KVMEM：通过分页旧 KV 状态让百万 token 级智能体记忆变得实用

网易有道开源流式语音识别模型 Confucius4-R2T2，其核心约束是语音增量消费但只对已提交文本执行动作，已提交文本永不被改写。模型基于 Qwen3-ASR，用 Longest Stable Prefix 学习判断何时可安全输出文本，且解码器基于 LLM，可在运行时注入姓名、产品术语等行业上下文而无需改动权重。

TokenRhythm 发布 NeoHorse-1，含 4B 和 9B 两个版本，基于 Qwen3.5 后训练，训练数据来自 OpenSquilla Harness 中智能体的结构化执行轨迹，涵盖路由决策、工具调用、失败与恢复步骤及结果。该模型通过 Data-RSI + Model-RSI 双循环实现自我改进，将执行经验反馈到训练中，并将通过 TokenRhythm API 提供。

Uno 提出一种不改变输出分布的 LLM 加速方案：保留原自回归模型负责质量，仅用扩散模型并行草拟多个 token 供其验证，无需独立草稿模型。在 Qwen3-8B 上，最大测试批次下请求吞吐量提升 2.5 倍，系统吞吐量提升 1.6 倍，端到端 RL 训练提速最高 40%。

ArcticSwarm 通过阻止部分智能体在搜索阶段阅读同伴结果、延迟协作至证据齐备，解决"过早共识"问题。在 BrowseComp-Plus 上搭配 Qwen 3.5-27B 达 82.6% 准确率；移除搜索隔离降至 78.8%，再移除审查系统降至 74.5%，而 40 次独立单智能体多数投票仅 63.5%。

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

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。

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。

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%。

通义千问发布 Qwen3.8-Max-0902，在 Code Arena： WebDev 以 1，691 分首次亮相即排名总榜第一，并以混合价 $5/MToken 成为 Pareto 前沿上得分最高的模型，现已可在 QwenCloud 试用。

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。