AI 模型发布与更新

快速提醒：4小时后，你将能够下载并运行SOTA级AI。当然，前提是你有足够的算力。活在这个时代真不错。

腾讯混元 Hy4 预览版现已上线 WorkBuddy，在真实智能体工作流中测试表现亮眼，涵盖研究、Office 任务、前端开发与游戏开发。Hy4 在信息检索整合、跨文件分析与 Excel 准确性、前端视觉与交互设计、以及从自然语言构建可玩原型等任务上均有提升。Hy4 预览版在 WorkBuddy 上未来两周免费，Hy3 免费至 9 月底。

阿里云万相（Wan 3.0）正式上线 @Medeo_AI，支持原生30秒视频生成、同步音频，以及多模态 Omni Reference 带来的角色与风格一致性。视频支持1080p电影级画质与真实物理效果。API 已开放，可通过 Model Studio 和 Qwen Cloud 获取。

阿里云 Wan 3.0 现已上线 DeepInfra，单模型同时支持视频与音频生成，可生成 30 秒 1080P 片段，并支持图像、文件乃至网页等多模态参考，角色一致性得以保持。价格 $0.20/秒，另可通过 Model Studio 与 Qwen Cloud 调用 API。

Wan 3.0 现已上线 @PixelDojoAI！查看指南并开始创作吧。👇 更多 API 接入方式： • Model Studio： https://click.alibabacloud.com/m/20000002017/ • Qwen Cloud： https://click.qwencloud.com/m/20000002025/

阿里云 Wan3.0 登陆 A2E 平台，支持从文本或图像生成完整 30 秒视频。用户可编辑时间线、扩展场景、重绘镜头并重塑视觉元素，全程保持角色一致性。API 已通过 Model Studio 和 Qwen Cloud 开放。

我们今天将开始测试首个 V8.2 编辑模型。该模型支持指令编辑、用其他图像生成图像（最多 4 张参考图）、基于笔刷的局部重绘和外绘。它还可与个性化、情绪板和 srefs 配合使用。玩得开心！

智谱 Z.ai 8-28 将 GLM-5.3 开源权重(safetensors)上线 Hugging Face 官方 zai-org 仓,为此前 API 与技术博客之后的权重落地(非新模型首发,亦非 GLM-5.3-Flash)。官方模型卡说明 GLM-5.3 与 GLM-5.2 使用同一基座、增益来自后训练,主打编码与网络安全任务提升,许可为 glm-5.3。本文不写未交叉核验的参数规模与跑分。

腾讯发布 Hy4 Preview，770B 参数开源模型，49B 激活参数，1M token 上下文窗口。其智能体研究能力可并行协调多个 Codex 会话并评估结果、调整方向，在八项基准上超越 Codex 单独运行。Hy4 面向长时编码、多文件办公与科学研究，定价稳定实惠。

谷歌部分员工已开始试用 Gemini 3.8 Flash 预览版，该模型已登陆内部编程平台 Jetski。一名参与测试的员工称，其体验已明显好于 3.7 Flash，但现阶段还不适合下完整结论。谷歌正以数周为间隔快速更新模型，CEO 皮查伊希望将发布节奏提高到接近每月一次。

腾讯发布 Hy4 Preview，一款采用 Apache License 2.0 的开源权重模型。该模型为新一代 MoE 旗舰，拥有 770B 总参数、49B 激活参数和 1M 上下文窗口，主打生产力场景，并保持定价稳定。

Qwen3.8-Flash 现已在 @gmi_cloud 上线--这是一款多模态 MoE 模型，也是 Qwen4 架构的早期预览。更多 API 访问方式： • Model Studio： https://click.alibabacloud.com/m/20000002820/ • Qwen Cloud： https://click.qwencloud.com/m/20000002828/ #BuildWithQwen

🚀 Hy4 预览版来了。 770B 参数，49B 激活，1M 上下文。为生产力而生。开源前沿。价格稳定实惠。去用它，告诉我们哪里有问题。 更多内容见 Hy 博客：https://hy.tencent.ai/research/hy4-preview HuggingFace：https://huggingface.co/tencent/Hy4-preview Github：https://github.com/Tencent-Hunyuan/Hy4-preview

