跳到正文

#模型发布

今日 6 条
9月18日周五
  1. 公众号：智谱（GLM）62

    智谱上线 GLM-5.3-FlashX，推理速度最高 200 tokens/s

    智谱正式推出 GLM-5.3-FlashX，在 GLM-5.3-Flash 基础上加大对 Infra 侧投入与推理优化，速度最高 200 tokens/s，算力基于 10 万张国产芯片。该模型此前曾以 Ox Alpha 之名面向开发者，官方称其长期保持同尺寸最强智能水平并具备高性价比，API 已上线，Model Key：GLM-5.3-FlashX。

  2. IT之家（RSS）76

    阿里发布全模态模型 Qwen3.8-Omni-Flash，支持 1M 上下文，百万 Token 图文音视频输入 0.8 元

    阿里千问上线新一代原生全模态模型 Qwen3.8-Omni-Flash，可同时处理文本、图像、音频和视频输入，支持 1M 上下文。在 30 项评测上相比上一代 Qwen3.5-Omni-Plus 平均得分提升超过 26%，官方称音视频能力接近 Gemini 3.8 Flash、音频能力整体超过 Gemini 3.8 Flash。

  4. HuggingFace Daily Papers（社区热门论文）85

    DeepSeek-V4.1-Flash 发布：552B MoE 多模态模型主打 KV cache 压缩

    DeepSeek 发布 DeepSeek-V4.1-Flash，一个 552B 参数的多模态 MoE 模型，支持最长 100 万 token 上下文，模型权重已在 Hugging Face 开放。

    推荐理由：论文给出了每 token KV cache 字节数等具体压缩指标，并与上一代模型直接对比，可评估长上下文 Agent 部署成本变化。

  5. IT之家（RSS）63

    Figure 发布 Helix 2.5 模型，人形机器人可自主做家务

    Figure 发布 Helix 2.5 模型，让人形机器人进入从未见过的家庭后立即自主完成整理客厅、折叠毛巾和整理床铺。Figure 在全球人类行为数据集 Index 上预训练该模型，并在湾区 30 户未收集过数据的家庭中实测；Index 预训练使任务成功率从 8% 提升到 56%，相比前代 Helix 02 只用一半任务专用数据即泛化到 30 个新环境。

  10. Qwen：Blog Retrieval（API）78

    Qwen 发布原生全模态模型 Qwen3.8-Omni-Flash，主打音视频智能体任务交付

    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%。

    推荐理由：官方发布同时开放 API 和开源插件与运行时，读者可以据此评估音视频智能体在剪辑、会议、实时交互等工作流中的落地方式。

9月17日周四
9月16日周三
  15. 🚨 AI News | TestingCatalog55

    Creatify Labs 发布面向视频广告的文生视频与图生视频模型 Boreal，定价每秒 $0.01，已向所有 Creatify 用户开放。模型基于开源权重的 LTX-2.5 后训练，训练语料包括真实广告素材、创作者风格 UGC 和客户制作需求；官方称在 40 多个制作案例的盲测人评中，后训练使 Boreal 对基座模型的胜率达 81%，并称其比 Seedance 2.5 最多便宜 47 倍。

  19. Rohan Paul54

    Odyssey 发布基础世界模型 Odyssey-3，称其可控制机器人、驱动人形、驾驶车辆、训练 AI、操控无人机甚至玩视频游戏。其路线是先用预训练世界模型，再接上用数十小时机器人演示训练的动作解码器；据作者转述，驾驶策略仅用 20 小时模拟数据训练后就能驶上印度真实街道，机械臂、人形遥操作和模拟无人机数据的用量也仅为数十小时。