文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
硅基流动当天就接入了 DeepSeek-V4.1-Flash。这是个 552B 参数的混合专家模型，实际干活时预填充阶段激活约 80 亿参数，解码阶段约 160 亿参数，自带视觉能力，一次能处理 100 万 token 的上下文。最实在的一点是 KV 缓存占用只有 V4 Flash 的四分之一，部署成本会低不少。MIT 许可证，商用也方便。
推荐理由：硅基流动当天上线 DeepSeek-V4.1-Flash，KV 缓存降到 V4 Flash 的四分之一，这是个很直接的省钱信号。552B MoE、8B/16B 激活参数、1M 上下文、MIT 许可证这些关键信息都给了，但正文没放基准测试或实际跑分数据，所以分数没往上调，维持在 78。
DeepSeek 新模型 V4.1-Flash 主要解决长文本处理太烧钱的问题。它把 GPU 高速内存里的 KV 缓存（模型处理过的上下文暂存区）压到了前代 V4-Flash 的四分之一，卸载到硬盘或主机内存的部分更是缩到约八分之一。具体做法是把模型拆成编码器和解码器：读入信息时每 token 只激活 80 亿参数，生成文字时才用到 160 亿，输入端...
推荐理由：DeepSeek 发了 V4.1-Flash，专打 agent 场景的内存成本——KV 缓存压到前代的四分之一。给了具体架构数字，不是画饼。先放在 featured 而不是 p1，因为目前只有单一信源，还没形成交叉报道集群，而且正文没披露实际延迟和吞吐量，我会先打个折。
DeepSeek 推出了 V4.1-Flash，换了一套叫“因果编码器-解码器”的新架构，直接把视觉理解做进了模型里，不用再单独接一个看图组件。模型总规模 552B 参数，是个混合专家模型，处理你输入的内容时只激活 8B 参数，生成回答时激活 16B。官方说价格降了不少，但正文没给出具体降幅和跑分数据，我会先打个折，等第三方实测出来再看。
推荐理由：DeepSeek 发了 V4.1-Flash，换了一套因果编码器-解码器架构，把视觉理解原生集成进去，不用再外接看图模块。552B 总参数，推理时只激活 8B/16B，部署压力不大。官方说价格降了不少，但正文没给具体降幅和跑分，我会先打个折，等第三方实测出来再看。
V4.1-Flash 是 DeepSeek 新架构里最小的一个模型，总参数 552B，但干活时输入只激活 8B、输出激活 16B，属于 MoE 的省电模式。它换了一套叫 Causal Encoder-Decoder 的架构，视觉理解不再外挂，而是原生支持。最实在的变化是 KV 缓存：跟上一代比，HBM 占用降到 1/4，SSD 存储降到 1/8，意味着...
推荐理由：我会先打个折：正文没给具体 benchmark 和推理延迟数据，所以性能到底怎么样还得等实测。但架构切换这件事本身就够硬——Causal Encoder-Decoder 加原生视觉，KV 缓存直接砍到原来的零头，对实际部署的人比单纯跑分更有吸引力。加上 DeepSeek 的发布自带流量，选它上头条没毛病。
OpenAI 把 ChatGPT 生图升级到 2.5 版，这次直接给了两个模型。Flare 主打快，延迟比上代低了 50%；Sunburst 主打编辑控制，改图时只动你让改的地方，其他部分尽量不动，但生成时间更长。API 定价输入每百万 token 8 美元，输出 30 美元，新增了“xhigh”和“max”画质档位，一张 1024x1024 的图在 ...
推荐理由：OpenAI 把生图拆成 Flare 和 Sunburst 两个模型，一个砍延迟，一个保编辑一致性，思路清楚。延迟降 50% 和 API 定价都给了具体数字，能直接评估成本。但 Plus 用户暂时用不了 Sunburst，实际编辑效果还没法大规模验证，所以分数先打个折，等更多实测出来再看。
OpenAI 推出了新的图像模型 Images 2.5。最直接的变化是生图延迟比上一代低了最多 50%，出图更快。画质上，光照更自然、材质细节更丰富，多轮改图时也能更稳地保住画面主体不走样。目前每周通过 ChatGPT 和 API 生成的图片已经超过 30 亿张。这次还加了一个叫 Sketch 的新功能，允许你在 ChatGPT 里直接画草图当参考，让...
