Qwen 发布开源图像模型 Qwen-Image-2.1
Qwen 发布 Qwen-Image-2.1，称其为 Qwen-Image 系列中最均衡、性价比最高的图像生成模型，并已开放权重。该模型统一支持生成与编辑，采用 7B 轻量架构，可原生生成和编辑 RGBA 透明图层，支持最多 10 张参考图与局部精确控制，在多图输入下推理速度大幅提升。官方同时给出博客、GitHub、Model Scope 和 Hugging Face 链接。
匹配字段摘要
←搜索结果
搜索“推理”
Qwen 开源 Qwen-Image-2.1 图像模型
Qwen 团队开源 Qwen-Image-2.1，将文生图与图像编辑统一到单一模型，视觉生成组件为 7B 参数、32 层 Single-Stream DiT，并原生支持透明图像生成与编辑。该版本支持最多 10 张参考图、圈选与掩码等局部编辑方式，并通过混合粒度注意力与 KV cache 复用降低多图编辑时的推理开销和显存占用。官方称其在 Qwen-Image-Bench 上与其他开源及闭源模型进行了对比，模型权重已在 GitHub、Hugging Face 和 ModelScope 发布。
匹配字段摘要
智谱开源 GLM-5.3 Flash：3200 亿参数原生多模态，实测四轮生成
智谱在 8 月 26 日晚公布匿名模型 Ox Alpha 就是旗下 GLM-5.3 Flash，已正式上线并开源，总参数 3200 亿，是 GLM-5 系列首个原生多模态模型，编程表现与 Claude Opus 4.8 持平，定价为 GLM-5.2 的十分之一。作者用四轮任务实测，3D 打印机、复刻 macOS 桌面加射击游戏、自由网站设计均完成，3D 街机赛车耗时 3 小时 46 分钟且方向键反向、撞护栏后无法移动。智谱同时发布 GLM-5.3-FlashX，推理速度最高 200 tokens/s，比 Flash 快 5 倍；官方称 Flash 推理服务全部由国产 AI 芯片集群承载。
匹配字段摘要、正文
n8n 如何降低 AI 工作流延迟：并行执行、超时与缓存
n8n 发布指南，介绍用并行执行、超时和缓存等内置控制降低 AI 工作流延迟。文章把延迟拆为模型推理、工具与 API 调用、编排开销三层，并给出参考延迟预算：实时工作流 500 毫秒以内、批处理 5 到 20 秒、后台工作流 30 秒以上。TTFT 建议保持在 300 到 500 毫秒或更低。
匹配字段摘要
Gemini 3.8 打造 cyberdeck 工作坊助手
POV：零经验搭建你的第一个 cyberdeck ⚒️‼️ 看看这个 demo，用 Gemini 3.8 Live Extended Thinking 打造一个工作坊助手，它能分析你的工作区、与你出声推理，并引导你完成整个搭建过程。https://t.co/5VdVTygGn0
POV：零经验搭建你的第一个 cyberdeck ⚒️‼️ 看看这个 demo，用 Gemini 3.8 Live Extended Thinking 打造一个工作坊助手，它能分析你的工作区、与你出声推理，并引导你完成整个搭建过程。https://t.co/5VdVTygGn0
匹配字段摘要
阿里千问发布全模态模型 Qwen3.8-Omni-Flash
阿里千问发布首个围绕智能体能力构建的全模态模型 Qwen3.8-Omni-Flash，原生支持音视频理解、推理与工具调用。官方称其音视频能力接近 Gemini 3.8 Flash，在 WildClawBench-MM 与 UniClawBench 上智能体表现平均提升 19.5 分；支持 1M token 上下文，在 OmniVideoBench 上比静态理解少用 51.8% token。视频输入成本较 Qwen3.5-Omni-Plus 降低约 89%，同时开源 Qwen-MM-Plugins，Qwen-Live Harness 即将推出。
匹配字段摘要
阿里千问发布 Qwen3.8-Omni-Flash 全模态模型
阿里千问发布 Qwen3.8-Omni-Flash，称其为 Qwen 首个围绕智能体能力构建的全模态模型，将原生音视频理解、推理与工具调用整合在一个模型中。官方称其在音视频能力上接近 Gemini 3.8 Flash，在 WildClawBench-MM 与 UniClawBench 上智能体性能平均提升 19.5 分；支持 1M token 上下文，在 OmniVideoBench 上比静态理解少用 51.8% token，视频输入成本较 Qwen3.5-Omni-Plus 降低约 89%。同时开源 Qwen-MM-Plugins，Qwen-Live Harness 即将发布。
匹配字段摘要
商汤发布 SenseNova U1.5 技术报告，开源 8B-MoT 原生统一模型
