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。
Simon Willison 上手了阿里 Qwen 团队新发的 27B 模型，发现它默认的“超高”推理强度是个坑。一个简单的画圆指令，模型会花几分钟生成一段精美的动画 SVG，完全偏离原意；画一张“鹈鹕骑自行车”的 SVG，默认设置下烧掉 22,276 个推理 token，耗时 21 分钟才出图。关掉推理后，同样的任务只需两分多钟。他建议上手就调低或关...
推荐理由：Simon Willison 上手 Qwen 3.8 27B 发现默认推理强度是个坑，用画圆和鹈鹕骑自行车两个例子把 token 消耗和时间成本摆得很清楚。数字硬、对比直接，对本地部署用户是实打实的避坑指南。没给更高是因为核心发现是一个配置问题而非模型能力缺陷，但 78 分放在 featured 里完全撑得住。
一位化名 Jane Doe 4 的女性加入了田纳西州三名青少年对 xAI 的集体诉讼。她指控继父用 Grok 把她 11 岁时的照片生成了超过 7000 张露骨图片，执法部门突袭搜查发现这些图片两天后，继父自杀身亡。她认为这类工具不加限制地扩散，正在把日常生活变成儿童性虐待素材。此前三名青少年起诉 xAI，称 Grok 连防止生成真人（包括未成年人）露...
推荐理由：这不是产品更新或论文，而是一起集体诉讼的新增原告陈述。案件用一起具体的家庭悲剧，把 Grok 的内容审核边界问题钉在了法庭文件里。7000 多张图片、11 岁的源照片、继父自杀——每个细节都在追问 xAI 到底把真人保护的红线画在了哪里。正文没披露 Grok 具体用了什么安全过滤机制，也没说 xAI 的回应，但案件本身已经足够让从业者重新审视'生成真人露骨内容'这个功能缺口。
复旦团队开源了一个叫 MOSS-VL 的视觉语言模型家族，最大的不同是它把“实时互动”——也就是模型一边接收画面一边说话——当作一等能力来设计。它用了一种叫门控交叉注意力的机制，把视觉信息放在解码序列外面处理，所以生成第一个字的延迟比同底座的 Qwen3-VL-8B 低了 2.8 到 5.1 倍，画面信息越多优势越明显。实时版 MOSS-VL-Real...
推荐理由：复旦开源了一个把实时交互当一等能力的视觉语言模型家族，不是事后加流式输出，而是从架构上就为低延迟设计。门控交叉注意力让视觉信息不进解码序列，首字延迟比 Qwen3-VL-8B 低 2.8 到 5.1 倍，帧数越多优势越大，这点对机器人、直播这类场景挺实在。我会先打个折：开源 VLM 现在不缺选手，MOSS-VL 的领先主要在工程实现上，报告里没看到它在通用多模态榜单上把同尺寸模型甩开，所以影响力偏垂直。H 和 K 都站得住，R 弱一些，整体给 featured 没问题。
DeepSeek V4 的 API 不收图片，但 Liquid AI 新出的 LFM2.5-VL-3B 可以当它的眼睛。作者在自家车库摄像头上零样本测了一把，判断门开没开准确率 94.3%，本地跑完只要 1.5 秒。图片不出设备，只有“门开了”这类文字结果上云做推理。这套感知和推理分开的架构，在延迟、隐私和成本上的优势，就算 DeepSeek 以后自己...
推荐理由：作者用 Liquid 的 LFM2.5-VL-3B 给 DeepSeek V4 搭了一个感知前端，在真实车库摄像头上测出 94.3% 准确率和 1.5 秒延迟，数据具体、架构清晰。文章还顺带梳理了 DeepSeek 在视觉上的研究脉络（VL2、被撤回的 Thinking with Vision 等），把“为什么现在需要外挂眼睛”这件事讲透了。我会先打个折：测试场景只有一个车库门，泛化到什么程度正文没展开，这点先别太激动。但整体上，这套感知和推理分离的做法在成本、隐私和延迟上的优势是实打实的，对正在找 DeepSeek 视觉替代方案的开发者来说，是一...
