前 Yahoo CEO Marissa Mayer 推出个人 AI 助手 Dazzle，去年 12 月完成 800 万美元种子轮融资，其上下文来源只有手机相机胶卷，而非邮件和日历。Dazzle 可通过 App 或短信交互，能扫描近期照片填充日历、根据照片库推荐旅行和礼物，并声称会丢弃被标记为敏感的个人信息。

Anthropic 把 Sonnet 5.5 设成了 claude.ai 免费层的默认模型，Simon Willison 实测让它用 WebGL 画了个骑自行车的 3D 鹈鹕，效果不错。这个模型在所有基准测试上都压过了 Sonnet 5，而且跑得更快、更便宜——大部分任务成本能降 30%。不过“max”思考模式还是和 Opus 5.5 一样有 bug：...

Anthropic 推出了 Claude Sonnet 5.5，官方说运行速度比 Sonnet 5 快了超过 30%，写东西也更清楚，主要瞄准修 bug、写文档、做幻灯片和表格这类需要快速来回改的活儿。同时发布的 Opus 5.5 则定位在需要谨慎判断的复杂任务上，Haiku 5.5 还要再等几周。正文没提具体定价和延迟数据，所以这 30% 到底在什么...

404 Media 拿到一批内部文件，发现微软雇了至少几百名外包人员，专门看用户发给 Copilot 的提示词和上传的图片。他们的任务不是过滤不安全内容，而是评判生成质量——比如 AI 把胸部放大了，够不够大。审阅员每天被各种性请求刷屏：要求把裙子改短、生成儿童卡通角色的足控图、制作厌食症相关内容。用户上传的人脸从不打码，很多提示词看起来根本没经过当事...

作者受 Jev 启发写了个 Python 封装，核心思路是让 LLM 只输出一个 token（比如 A/B/C），然后读它的 logprobs 来快速做选择题。这样避免了模型长篇大论，速度很快。作者还加了图片支持，用 Gemma 4 12B 在 RTX 3090 上跑摄像头画面，每秒能处理 1 帧，每帧同时问三个问题（有没有人、室内还是室外、亮度如何）...

Ben Tossell 用 Codex 和 Factory 花一上午搭了个网站，展示 1976 到 2026 年间 87 款经典设备，所有图片由 Astra 生成，只用了 40 条指令和 7 个子代理。网站已收到 1455 票。项目灵感来自一个“被遗忘的设备”想法，又参考了 Cole 的时间线拖拽演示，代理们自己找参考图、生成新图，还补上了 2009 ...

PrismML 在高通骁龙峰会上展示了一个叫 Bonsai 的 1-bit 语言模型，能直接在智能眼镜上跑，不用联网。这个模型有 20 亿参数，同时处理图像和文字，戴着眼镜看到什么可以直接问。他们的核心本事是把大模型体积压到原来的四分之一，跑分还几乎不掉。这家公司的长远目标是做开放权重的端侧 AI，不把隐私押在云厂商的承诺上。不过目前还没有哪款智能眼镜...

Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在原生实时对话模型上加入近实时视频生成，实现带唇形同步、自然表情和流畅轮次切换的动态视觉形象。

Meta 在 Connect 大会结尾快速展示了一款叫 Muse Charm 的独立 AI 硬件，专门跑自家的 Muse 智能体。它长得像一块摘掉表带的厚智能手表，配了根挂绳。右上角有指纹传感器，按下去就能直接说话下指令，不用掏手机解锁。正面至少开了三个麦克风孔，还塞了一颗小摄像头。正文没公布价格、续航和上市时间，目前只是露个脸。

Qwen在9月20日开源了7B参数的图像模型Qwen-Image-2.1，它把文生图、局部编辑和原生输出透明PNG这三件事收进了同一个管线里。最显眼的是版本号从7月的3.0反向跳回2.1，这背后是团队在2026年把产品分成了两条线：3.0是只提供API的闭源商业版，2.1则是继续走开源研究路线的分支。模型内置了一个能处理透明通道的自编码器，生成图片时直...

Muse 上线才两周，Meta 就说正在把它往智能眼镜里搬，包括 Connect 大会上新发布的款式。用法很简单：喊一声 Muse，就能让它带着你做运动、记吃了什么，或者帮你看看眼前的东西值不值得买。眼镜还会加一个听力增强功能，Meta 说已经过了 FDA 认证，给轻度到中度听损的成年人用。不过正文没提什么时候上线，也没说哪些型号能用上 Muse。

Meta 给 Muse AI 塞了两项新能力：每个 Muse 智能体都会有一个自己的邮箱，能收发邮件、处理任务，你也可以直接往这个邮箱发指令。Mac 版应用还会获得操控电脑的权限，让 Muse 直接操作你的桌面。另外，Muse 很快会支持视频通话，不再只是打字聊天。正文没披露上线时间和收费方式。

小米把 MiMo-V2.6 Pro 和 Flash 两个全模态模型开源了。Pro 在 Artificial Analysis Intelligence Index 上拿了 46 分，是目前开源模型里最高的，在多数 Agent 基准测试里表现跟 Claude Opus 5 和 GPT-5.6 Sol 差不多。训练用的是规模化强化学习，但正文没披露参数量、...

