MiniCPM-V 4.7 本地 VLM 效率与质量胜出

面壁智能转发 @aijoey 的研究智能体设计：GPT-6 负责编排，MiniCPM5-2B 在 DGX Spark 上本地读取来源并提取可追溯证据。该应用名为 Footnote，首个研究问题产出 21 个来源、31 条论断和 11 个未解问题，点击论断可查看原文段落，点击关联可查看 AI 推理依据。下一步实验是用 AEON Qwen 27B 在第二台 Spark 上接管编排。

开发者 @aijoey 用 MiniCPM5-2B 负责智能体决策与行动选择、Qwen 27B 将想法转为对话与可执行行为，搭建了本地多智能体虚拟小镇 Whisper Town，8 位 AI 居民拥有独立长期记忆，可发起项目、协作、分享信息或退出，并从失败中学习调整后续决策。系统已累积 7000+ 条记忆，全部推理在两台 NVIDIA DGX Spark 上本地运行。

面壁智能 MiniCPM5-2B 在 Q4_K_M 量化下以 23.0 秒完成 3/3 项真实任务，比 Qwen3.5-4B 快 34%，且成功率相同。测试涵盖播放列表构建、日志故障追踪与工具调用补货，Gemma 4 E2B 仅完成 2/3 任务。更快的本地推理让端侧智能体负载更具可行性。

面壁智能 OpenBMB 点赞 Whisper Town 项目：MiniCPM5-2B 在 Spark 1 上驱动 8 位居民，Qwen 3.8-27B 在 Spark 2 上决定小镇事件。每位居民拥有独立记忆，模型生成对话并决定分享哪些信息。该项目仍是原型，是本地 AI 与游戏结合的有趣实验。

Ai2 开源 AstaBrief 8B，一个基于 Qwen3-8B、将研究问题和检索文献片段转化为带引用报告的科学报告生成模型，现已在 Asta 的 Generate a report 功能中作为 Fast mode 上线，并连同训练数据开放下载。

Artificial Analysis 自行本地部署评测了阿里 9 月 20 日以开源权重发布的 Qwen-Image-2.1，该模型在 AA-Image-T2I v2.0 和 AA-Image-Editing v2.0 上均排名第 18，为两个榜单上排名第一的开源权重模型，超过 Ideogram 4.0（Quality）和 HunyuanImage 3.0 Instruct。

Qwen 发布 Qwen-Audio-3.1，ASR、TTS 与 Realtime 全面升级，并新增音频创作模型 TTS-Next 和音频理解模型 ASR-Next，共五个模型覆盖理解、生成、交互与创作。全线降价，TTS 约 70% off、Realtime 约 85% off、ASR 最高 95% off；Realtime 可边说边听、随时打断，检测到低落情绪时会放慢语速并共情回应。

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%。