推荐理由：OpenAI 正式发了 Images 2.5，延迟最多降 50%，画质上光照和材质更自然，多轮改图时主体更稳，还加了 Sketch 草图输入。每周 30 亿张的量说明这已经是大众工具了。这次更新是实打实的体验升级，不是换皮，三个维度都踩中了。没给更高分是因为这算迭代优化，不是范式级变化。
有人把 GPT-6 Astra 和字节的 Seedance 2.5 串了起来，让 Astra 在 Blender 里搭场景、做预演、定机位，再把参考帧丢给 Seedance 生成动漫风格的打斗镜头，最后 Astra 自己动手剪辑出片。同一套流程还拍了火影同人短片，以及把一部中国短剧翻成美国版。Fable 5.1 和 Gemini 3.8 Flash 也...
推荐理由：一个把 OpenAI 和字节最新模型串起来做自动拍片的动手实验，流程清晰、有成品，但缺少稳定性、成本和对比数据，更像个人 workflow 分享而非产品更新，刚好够 featured 门槛。
Robocurve 让 GPT-6 Astra 直接控制 YAM 机械臂做了两个任务，跟 Claude Fable 5.1 正面比了一场。放红色积木进碗里，Astra 20 次成了 19 次（95%），Fable 5.1 只成了 8 次（40%）。Astra 平均每次花 2.5 分钟、0.94 美元，时间和成本都不到 Fable 5.1（6.8 分钟、...
推荐理由：这是一次带名字、带数字、带价格的实物对比，不是公关稿。两个任务一个分出高下、一个双双翻车，反而让数据更可信。对正在评估模型能不能进物理世界干活的人来说，这篇可以直接存下来当 benchmark 参考。没给 p1 是因为这只是第三方单次测试，不是官方发布，而且只测了两个任务，样本量还撑不起通用结论。
Atlas 是一个从零预训练的多模态自回归扩散 Transformer，把文字、图片、视频和 3D 信息塞进同一个空间上下文里处理。它能拿一两张参考图拼出一个连贯的 3D 场景，并且支持像素级精准的镜头控制，最长能生成 1 分钟的 1440p 视频。在只有 2 到 3 张图的稀疏视角 3D 重建任务上，Atlas 直接超过了那些专门训练的重建模型；给的...
推荐理由：World Labs 放出了 Atlas，一个从零预训练的多模态世界模型，把文字、图片、视频和 3D 统一到一个空间上下文里。最硬核的指标是稀疏视角 3D 重建：只用 2 到 3 张图就干掉了专门训练的重建模型，这个结论可验证，不是空话。没给 95 分是因为目前只是一篇博客，正文没披露训练数据规模、算力消耗和实际延迟，我会先打个折。另外，它能生成最长 1 分钟的 1440p 视频，但视频质量和一致性没有第三方评测，这点先别太激动。整体来看，对做 3D 和具身智能的人是个强信号，但离落地还有信息缺口。
Google 发布了一个叫 Pics 的 AI 设计工具，能根据文字描述直接生成海报、社交帖子和插图。它用的是自家的 Nano Banana 图片模型，会先推给 Workspace 企业用户和 Google AI Pro/Ultra 付费用户。跟 Canva 或 Adobe Express 最大的区别是，Pics 没有创作者模板市场，所有东西都是 AI...
