AI 模型发布与更新

我们有证据表明：1） AI智能体非常擅长改进用于训练AI的软件 2） 大语言模型在许多领域可以达到超人水平 但这些并不能推导出"AI将强大到在N年内毁灭我们"的结论。我们预测的是不可避免的饱和，以及未知的未来突破。

@ltx_io 发布开放权重视频世界模型 LTX-2.5，支持本地部署和微调，前代 LTX 已达 18M 下载。新版本改进生成与编辑：新解码器提升人脸清晰度、文字招牌可读性和快速运动表现，原生 Multishot 在镜头间保持角色、环境、光照与语音一致，IC-LoRA 支持对象移除、连贯性修复和环境更换，更强的蒸馏模型把更多质量带入本地 GPU。

借助 Gemini Live，让你的杂乱空间变得井井有条。 从选购新的收纳用品到查找本地电池回收点，Gemini 都能帮你更聪明地整理。只需打开 Gemini Live，将摄像头对准杂乱区域，即可实时对话，讨论如何整理。

微软提出 FrogNano，一个 4B 参数编码智能体，在约 1，500 个软件工程环境中训练，全程未使用大模型知识蒸馏。其仅通过在线任务合成与 RL 后训练，核心在于生成校准至当前模型可学习边界的任务，而非依赖合成数据量。这表明仅凭合成任务即可训练出有竞争力的轻量级编码智能体。

Desert Ant Labs 今日发布，定位欧洲前沿 AI 实验室，专注端侧智能。其推出覆盖音频、视觉和文本的 18 个模型，并提供 Swift、Kotlin 和 JavaScript 的 SDK。Hugging Face CEO 强调，在算力短缺背景下，端侧 AI 近乎免费且完全保护隐私。

我们该把 @LeRobotHF 的 SO-100 寄给 @sama 呢，还是送他一台 3D 打印机和舵机，让他自己动手组装？

Suno 发布 v6 音乐模型，与 Warner Music、BMG 和 Believe 共同开发，并用 v6、v6-wild 和 v6-mini 三档替换全部旧模型，v6-mini 免费开放。

Hugging Face 的开源硬件（https://huggingface.co/docs/lerobot/en/so101）+ 前沿 AI = 🔥🔥🔥

欧洲 AI 实验室 Desert Ant Labs 正式成立并上线首批 18 个端侧专用模型（12 个稳定版、6 个 beta），覆盖音频、视觉和文本任务，通过 Swift、Kotlin 和 JavaScript 的统一 SDK 提供，在 GitHub 和 Hugging Face 开放。

一位合同到期的开发者发帖询问，是否还有公司允许开发者完全不改变 2021 年以来的编码方式，仅将 LLM 用于研究。他表示宁愿转行也不愿管理 AI 智能体，并困惑于是否该彻底转换职业赛道。

推荐！ GPT-6 Astra &amp； 循环 Transformer 【引用 @rasbt】：我整理了一篇关于 GPT-6 Astra 与循环 Transformer 的长文。 循环 Transformer / 循环深度如何运作、成本权衡、是否会隐藏推理痕迹，配有大量图表，并梳理了近期循环 Transformer 研究。

DeepSeek 计划于北京时间2026年9月10日左右正式发布 V4.1 Flash，官方称其在性能、成本、速度和任务完成时间等关键指标上全面超越 V4 Pro。

GPT Images 2.5 排版/构图的质量也是好起来了！ ZHOGUE|测试系列|ZHGO|GPT Images 2.5

用 GPT 也终于能吃上好的了😭 GPT Images 2.5|ZHOGUE|创意系列|ZHGO

OpenAI 发布 ChatGPT Images 2.5，含 GPT-Image-2.5 Flare 和 GPT-Image-2.5 Sunburst 两个模型，主推更自然的光照、更可靠的参考图保留和局部编辑，Flare 延迟较 Images 2.0 降低最多 50%。

GPT Images 2.5|EleganCat|创意系列|ZHGO

一张概念图。你能在 Blender 里得到一个可编辑的场景吗？🧱 工作流如下：拆解 → GPT-6 规划各个部件 生成 → Meshy API 构建 12 个带纹理的资产 精修 → GPT-6 + Blender 调整比例与摆放 呈现 → 打光、30fps 转台展示

Anthropic 工程师称提示词工程已过时，90% 内部工程师已用自愈循环（Loops），正全员转向智能体图（Agentic Graphs）。视频中工程师在空白终端用 10 分钟徒手构建完整 Claude Code 核心系统，演示从 Agents 到 Loops、Graphs 再到 Self-Improving 的四步演进，强调图工程是未来底层骨架。

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。

CommInsight 是一个面向大规模分布式训练与推理的系统级诊断平台，从 NCCL 通信库底层事件流出发，恢复通信组角色与训练语义，重建从任务、并行策略到通信算子、Rank 与物理链路的全栈因果链，用于 Hang、Failure、Straggler 与性能瓶颈的检测和源头定位。

自适应自我改进 https://ii.inc/blog/post/zenith 【引用 @ii_posts】：我们将 Meta-Zenith 指向一个任务：让 Qwen3.8-27B-NVFP4 在单张 RTX 5090 上运行更快。 111 次自主试验后，无人工介入： 吞吐量 +63.5%（几何均值，18 项设置） 65K 上下文下提升 4.1× 工具调用质量不变 https://github.com/Intelligent-Internet/Qwen3.8-Infere…