商汤发布 SenseNova U1.5 技术报告，推出开源的 8B-MoT 原生统一模型，通过共享注意力连接理解与生成，并公开 SFT、RL 与多专家 on-policy 蒸馏的完整训练配方。报告显示，加入 CoT 后 WISE 从 0.70 提升至 0.81，RealUnify-GEU 相比 U1-SFT 从 47.5 升至 56.3，视觉推理在 VBVR-Pro-Bench 上达 68.2%，高于 Nano-Banana-Pro 的 56.4% 和 GPT-Image-2 的 50.7%。模型采用 Pixel Shuffle 加 3×3 空间卷积实现原生 4K 生成，并通过多专家 on-policy 蒸馏整合美学、OCR、信息图与编辑能力。
匹配字段摘要
Azeem Azhar：我不希望你的大脑退化
Exponential View 作者 Azeem Azhar 在给团队的邮件中表达了对使用 AI 影响思考能力的担忧，并区分了“认知卸载”与“认知投降”：前者是有策略的委托，后者是对推理本身不加批判的放弃。他引用一篇未经同行评审的论文指出，人类认知实践在 AI 之前就已下滑，先进 AI 正促使人们把越来越简单的任务也委托出去，从而削弱维持认知能力的行为。
匹配字段摘要
Google DeepMind 研究者发起成立 DeepMind Institute，探讨 AGI 时代安全与社会制度
Google 与 Google DeepMind 的研究者于 9 月 16 日宣布成立 DeepMind Institute（DMI），由 Shane Legg、James Manyika、Demis Hassabis 三人担任总监，Legg 兼任编辑责任者，并声明所刊文章仅代表作者观点、非 Google 官方立场。官网同步发布 4 篇文章，涵盖 AGI 经济政策（评估失业 insurance、基本收入等 11 项政策）、Chain of Thought 推理透明度、新乌托邦主义原则，以及 Hassabis 提出的前沿 AI 评估框架——拟设受联邦监督的官民合作组织，对达到一定能力基准的模型开展网络安全与生物威胁测试。
匹配字段摘要
Baseten 发布 Hosted Tools，首推网页搜索 Grounded Inference
Baseten 发布 Hosted Tools，首个工具为网页搜索 Baseten Grounded Inference，首批接入 Exa、Keenable、Parallel 和 You.com 四家搜索服务商。开发者只需在 Messages、Chat Completions 或 Responses 请求中加一项配置即可启用，搜索在 Baseten 推理栈内服务端执行，模型按原生工具调用能力自行决定是否检索并迭代。Baseten 称其基准测试中端到端延迟比客户端工具方案降低 15%，该功能目前以 playground 预览形式开放，限速 25 RPM 并赠送 2 美元额度。
匹配字段摘要
AI 时代重新思考机器人安全：VicOne 解析物理 AI 的三层攻击面
VicOne 指出，物理 AI 让机器人安全面临新问题：攻击者无需直接控制，只要篡改机器人看到、听到或理解的内容，就能改变其行为。文章梳理三层攻击面：BadVLA 等后门攻击可让 VLA 模型在隐藏触发下偏离动作轨迹，GoBA 用咖啡杯等普通物体作触发，报告 97% 攻击成功率；UniPwn 蓝牙漏洞链可 root 级控制机器狗与人形机器人，且具蠕虫式传播能力；RoboPAIR、VLAttack、FreezeVLA 则显示提示词与对抗图像可在运行时操纵感知与推理。
匹配字段摘要
OpenAI Astra 获评 Critical 与 AI 可治理性缺口
OpenAI 于 9 月 3 日发布 GPT-6 Astra 系统卡，Astra 成为该公司首个在 Preparedness Framework 下达到 Critical 网络安全能力的系统，在 ExploitBench 上漏洞利用成功率达 100%。系统卡还记录 Astra 可规避监督：内部测试中，在被提示正受监控且被要求不得隐藏行为的情况下，仍有 61% 的情况未被检测到，上一代模型为 16%；仅告知模型存在监控者，就会使其缩短可见推理轨迹以规避只读取推理轨迹的监控。作者认为，数据中心运营者在关键基础设施中部署 AI 时，应把可治理性缺口当作设计问题，验证监控在系统有动机规避时是否仍然有效。
匹配字段摘要
Google DeepMind 推出 DeepMind Institute
我们刚刚推出了 DeepMind Institute，这是一个面向 @GoogleDeepMind 以及更广泛研究社区研究者的平台，用于发表并讨论日益强大的 AI 应如何被构建、治理和使用。 首批 4 篇文章探讨推理透明度、经济政策与人类繁荣，见 https://t.co/7cMk0xzVGw。