腾讯今日发布混元 Hy4 preview，总参数 770B、激活参数 49B、上下文长度 1M，现已开源并上线腾讯云 TokenHub 和 OpenRouter。

腾讯混元发布新一代旗舰模型 Hy4 preview，总参数 770B、激活参数 49B、上下文长度 1M，现已开源并在腾讯云 TokenHub 和 OpenRouter 上线。

Google 发布 Gemini 3.5 Transcribe 语音转文本模型，通过 Interactions API 和 Live API 分别提供预录文件与双向流式处理。

GLM-5.3-Flash 达到 270 tok/s！ Databricks 推理团队火力全开。为团队感到骄傲！ 在我们 OfficeQA Pro v2 基准测试中，GLM-5.3-Flash 以仅 1/10 的成本，质量比 GLM-5.2 高出 10%。 又快、又便宜、又好。

蚂蚁百灵今日推出金融增强模型 Ling-3.0-flash-Fin，延续 Ling-3.0-flash 架构，保持 124B 总参数、5.1B 激活参数，模型权重将于下周开源。

蚂蚁集团联合中金等机构发布金融增强模型 Ling-3.0-flash-Fin，延续 Ling-3.0-flash 架构，保持 124B 总参数、5.1B 激活参数，通过金融语料持续预训练强化年报、财务工作簿等复杂内容处理。

谷歌推出 Gemini Omni 1.1 Flash 视频生成 AI 模型，最高可生成 4K 视频。新模型支持场景扩展（每次 10 秒步长，单条最长 40 秒）、指定首尾帧及最长 3 秒视频参考。360p 预览生成速度较标准 720p 最高提升 60%，成本仅为三分之一；价格从 360p 每秒 0.03 美元到 4K 每秒 0.3 美元不等。

Midjourney 开始向所有用户开放其首个 V8.2 图像编辑模型的测试。该模型支持指令编辑、以图生图（最多同时引用 4 张参考图）、局部重绘与扩画，并兼容个性化、moodboards 和 srefs 功能。用户可通过网页端或 Discord 的 `--edit` 命令使用，官方同步更新了 midjourney.com 与 alpha.midjourney.com 的界面。

MiniMax 发文祝贺 fal 团队基于 MiniMax H3 推出 H3 Max。fal 对 H3 进行后训练以提升提示词遵循与视觉质量，并协同设计推理栈，在提速同时持续测试质量，仅保留不损失后训练收益的优化。

MiniMax 祝贺 fal 团队推出基于其开源模型的后训练视频模型 H3 Max，该模型在质量、提示理解和美学方面排名第一，生成 5 秒 720p 视频仅需不到 3 秒。fal 同时优化了推理系统以实现超实时性能。H3 Max 发布首周享 50% 折扣。

MiniMax 祝贺 fal 团队基于其开源 H3 基础模型后训练的 H3 Max 视频模型登顶多项评测。H3 Max 在整体质量、提示词理解和美学上均排名第一，生成 5 秒 720p 视频耗时低于 3 秒，且本周价格五折。MiniMax 强调后训练只是释放基础模型已有能力，并指出 SGLang 训练管线及 Sol-Attention 引擎带来 3.95 倍端到端加速。

Google 推出 Gemini Omni 1.1 Flash，通过 Gemini API 在 Google AI Studio 提供面向专业用途的生成视频能力。新功能包括场景扩展（可分析最多 10 秒先前上下文，以 10 秒为增量延长至累计 40 秒）、首尾帧插值、360p 快速草稿（比 720p 快至多 60%、成本为其三分之一）以及最高 4K 分辨率升级。

Cohere 发布文档解析模型 Parse（parse-v5.0），基于 North-Micro-Vision-Instruct 架构，拥有 2.3B 参数、8，192-token 上下文窗口和约 4.6GB 体积，可将 PDF、PPT、JPEG 页面直接转为含 HTML 表格和边界框坐标的 Markdown，无需独立 OCR 阶段。

蚂蚁百灵推出金融增强版 Ling-3.0-flash-Fin，总参数 124B、激活参数 5.1B，面向信息检索、研究、估值建模与报告撰写。

Google 将 Gemini Omni Flash 视频模型升级至 1.1 版本，场景扩展可分析现有视频最多十秒而非仅最后一秒，并以 10 秒为增量延长至 40 秒。

