多模态

实测 DeepSeek V4.1 Flash：价格大降、原生带视觉，作者用游戏与城市生成任务验证表现

作者实测 DeepSeek V4.1 Flash，缓存命中输入降价 7 倍多、输出砍三分之二，9 月 14 日中午 12 点起所有发往 v4-pro 的请求将被强制路由到 4.1 Flash 并按其低价计费。

WorkBuddy@WorkBuddy_AI精选AI 评分7070

WorkBuddy 宣布 DeepSeek V4.1-Flash 已在其平台上线，免费试用两周。引用的 DeepSeek 公告称 V4.1-Flash 已登陆 DeepSeek API 并支持原生多模态。

Hugging Face 用 Gradio Workflow 重建 Workflow1111，复刻 AUTOMATIC1111 主要功能

Hugging Face 发布 Workflow1111，用 gr.Workflow 以 73 个节点、11 条媒体管线重建 AUTOMATIC1111 的大部分功能，覆盖文本生成图像、高清修复、图生图、prompt matrix、VLM 反推提示词、检测生成 inpaint 蒙版、ControlNet 式预处理器、背景移除、PNG Info 和图生视频。

DeepSeek 发布 V4.1-Flash，API 价格同步下调

DeepSeek 发布 DeepSeek-V4.1-Flash，是全新模型结构系列中最小尺寸的模型，具备原生多模态视觉理解能力，评测包括 GPQA Diamond 90.9、HLE 36.8、Codeforces Rating 3471、Terminal-Bench 2.1 90.6 等。

Suno@suno精选AI 评分6666

Suno 发布 v6 模型，可将图片、视频和语音备忘录转化为音乐，并对已创建的歌曲进行精确修改。同时提供 v6-wild 版本供探索更多可能性，官方附有 2 分钟以内的功能演示视频。

Apple 发布首款折叠屏 iPhone Duo，起售价 $1,999

Apple 发布首款折叠屏 iPhone Duo，展开为 7.6 英寸内屏，合盖后为 5.4 英寸外屏，提供 iPhone 上最大显示面积。搭载 A20 Pro 芯片和蒸汽室散热，iPhone 17 Pro 续航最高 44 小时视频播放，10 月 16 日开启预购、10 月 23 日发售，起售价 $1,999。

DeepSeek V4.1 Flash 发布，视觉理解进入默认 Flash API

DeepSeek 发布 V4.1 Flash，在新架构下加入原生视觉理解，并通过 deepseek-flash 接口提供。旧版 V4 Flash 与视觉实验版已退役，原名称暂时指向新版；公告还宣布下调 API 价格。本次发布没有提供可核实的权重开放信息。

Cohere 发布开源权重翻译模型 North Small Translate，WMT26 得分 83.60 超越 DeepL 与 Google Translate

Cohere 发布机器翻译模型 North Small Translate，为 MoE 架构，总参数 218B、激活 25B，支持 50+ 语言，WMT26 全语言得分为 83.60，高于 DeepL NextGen 的 81.37 和 Google Translate 的 68.20，Agentic 版本达 84.36。

OpenRouter 评测 Seedance 2.5：长镜头与已有素材编辑的场景及成本解析

OpenRouter 发布对 ByteDance Seedance 2.5 视频模型的评测，该模型自 2026 年 8 月 7 日上线其视频 API，生成 4 到 30 秒、480p 或 720p 的片段，支持图像、视频、音频引用和首尾帧控制，音频同趟生成不加价。

OpenRouter 教程：用代码调用 Nano Banana 2 编辑图像

OpenRouter 发布教程，演示通过 API 向 google/gemini-3.1-flash-image（即 Nano Banana 2）发送源图和文本指令完成图像编辑，编辑结果以 base64 形式在响应中返回。教程给出 Python 和 TypeScript 示例、提示词写法、多轮小步编辑方法，以及更换模型只需改一个字段，并介绍了 Nano Banana 系列四个成员的价格与质量差异。

Google 与 HHMI Janelia 发布完整雄性果蝇大脑连接组图谱

Google Research 与 HHMI Janelia、MRC 分子生物学实验室及剑桥大学等合作，在 Cell 发表雄性果蝇大脑和中枢神经系统的完整连接组图谱，包含超过 166,000 个神经元和 1.25 亿个突触连接，是目前按神经元数量计最大的大脑图谱。

Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型， hourly 更新且分辨率较上一代提升约 5 倍

Google DeepMind 与 Google Research 发布 WeatherNext 3，称其为迄今最先进的全球天气 AI 模型，经 Brightband 独立实时评估。

WeatherNext 3 发布，天气 AI 接入搜索、地图和开发者数据服务

WeatherNext 3 结合实时卫星和地面观测生成逐小时天气预报，并开始接入搜索、Gemini、地图及开发者数据服务。温湿度采用五公里网格，其他变量分辨率不同；其降水精度提升来自具体评测，不能扩大成所有地区和天气都更准确。

Google DeepMind 为 Gemini 推出 agentic 视频理解功能

Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出 agentic video understanding，模型动态扫描视频片段，相比固定帧率处理 token 消耗最多降低 88%，成本最多降低 66%，准确率最多提升 7%。

上海AI实验室发布 InternLumina-U2：16B-A1B 多码本扩散统一多模态模型

上海AI实验室发布 InternLumina-U2，一个 16B 参数（激活 1B）的 MoE 扩散语言模型，用 8 码本全离散视觉表示统一覆盖文本问答、文生图、图像理解与编辑、视频及 3D 理解。

Runway 发布 Interface World Models 首个模型 Solaris，实时逐帧生成可交互界面

Runway 发布 Solaris，称其为新模型家族 Interface World Models 的第一个模型，由世界模型实时逐帧生成界面并对点击、拖拽等交互作出响应，无需代码等中间表示。

Gemini 上线智能体视频理解，按任务动态查看关键片段

Gemini API 上线智能体视频理解，可按问题动态检查画面、音频和字幕，支持上传视频与 YouTube 链接。功能适用于多款 Flash 模型，沿用标准 API 计价；谷歌测试中的节省幅度取决于任务，不能直接当作所有视频的成本承诺。

DeepSeek-V4-Flash-Vision-Exp 模型已开源，多模态 Agent 能力接近 Opus-4.8

DeepSeek 于 8 月 31 日在 Hugging Face 开源首个多模态模型 DeepSeek-V4-Flash-Vision-Exp，采用 MIT License，公开模型文件、Tokenizer、Prompt Encoding 参考实现及最小化 PyTorch 推理实现。

Google DeepMind 发布 Gemini Omni 1.1 Flash

Google DeepMind 发布 Gemini Omni 1.1 Flash，为开发者带来场景延长、首尾帧插值、360p 快速草稿和最高 4K 放大等生成视频控制能力。

Google DeepMind 发布 SL2T 手语转文本模型，落地 Gboard 与 Live Transcribe

Google DeepMind 发布多语言手语转文本模型 SL2T，在 Gboard 和 Live Transcribe 中为 Pixel 11 提供手语听写功能，首发支持美国手语（ASL）转英文。