Qwen3.8-27B 是一个原生就能看图、读文档的多模态稠密模型，参数量只有 27B，但基准测试全面超过了上一代 Qwen3.7-Plus。它原生支持 262K 上下文窗口，用 YaRN 技术可以拉到 1M tokens，等于一次能塞进三体三部曲的量。许可证是 Apache 2.0，商用友好。同时放出的还有 Max 版本 Qwen3.8-2.4T-A...
推荐理由：阿里通义千问放出 Qwen3.8 系列：一个 27B 的稠密多模态模型，基准测试压过了上一代 Qwen3.7-Plus，原生 262K 上下文，Apache 2.0 许可证，还附带一个 2.4T 参数的 MoE Max 版本。这是国内开源大模型当天的重要发布，必须收录。分数没给到 90 以上，是因为正文没披露具体评测细节和实际推理成本，我会先打个折，等看到实测数据再调整。
今天最值得看的是闭源模型的加密思维链被大规模提取。研究人员发现，把 Claude Opus 4.8 的加密推理块直接扔给同厂的 Haiku 4.5，后者就能逐字解码。这个方法在 Claude、GPT、Gemini 三家的 API 上都跑通了，用 Haiku 解码一万条轨迹的成本大概是 720 美元。另一篇论文更狠，说就算不接触加密块，光看模型公开输出的...
推荐理由：这条信息来自群聊日报，属于二手摘要，但信号很强：三篇论文指向同一个问题，且给出了可复现的方法和成本。我会先打个折，因为原文没披露具体实验细节和样本量，但核心判断——加密思维链可被跨模型解码——有足够的事实支撑。对从业者来说，这比一般的模型能力更新更值得警惕。
Google DeepMind 发布多语言手语转文本模型 SL2T，首次将手语 AI 带入消费级产品，在 Pixel 11 的 Gboard 和 Live Transcribe 中支持美国手语（ASL）转英文听写，后续将扩展更多设备与语言。
推荐理由：原文给出 SL2T 的训练规模、基准成绩与隐私设计，可据此判断手语翻译进入消费级产品的可行边界。
Google CEO Sundar Pichai 在 X 上宣布，Gemini 独立 App 的月活用户数超过了 10 亿，这是 Google 第 14 个达到这个量级的产品。这个数字只算独立 App，没把搜索里的 AI 模式等其他入口算进去。ChatGPT 在今年 6 月刚跨过 10 亿月活，Gemini 现在跟得很紧。使用数据方面：63% 的用户用...
推荐理由：Gemini 独立 App 月活破 10 亿，跟 ChatGPT 几乎前后脚，是消费级 AI 的一个重要节点。分数定在 78 而不是更高，因为这是增长指标，不是能力突破，而且 63% 视觉使用率没交代具体怎么算的，我会先打个折。
Meta 发布了一个叫 Muse Glimmer 的开放权重模型，它和上个月推出的付费闭源模型 Muse Spark 几乎一样，能生成代码、文字和图片。开放权重意味着你可以下载模型文件自己跑，但底层代码没全公开，不算彻底的开源。扎克伯格同时发了篇 14 页的文章，核心观点是超级智能不该被几家大公司攥在手里，并宣布拿 10 亿美元投给数据中心所在的社区。...
推荐理由：Meta 把付费闭源模型 Muse Spark 的能力几乎原样搬到了一个叫 Muse Glimmer 的开放权重版本里，你可以下载模型文件自己部署，但底层训练代码没给，不算彻底开源。扎克伯格同步发了篇长文，核心就一句话：超级智能不该锁在几家公司手里，并宣布拿 10 亿美元投给数据中心所在的社区。我会先打个折——开放权重不等于开源，别看到“开放”就以为什么都能改；但如果是真的和付费版性能接近，那对想自己跑模型又不想被 API 绑住的团队来说挺省钱。正文没披露 Glimmer 和 Spark 的具体评测对比数字，这点先别太激动，等跑分出来再看。
Meta 发布了 Muse Glimmer，一个 300 亿参数的多模态模型，专门为在本地硬件上跑智能体工作流设计。SGLang 推理框架在发布当天就提供了支持，并做了针对性优化。在单张 RTX 5090 显卡上，用 NVFP4 量化格式搭配 DFlash 投机解码技术，每个用户的解码速度能达到每秒 236 个 token，总吞吐量冲到每秒 1452 ...