RxFilm Studio 是一个 macOS 原生应用，把产品视频制作的全流程塞进一个窗口。AI 代理充当“导演”，负责生成配乐（用的 Lyria，但正文没说是哪个模型）、多角色配音、自动字幕（支持翻译，可导出 VTT/SRT）、静态图片，最后通过 Remotion 输出 4K 60fps 视频。每次编辑都会先提方案让你审核。1.9.0 版免费，仅支...

蚂蚁开源了 Ming-Image-0.1-Design 系列，包含两个 6B 参数模型，分别负责设计图生成和图层编辑。6B 参数属于中等规模，比动辄几十B的大模型更轻量，部署成本低。但原文页面被拦截，正文没披露模型架构、训练数据、评测指标，也没说跟现有方案比效果如何。目前能确认的是：开源、两个模型、覆盖从生成到编辑的流程。具体能不能打，得等代码和权重放...

通义千问的 Qwen-Image-2.1 在 Arena 的图像编辑和文生图榜单上都是开源模型第一。图像编辑得分 1367，总榜排第 16，只比第 15 名的 GPT-Image-1.5-high-fidelity 低 3 分。正文没提参数量、模型架构和具体开放时间，这点先别太激动。

OpenRouter 从自家目录的 37 个嵌入模型里筛出了一份短名单，按场景给了推荐。默认选 openai/text-embedding-3-small，因为它便宜，单次能处理 8192 个 token，输出维度还能调。如果你的文本更长，voyageai/voyage-4-large 支持 32000 token 的上下文窗口，而且跟 Voyage ...

通义千问把 Qwen-Image-2.1 的权重放出来了。在 Arena 的图像编辑榜上拿了 1367 分，开源模型里排第一，总榜第 16。这个分数离第 15 名的 GPT-Image-1.5-high-fidelity 只差 3 分，差距很小。文生图榜也拿了开源第一。正文没提参数量、具体架构和用的什么开源协议，这些关键信息得等后续披露。

小米发了 MiMo-V2.6 系列，Pro 版在 Artificial Analysis 的智能指数上拿了 46 分，排开源模型第一。训练成本 300 万美元，按每次任务 0.13 美元算，性价比踩在了前沿线上。Flash 版主打效率，UltraSpeed 版输出速度拉到了 20 倍。技术报告讲了他们怎么在三个方向上堆强化学习的算力：一是用全异步架构把...

小米发了两个全模态模型 MiMo-V2.6-Pro 和 Flash。Pro 版在 Code Arena 的网页开发榜上拿了 1628 分，比上一代 MiMo-V2.5-Pro 的 1475 分涨了 153 分，整体排第10名上下，在 MIT 许可的开源权重模型里大概排第3。Flash 版的跑分和参数量正文都没提。

腾讯混元发了 Hy Image3.5 preview，一个图像生成模型。但正文只有标题和导航栏，没提能力、参数或发布时间。等官方披露吧。

Qwen-Image-2.1 是个 7B 参数的原生图像模型，一个检查点就能做图像生成和编辑，不用来回切模型。它最多能塞 10 张参考图进去，还内置了一个专门帮你优化提示词的 LLM，省得自己反复调 prompt。模型已经接入了 diffusers 和 ComfyUI，Hugging Face 上也有免安装的网页 demo 可以直接试。不过正文没提训练...

阿里 Qwen 放出了 Qwen-Image-2.1 的开源权重，原生支持 ComfyUI 节点。一个 7B 参数的模型同时干生图和编辑两件事，最高能出 2K 分辨率的图，单次指令最多可以参考 10 张图来改图，还支持带透明通道的 RGBA 输出。正文没提硬件要求和具体授权协议，想本地跑的话得自己试水。

阶跃星辰推出了 Step 5 Preview，一个总参数量 6000 亿、每次推理激活 270 亿参数的混合专家模型。它支持 100 万 token 的上下文窗口和图像输入，主要瞄准让模型进业务流程干活的场景。在 DeepSWE v1.1 编程测试里拿了 67.7 分，超过了 Kimi K3 和 GLM-5.3，但落后于 GPT-6 Astra 和 C...

OpenRouter 用同一句提示词跑了 20 个图像生成模型，直接看实际扣了多少钱。最便宜的是 GPT Image 2，一张 1024 方形图只要 0.006 美元；最贵的是 Gemini 3 Pro Image，要 0.134 美元。各家计费单位不一样，有的按 token、有的按像素、有的按张数，光看标价根本没法比，得实际跑一张看账单。测试里 6 ...

PrismML 开源了 Bonsai 2 27B，这是基于 Qwen3.8 27B 做的三值量化版。它把模型权重压缩到只有 -1、0、+1 三种值，再配合 FP16 的分组缩放，每个权重只占 1.76 比特，整个模型文件只有 5.9GB，比原版小了 9 倍多。跑分方面，综合基准测试得分 83.9，保留了原版 85.4 分 98.2% 的水平，在编程、智...