很高兴将 Gemini Omni Flash 1.1 带给世界，这是对我们"任意输入、任意输出"世界模型的更新。它现在支持： - 360p 草稿、4K 上采样器 - 扩展时最多 10 秒的视频上下文 - 以 10 秒为增量进行视频扩展 - 视频参考

Google 正式发布多模态视频生成与编辑模型 Gemini Omni 1.1 Flash，现已上线 Gemini API 和 Google AI Studio。新模型为开发者提供场景扩展、指定镜头起止帧、视频输入参考等创意控制，并支持将片段放大至 4K、以 360p 快速测试想法。

Google 发布多模态视频生成与编辑模型 Gemini Omni 1.1 Flash，支持 4K 超分、首尾帧控制及快速 360p 草稿。最大升级是场景扩展：基于原视频 10 秒上下文进行扩展，远超 Veo 的 1 秒，带来更强一致性与更长叙事。

Google 推出 Gemini Omni 1.1 Flash，为开发者提供更强的生成式视频控制能力。新模型支持场景扩展（可分析最多 10 秒先前上下文，以 10 秒为增量累计延长至 40 秒）、指定首尾帧生成平滑过渡，以及 4K 高清输出。

GOOGLE 🔥：Omni 1.1 Flash 视频模型即将发布，支持 1080p 和 4K 输出分辨率选项。 很快推出 👀

Cohere 推出 Parse 5 文档解析模型，主打市场最强性价比。此前企业需在高成本高精度解析与低成本有损解析间取舍，Parse 5 以行业最低每页价格实现高质量解析，适合大规模企业数据处理。

Ox-Alpha🐮 已揭晓。👀 认识来自 @Zai_org 的 GLM-5.3-Flash -- 现已开源，并已在 SiliconFlow 上线。⚡ 一如既往的 Day-0 支持。 总计 320B 参数，仅 18B 激活。原生多模态。MIT 许可。让前沿智能更可及。强于 GLM-5.2。成本降低 90%。编码与智能体任务接近 Opus 4.8。成本降低 >95%。 在 SiliconFlow 上：优化推理、高可用性、生产级规模容量。立即在 SiliconFlow 上构建…

推出 Cohere Parse 5。这是我们最新的文档解析模型，拥有市场上最强的性价比。 非常适合高吞吐量的企业工作。在保持每页价格处于行业低位的同时，获得高质量的解析准确率。

Manycore Tech 发布新 3D 生成模型 Lux3D，最快 20 秒生成 3D 资产，支持高质量材质纹理与 Harness Mode 批量创建。Rohan Paul 指出，其 API 可被编码智能体反复调用，从规格说明批量生成 3D 道具并送入 Blender 处理，使 3D 生成成为更大智能体执行循环中的一环，而非简单的"图生 3D"工具。

Google 推出 Gemini 3.5 Transcribe 语音转文字模型，支持 85 种以上语言，可自动去除"um"等填充词、纠正口误并自动排版。流式转录词错误率为 4.0%，录音音频为 2.6%，延迟较前代 Chirp 3 降低 70%。

智谱于8月26日开源GLM-5.3-Flash，这是GLM-5系列首个原生多模态模型。其线上流量完全运行在10万颗国产芯片上。发布前，匿名"Ox Alpha"模型在OpenRouter和OpenCode上处理了62T token--同样使用中国硬件。据报道，供应商可能包括华为、海光和摩尔线程。该模型在Artificial Analysis上得分为57，与Claude Opus 4.8持平，而成本仅为GLM-5.3的十分之一。开放模型、国产算力、全球需求。

Z.ai 发布 GLM-5.3-Flash，3200 亿总参数（180 亿激活）、百万 token 上下文窗口，MIT 许可开源。该模型在 Intelligence Index 上得 57 分，接近 GLM-5.3 的 60 分，但每任务成本仅 0.09 美元，约为后者的 7.5 分之一。该模型全程运行于国产 AI 芯片，Z.ai 自研服务软件实现了与 Nvidia GPU 相当的性能。