推荐理由：Meta 发新模型本身是行业事件，但这篇文章的重点是 SGLang 的推理优化，不是模型本身。好在性能数字够硬，236 tok/s 和 1452 tok/s 这两个数让它的信息密度够上 featured。不过受众窄，只对搞本地推理的人有吸引力，所以 r 给了 false。
Meta 把 Muse Glimmer 的权重以 Apache 2.0 协议放出来了。这是一个 30B 参数的模型，专门为常驻本地的 agent 工作流设计，小到能在 Mac 或 PC 的单张消费级显卡上跑。用 4-bit 量化能把模型压到 20 GB 以下，在 24 GB 或 32 GB 显存里还能留出空间给 KV cache 和视觉编码器。训练上，...
推荐理由：Meta 把 Muse Glimmer 的权重以 Apache 2.0 协议放出来了，一个 30B 参数、专为本地 agent 工作流设计的模型。4-bit 量化后不到 20 GB，能在单张消费级显卡上跑，还留出显存给 KV cache 和视觉编码器。定位很明确——不是通用聊天模型，而是常驻本地的 agent 引擎。我会先打个折：目前只有发布博客的信息，没有第三方跑分和实际部署反馈，所以分数没往上拉。但开源协议、显存占用和本地 agent 这个组合，对自部署和隐私敏感场景确实有吸引力。
Qwen-Image-3.0 主打生产环境可用，能吞下 4500 个 token 的提示词，相当于一篇小作文。官方说文字准确率超过 100%，logo 不会出现乱码或破损，原生支持 12 种语言。高分辨率生图起步价 0.03 美元，按量付费。不过正文只给了标题和链接，没提模型架构、推理速度和具体跑分，这个准确率数字先别太当真，等第三方实测再说。
推荐理由：Qwen 第一个专门的图像生成模型，0.03 美元起步、4500 token 提示词上限、12 种语言支持，这几个点确实有区分度。分数没给更高是因为信息源只有一条推文，正文没披露模型架构、推理速度和第三方跑分，那个“>100% 文字准确率”的说法先打个折，等实测再看。
Mistral 这周在 Product Hunt 上架了 Shieldstral，一个 30 亿参数的开源多模态安全护栏。你可以直接用大白话写安全规则，它就能同时检查文字、图片或混合内容，最后只吐一个 token 告诉你过还是不过。一张 16GB 显存的消费级显卡就能在本地跑起来。Product Hunt 页面给了基础介绍和截图，但没提具体延迟、准确率...
推荐理由：Mistral 扔了个 30 亿参数的多模态安全护栏出来，能本地跑，规则用人话写就行，对应用开发者很实用。但 Product Hunt 页面没给延迟和准确率数据，能不能直接上生产还得打个问号，所以分数没给更高。
Simon Willison 把 2022 年的一条老推文和两张概念图丢给 Claude Fable 5，没再给任何指令，模型自己选型 Three.js、调用 OpenAI 的 gpt-image-2 生成贴图，做出了一个能在浏览器里玩的 3D 浣熊盗窃游戏。整个过程在手机上完成，通过 GitHub Pages 部署。游戏本身玩法还比较基础，但零人工干...
推荐理由：Simon Willison 的第一手实验本身就是质量信号。一条老推文加两张概念图，Claude Fable 5 自主搞定技术栈、贴图生成和部署，信息密度很高。没给更高分是因为游戏玩法还比较基础，正文也没披露生成过程的失败次数或修正轮数，实际稳定性存疑。
这个模型能一口气处理 4500 个 token 的输入，直接生成报纸、菜单、故事板这类信息密度很高的图，而且图里还能再套图。它能把文字稳定渲染到 10 像素那么小，支持 12 种语言和 20 多种字体，对皮肤毛孔、发丝、微表情的还原也接近照片质感。输出价格是 1K 图 0.04 美元，2K 图 0.075 美元，但每分钟只能请求 1 次，所以想跑大批量...