Pinterest 正在内测一个叫 Restyle 的 AI 功能，用户上传自己房间的照片，AI 就能把里面的家具、装饰和灯光全换掉，效果图里出现的商品可以直接跳转购买。说白了就是把“收藏灵感”这一步直接连到“下单”，缩短从看到买的路径。正文没披露上线时间和支持地区，所以离真正能用还有多远不好说。

DeepSeek 发了 V4.1-Flash，一个 552B 参数的 MoE 多模态模型，核心卖点是 KV cache 压缩——就是减少长文本推理时显存占用，让大模型跑长上下文更省显存。论文刚挂 arXiv，压缩比和跑分都没给，标题说“Pushing the Limits”，方向是推理效率。正文没披露具体压缩效果和评测结果，这点先别太激动。

OpenRouter 发了一篇指南，把 DeepSeek V4 家族里哪个型号能读图、哪个只能读文字列清楚了。V4 不是单个模型，而是一个系列，包括 V4.1 Flash、V4 Pro 0813、V4 Flash 0731、V4 Flash Vision Exp 等。能接受图片输入的只有两个：V4.1 Flash（原生支持，输入 $0.15/百万 to...

Meta 把自家 Muse 模型里的 AI 生图、修图、视频生成，还有 Instagram 的 Restyle 工具，都塞进了一个叫 Meta One 的付费订阅里，覆盖 Facebook、Instagram 和 WhatsApp。这是继 2025 年砸了 143 亿美元投资 Scale AI 之后，Meta 想把 AI 能力直接变现的又一步。今年三月...

前TikTok高管推出了一款叫Superpose的相机App，你拍张自拍或照片，AI会分析后生成4种可能的姿势，解决“手不知道放哪”的尴尬。去年Google在Pixel手机上也有类似功能叫Camera Coach，但Superpose只专注教人摆姿势。正文没披露它用的是什么模型、是否免费、以及具体上线日期。

一个开源项目，用树莓派加麦克风本地识别鸟鸣（不用联网），听到鸟叫就在墨水屏上显示一张19世纪风格的鸟类版画。识别靠BirdNET，画图靠Stable Diffusion，代码和模型全开源。全文没提支持多少种鸟，也没说识别延迟多长。

mukel90 发了个新项目 jinfer，是个完全用 Java 写的推理引擎，支持聊天、视觉、语音转文字、文本嵌入、重排序和语音合成。它不依赖 Python、ONNX 或任何外部进程，能直接读写 gguf 和 safetensors 格式的模型。作者说 CPU 上的性能已经能和 llama.cpp 掰手腕，GPU 支持还在开发中。项目已经接入了 Sp...

Runway 放出了 Solaris 的研究预览，这个系统不写前端代码，靠模型逐帧把界面画出来，用户的点击拖拽直接驱动下一帧画面。目前只有官方精剪的演示视频和一个候补名单，没有公测、定价和 API，第三方实测也还没出现。官方自报用户偏好度比传统代码界面高，但成本对比的参照系是更贵的视频扩散模型，不代表比普通网页渲染省钱。Google Research ...

Tom Gally 用 Claude Fable 5.1 搭了个站，把 Simon Willison 那个经典的“鹈鹕骑自行车”测试扩展成了 30 道 SVG 画图题，比如“章鱼弹管风琴”、“长颈鹿组装落地钟”。2026 年跑了 6 个模型，2025 年跑了 10 个。页面直接贴模型返回的原始 SVG，没做主观打分，你自己看图画得怎么样。每张图下面标了...

DeepSeek 在 9 月 10 号发了 V4.1-Flash，虽然叫 4.1，Sebastian Raschka 直接说这该叫 V5。模型总参数 763B，用了混合专家（MoE）和因果编码器-解码器架构，把处理输入和生成输出拆成了两个阶段：预填充时激活 8B 参数，解码时激活 16B 参数，稀疏度只有 1% 到 2%。这么一拆，KV 缓存占用最多能...

DeepSeek 放出了 V4.1-Flash 的开放权重，一个 552B 参数的 MoE 模型，用了 Causal Encoder-Decoder 架构，专门为编程 Agent 调过。它把算力拆成两块：prefill 阶段激活 8B 参数，decode 阶段激活 16B，外加 KV 缓存效率也做了优化。跑分上，Terminal Bench 2.1 拿...

文章标题说 DeepSeek V4.1 Flash 大幅降价、原生支持视觉能力，作者用游戏和城市生成任务测了表现。但正文被微信屏蔽，看不到具体降了多少、视觉能力什么规格、生成质量如何。如果真降价且视觉好用，对做多模态或生成类应用的团队是个好消息，但这点先别太激动——没披露细节前只能当传闻看。

WorkBuddy 把 DeepSeek V4.1-Flash 接进了自家平台，新用户能免费试用两周。这个版本通过 DeepSeek API 调用，支持原生多模态（能直接处理图片、文字等混合输入）。但公告没提相比之前版本快了多少、便宜了多少，也没说试用期后怎么收费。

Google 发了新图像工具 Pics，域名 pics.new，底层模型叫 Nano Banana。它能局部改图、直接编辑图片里的文字甚至翻译，还支持多人协作和一次出多张方案。正文没提收费方式和模型参数量，这点先别太激动。