成型
比亚迪汽车新技术研究院 AI 团队发布首篇研究论文，推出用于自动驾驶的混合世界模型 HyWorldVLA，结合像素级与潜在空间世界建模，采用视觉-语言-动作（VLA）架构。