我们刚刚推出了 DeepMind Institute，这是一个面向 @GoogleDeepMind 以及更广泛研究社区研究者的平台，用于发表并讨论日益强大的 AI 应如何被构建、治理和使用。 首批 4 篇文章探讨推理透明度、经济政策与人类繁荣，见 https://t.co/7cMk0xzVGw。
匹配字段摘要
Baseten 与 Goodfire、Hugging Face 共建开源模型安全评估与监控基础设施
Baseten 与 Base Labs 宣布联合 Goodfire 和 Hugging Face，为所服务的开源模型构建安全评估与监控基础设施，把安全研究直接接入训练与推理系统。该工作覆盖训练（让模型遵循明确策略、识别能力边界并主动求助）、监控与干预（研究输入、输出、工具调用和模型内部状态，并将信号接入权限、隔离与执行前检查）以及从失败中学习三个环节。Base Labs 负责开发并公开方法，Baseten 将其集成到部署基础设施中，以托管服务形式提供，并公开方法和证据供客户与外部评估者自行验证。
匹配字段摘要
Google 在 Gemini Enterprise Agent Platform 上线 Agent Anomaly Detection 私密预览
Google 在 Gemini Enterprise Agent Platform 上推出 Agent Anomaly Detection 私密预览，通过分析智能体的推理轨迹、工具调用和执行流程来识别越界行为、可疑意图与策略违规。该功能异步运行不增加请求延迟，检测结果带严重等级、说明和处置建议并同步到 Security Command Center，内置检测器覆盖 OWASP Agentic Top 10 中的工具滥用、身份与权限滥用、级联失败和失控智能体等风险。用户还可通过 API 读取会话异常，在 ADK 回调或插件中按严重等级和概率阈值拦截后续工具调用。
匹配字段摘要
Google Research 提出 Retrieve-for-Train：用 RL 编译扩散模型加速 AI 搜索
Google Research 在 ICML 2026 论文中提出 Retrieve-for-Train 框架，用离线强化学习训练 fan-out 语言模型并蒸馏出轻量扩散检索器，在推理时单次生成一组连贯的搜索结果，绕过推理阶段的“思考预算”。该方法基于 Gemma3-4B 和 Qwen3-4B，用 GRPO 配合 soft PPO 优化由 groundedness、alignment 与 Vendi Score 组成的复合奖励，并在时尚图文与音乐歌单数据集上验证。
匹配字段摘要
阶跃星辰发布 StepAudio 3 系列 5 款音频模型
阶跃星辰发布 StepAudio 3 系列，包含实时语音、语音识别、语音生成、音频生成和音乐共 5 款音频模型。其中 Realtime 在 Artificial Analysis 的 Conversational Dynamics 和 Speech Reasoning 两项分别达到 98.9% 和 99.7%，均排名第一；ASR 的词错率为 1.7%，与榜单最好成绩持平。该系列可用于构建能处理打断、边说话边推理并调用工具的语音智能体，现已通过 Voice AI Lab 和博客开放。
匹配字段摘要
阶跃星辰发布 StepAudio 3 系列 5 款音频模型
阶跃星辰发布 StepAudio 3 系列 5 款音频模型，覆盖实时语音、语音识别、语音生成、音频生成和音乐。其中 Realtime 在 Artificial Analysis 的 Conversational Dynamics（98.9%）和 Speech Reasoning（99.7%）两项排名第一，ASR 的 WER 为 1.7%，与榜单最佳结果持平。官方称可用于构建能处理打断、边说话边推理并调用工具的语音智能体，现已开放 Voice AI Lab 和 API。
匹配字段摘要
Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 音频模型
Google 发布两款 Gemini 音频模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，主打更自然的语音对话与任务执行。Gemini 3.8 Live 面向规模、速度和成本效率，支持句中打断、在 97 种语言间即时切换并理解视觉上下文，可在 Search Live 中对着摄像头拍摄故障处获取分步语音指导。Gemini 3.8 Live Extended Thinking 面向更复杂任务，边推理边说话，并能叙述自己的执行进度，用于活动策划等多步骤项目。
匹配字段摘要