推荐理由：Google 出了个叫 Pics 的 AI 设计工具，你打字描述，它直接出海报、社交图。底层是自家的 Nano Banana 模型，先给 Workspace 企业用户和 Google AI Pro/Ultra 付费用户用。跟 Canva 最大的区别是它没有创作者模板市场，所有东西靠 AI 生成。我会先打个折：文章没讲清楚能不能精细编辑、团队协作怎么样，更像功能预告而不是完整产品评测。如果是真的，对懒得翻模板的人挺省事，但设计团队先别急着切过去。
Google DeepMind 给 Gemini 加了一个新能力：给它看一段操作界面的录屏，它就能看懂步骤，然后自己去完成同样的点击、输入和滚动。不是只描述画面，而是真的执行多步任务，比如填网页表单或在手机 App 里下单。这个功能已经在 Gemini 应用和 Google AI Studio 开放测试。不过正文没提延迟和成功率——UI 自动化智能体在...
推荐理由：Google DeepMind 给 Gemini 加了个挺直接的能力：给它看操作录屏，它就能学会步骤，自己去完成填表、下单这类多步 UI 任务。已经在 Gemini 应用和 AI Studio 开放测试，这点让实验门槛很低。但正文没提延迟和成功率——对 UI 自动化智能体来说，这两个数直接决定能不能用，我会先打个折，等实测数据出来再说。
OpenAI 正在灰度测试 Astra 模型，能零样本一次生成完整前端网页，测试者直呼“前端已解决”。Anthropic 在赶 Fable 5.1，两边已经开始用同一张 SVG 图隔空比细节稳定性。另一边，Claude Code 的安全机制把危险的文件清理任务降级给更弱的 Opus 4.8，结果它正确识别了主目录不能删，下一秒还是删掉了 700GB 数...
推荐理由：Astra 对 Fable 5.1 的隔空对决是本周最好看的叙事，四个技术方向让消息有料，“前端已解决”这种说法又足够刺激。但信源是群聊日报，转述的是微信文章和推文截图，没有一手技术报告，所以我会先打个折——方向值得盯，结论别急着全信。
8月，Meta、Z.ai和DeepSeek三家实验室不约而同地展示了同一种多模态模型用法：模型先观察视频或截图，调用工具生成网页、幻灯片或小游戏，再回头审视自己做出来的东西。这跟2023年RAG从静态检索变成模型主动搜索的转折很像，但这次闭环方向反了——模型是先产出，再自己看一遍来验证。评测方式也跟着变了，Meta的WildArtifactBench不...
推荐理由：三家实验室独立演示了同一个多模态用法，把视觉从被动理解变成主动验证，类比2023年 agentic RAG 的范式转移很有说服力。扣分是因为这是评论性综述而非一手研究，但判断准确、信息密度高，对从业者有直接启发。
阿里通义放出了 Qwen3.8-Flash 的完整权重，这是个多模态的 MoE 模型，总参数量 125B，但每次推理只激活其中 6B 参数，所以跑起来很轻。训练成本只有 Qwen3.7-Plus 的九分之一，性能还全面反超。生产版 API 定价是输入每百万 token 0.16 美元、输出 0.47 美元，原生支持 262K 上下文，可以拉到 1M。官...
推荐理由：阿里通义开源了 Qwen3.8-Flash，一个 125B 总参数但每次只激活 6B 的 MoE 多模态模型，训练成本只有前代 Qwen3.7-Plus 的九分之一，性能还全面反超，API 定价也给了具体数字。这种用极低激活参数换高性能、低成本的路线，对国内做模型选型和成本控制的技术团队很有参考价值，加上 Qwen4 架构预览，信息量够硬，HKR 全中。
周末大家还在猜 Ox Alpha 是谁做的，现在确认了：是 Z.ai 的 GLM 系列最新版。这个模型之前匿名挂在 OpenRouter 上，一上线就冲到排行榜第一。Z.ai 说会在周三放出模型权重，开发者可以直接拿来用。官方定位是给写代码、长时间跑任务（agentic work）和需要结合图文推理的场景准备的。我会先打个折，具体跑分和实测表现正文没给...