吉卜力工作室制作人铃木敏夫回应"吉卜力风"AI 生成图片热潮，称当时未回应采访邀请是因预判大家会很快看腻，结果果然如此。他认为此类 AI 作品"没什么意义，也不好玩"，并断言宫崎骏的表现方式"无法通过 AI 或 CG 再现"。此前 ChatGPT 文生图升级 GPT-4o 后曾引发该风格图片潮流。

硅谷知名风投 A16z 合伙人阿尼什·阿查里亚认为，AI 并不会制造所谓的"永久底层阶级"，人们无需为此过度担忧。他指出，AI 技术栈的每一层都有约 20 家具有影响力的参与者，编程智能体领域已涌现 Claude Code、Codex、Lovable、Replit 和 Wabi 等成功产品，机会分布远比过去几轮科技繁荣更广泛。

Suno 推出 v6 系列 AI 音乐模型，包含 v6、v6-wild 和 v6-mini 三款，并与华纳音乐、BMG 等唱片公司达成合作。v6 主打旗舰，v6-wild 面向实验性音乐，仅 v6-mini 向免费用户开放，另两款需 Pro 或 Premier 订阅。生成速度更快，几秒即可出音乐，支持自然语言编辑歌曲片段、从多个音频源生成混音、单独提取采样，并可从音频或图片等多模态输入生成歌曲。

GPT Images 2.5|风格迁移测试系列|Elegant|ZHGO

Hugging Face 联创 Thomas Wolf 回应 OpenAI 用下一代模型（强于 GPT-6 Astra）的 agent 群组证明 Navier-Stokes 千禧年问题猜想为假的结果，称其令人印象深刻。

锁定 Grok 4.7？走着瞧。但无论如何，今天也是苹果的发布会，这是 John Ternus 首次主持--这位天才主导了 Mac 从 Intel 向 Apple 芯片的过渡。 有关于 iPhone 折叠屏和众多其他新功能的猜测。我会像对待每次苹果发布会一样，稍后进行实时推文和评论。我非常兴奋（也希望我的 Mac Studio 能尽快发货）。回头见！

GPT Image 2.5 精准编辑能力出色，动漫转真人还原度高，但生成真人效果仍显油腻、AI 味浓。对比前代 GPT Image 2.0，其还原度虽好，真人质感依旧拉胯，被 Nano Banana Pro 明显超越。

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。

谷歌宣布 Gemini 每日简报即日起向免费订阅用户开放，此前该功能仅限 Google AI Plus、Pro 或 Ultra 订阅用户使用。该功能每天早晨汇总待办事项、未回复邮件等重要内容，支持网页版和移动 App，现已面向美国用户开放，未来将覆盖更多国家或地区。谷歌还计划为简报增加音频播放选项。

英伟达CEO黄仁勋在播客中表示，闭源模型其实更便宜，因为自建需承担训练、微调、维护及安全防护等高昂成本与专业要求。他认为开源模型的真正价值在于提供控制权，可针对高度专业化的用例进行定制，两者各有其适用场景。

停止租用智能。使用阿里云 Qwen3.8-Max 的 2.4T 开放权重模型为你的编码与多智能体工作流赋能，该模型拥有 1M token 上下文窗口及原生多模态能力。 今日即可在 Qwen Cloud 和 Model Studio 领取 7000 万免费 token： · Qwen Cloud： https://click.qwencloud.com/m/20000001102/ · Model Studio： https://click.alibabacloud.com/…

这下风格自由了！GPT Img 2.5 ❤ Cute ❤ Elegant|ZHGO|测试系列|GPT Images 2.5

inclusionAI 在 ModelScope 发布开源视觉模型 Ling-3.0-flash-VL，采用 MIT 协议，提供 BF16 和 FP8 两种权重。

DeepSeek 开放平台发布通知，计划于北京时间 2026 年 9 月 10 日前后正式发布 V4.1 Flash 模型，官方称经内外部多方测试，其在性能、费用、速度、总用时等指标上全面超越 V4 Pro。

蚂蚁百灵发布 Ling-3.0-flash-VL（124B/5.5B MoE），具备原生图像和视频理解与 1M 上下文窗口，SGLang 上线 Day-0 支持。模型采用 ViT 编码器加 MLP projector 的原生多模态方案、用于时空编码的 VideoRoPE，以及 42 层 KDA 加 Gated MLA 按 5：1 组成的混合骨干网络以支持 1M token 长上下文。

面壁智能联合 OpenBMB 开源 2B 端侧基座模型 MiniCPM5-2B，在 AA 榜单获 23 分，居全球 4B 以下开源基座模型第一，Agentic Index 达 20 分，同级模型如 LFM2.5-2.6B、Granite 4.2 3B、Mistral 3 3B 仅 2 分。

🎬 多模态创作现已在 QwenWork 上线。放入几张产品图片并告诉 QwenWork 你想要什么--它可以在一次对话中将其转化为可用于营销活动的产品视频、营销海报和原创配乐。无需切换工具，无需拼接工作流。只需带来创意，让 QwenWork 从原始素材到成品创意一气呵成。 👉 立即尝试：http://qwenwork.ai 了解更多：https://click.alibabacloud.com/m/20000000892/ #QwenWork #AI #Multimod…

国内在卷豆包工作、我可八弟、千问办公等工作场景。 海外在卷豆包（Town）、千问（Muse）、微信（Grok Bot）等个人助理场景。 哪一个是大机会呢。还是都是幻相。

实测 GPT Images 2.5 会在 10 轮连续生成之后丢失任务/迷失自我 但这风格参考/迁移和设计能力简直夯爆了！ EleganCat|ZHGO|测试系列|GPT Images 2.5