推荐理由：匿名模型登顶后揭晓身份，本身就有新闻性；Z.ai 还承诺周三开源权重，并明确把模型定位在代码、agent 和多模态推理上。分数没给更高是因为正文没给具体跑分和实测数据，实际能力还得等上手验证。
Qwen3.8-Flash 是 Qwen4 架构的早期预览版，总参数 125B，但每次推理只激活 6B 参数，相当于用很小的算力跑一个大模型。原生上下文窗口 262K，能拉到 1M。训练成本只有 Qwen3.7-Plus 的九分之一，官方说写代码和办公任务表现反而更好。权重已经开放。正文没给具体跑分和开源协议细节，这点先别太激动。
推荐理由：通义千问放出 Qwen3.8-Flash，是 Qwen4 架构的早期预览版。125B 总参数只激活 6B，训练成本降到前代的九分之一，官方说写代码和办公任务表现更好，权重已开放。效率数字很具体，但正文没披露具体跑分和开源协议细节，这点先别太激动，实际效果得自己跑一下。
Qwen 在 ModelScope 上预告了 Qwen3.8-Flash-Next，一个基于下一代 Qwen4 架构的多模态 MoE 模型，总参数 125B，每次推理只激活约 6B 参数。这次提前放出来是为了让社区先看看 Qwen4 的设计思路。明天（2026-08-26 15:00 UTC）正式开源，会同时放出 FP8 版本。正文没披露跑分、推理速度...
推荐理由：Qwen 提前放出了 Qwen4 架构的预告，125B 总参、6B 激活的 MoE 设计是实打实的新信息，在国内开源圈关注度很高。扣分是因为明天才正式开源，现在没跑分、没推理速度数据，我会先打个折——等明天 FP8 版本放出来再看实际表现。
OpenAI 封掉了一批来自俄罗斯的 ChatGPT 账号。这些账号在幕后操纵一个叫“国际伯克研究所（IBI）”的假智库，网站自称设在以色列，实际上文章是从正经学术作品里抄来、篡改署名，再用机器翻译成英文的。操作者用俄语给模型下指令，让它生成英文的社交媒体帖子和评论，还特意要求模型藏好俄语痕迹。他们搞了一个“主权指数”，排名上捧俄罗斯、踩西方国家。Op...
推荐理由：OpenAI 自己端掉了一个俄罗斯的隐蔽影响力行动，核心是把 ChatGPT 当成了虚假信息流水线的一环。操作者建了个假智库网站，用俄语指挥模型生成英文帖子和评论，还特意要求抹掉俄语痕迹，手法比一般的灌水账号要精细。我会先打个折，因为这就是一次常规的安全拔线，不是模型本身出了新能力或新漏洞，但对做安全攻防和地缘信息战分析的人来说，这份第一手拆解比很多第三方报告都实在。
《卫报》采访了一批给 AI 公司打工的好莱坞概念设计师、配音演员和编剧。他们按小时收费，帮 Runway、Sora 这类公司训练模型，让 AI 学会模仿自己的创作风格。受访者很清楚这是在“给自己的职业挖坟”，但面对高时薪和行业不景气，还是接了活。文章没披露合同总规模和具体训练数据量，更像一份行业情绪记录，而不是量化岗位流失的预测。
推荐理由：一篇冲突感很强的行业情绪记录，讲好莱坞概念设计师、配音演员、编剧给 Runway、Sora 打工训练模型，亲手教 AI 学自己的风格。标题和受访者原话张力十足，但正文没给出合同总规模、训练数据量这些硬数字，更像特写而非硬新闻。H 和 R 都打中了，K 缺位，落在 featured 合理。
Meta 的 Muse Glimmer 是个约 300 亿参数的多模态模型，专门为在手机或电脑上离线跑智能体任务设计。它的原始 BF16 模型有 55 GiB，根本塞不进消费级显卡，所以 Meta 直接给了 4-bit 量化版，把语言模型压到了 20 GB 以下。架构上最特别的是它的注意力机制：总共 52 层里，只有每第四层会看全部上下文，其余 39 ...
推荐理由：一篇扎实的架构拆解，把量化代价、注意力分层、QK 归一化这些关键点都讲清楚了。但它是第三方分析而非官方发布，纯技术视角对非端侧方向的从业者不太友好，所以放在 featured 刚好。