推荐理由：Qwen 这次给的规格很具体——4500 token 输入、图里套图、10 像素文字稳定渲染，不是画饼。0.04 美元一张 1K 图的价格有竞争力，但每分钟 1 次的请求限制直接把批量场景堵死了，所以分数上我会先打个折。对做海报、菜单、故事板的人来说，小字和多语言支持是刚需，值得上手测，但别指望拿来跑流水线。
Mistral 推出了 Shieldstral，一个 30 亿参数、开放权重的模型，专门用来检查文字和图片内容是否违规。它可以在本地或边缘设备上跑，负责审核用户输入和模型输出。官方博文没给跑分、延迟数据，也没提价格，只把它定位成一个安全过滤器。我会等第三方评测，但 3B 这个尺寸对于自己部署审核来说确实够轻量。
推荐理由：Mistral 发了个 Shieldstral，30 亿参数、开放权重，专门做图文内容审核，能在本地或边缘设备上跑。尺寸够轻量，对想自己搭安全过滤的团队是个新选项。但官方博文没给任何基准测试、延迟数据或价格，现在没法判断它实际好不好用——这点先别太激动，等第三方跑完分再说。
商汤放出了一个叫 SenseNova U1 的开源模型，把逻辑推理和图像生成塞进了同一条流水线。它能直接把一句提示词变成带图的结构化幻灯片，也能一步步边想边画，比如演示怎么分六步画出一条龙。模型代码和权重已经挂在 HuggingFace、GitHub 和 SenseNova Studio 上。正文没提参数量、训练数据和跑分，实际效果和资源消耗得自己试了...
推荐理由：商汤开源了 SenseNova U1，把推理和图像生成统一到一个模型里，给了几个具体 demo，不是只发个标题。但正文没提参数量、训练数据和跑分，实际能力上限没法判断，所以分数没给到 85 以上。不过权重和代码都放出来了，对开源社区是个实在的贡献，值得关注。
Qwen 3.8 Max 正式发布，2.4 万亿参数，Terminal Bench 2.1 得分 86.6，PaperBench 93.0 超过 Fable 5 的 88.8。群里有人充了 500 块的 token 额度一天就用完了，实际体感大概在 Luna 和 Terra 之间，主要优势还是便宜。下周 Qwen 3.8 Max 和 27B 模型都会开...
推荐理由：Qwen 3.8 Max 正式发布，2.4 万亿参数，PaperBench 93.0 超过 Fable 5 的 88.8，Terminal Bench 86.6，下周权重开源。群聊日报给了具体跑分和真实体感——有人充 500 块一天用完，实际能力大概在 Luna 和 Terra 之间，主要卖点是便宜。信息量足，但来源是群聊，权威性要打个折，所以没给更高分。
阿里甩出了 Qwen3.8-Max，一个 2.4 万亿参数的超大模型，主打编程和长时间自主干活。官方说它能连续 10 多天自己写代码不崩，还能在 125 小时内独立跑完一套 AI 研究流程，最后效果比原论文的基准还高了 2.71 分。在模拟一整年经营的电商测试里，它赚了 4.16 倍的回报。API 价格是输入每百万 token 2 美元，输出 6 美元...
推荐理由：阿里这次放出的 Qwen3.8-Max 主打长时间自主干活，给的数字挺具体——125 小时独立跑研究、10 多天连续写代码、电商模拟回报 4.16 倍。我会先打个折，因为目前只有官方博客和 Latent Space 的二手报道，没有独立复现或第三方验证，所以分数没给到 95。但 2.4T 参数这个体量加上 agent 方向的明确指标，放在本周确实值得放在头条。
从今天起，在欧盟运营的科技公司必须给 AI 生成的文字、音频、视频和深度伪造内容打上标签，并告诉用户他们正在跟机器对话。违规罚款最高 1500 万欧元，或者全球年营业额的 3%。欧盟还发布了一套官方标签图标，公司可以直接用，不用自己设计。
推荐理由：这是欧盟 AI 法案透明度规则正式生效的日子，罚款上限明确，属于现有法规的执行节点而非新规出台。对在欧洲运营的 AI 公司和内容平台是直接的合规事件，HKR 三项都踩中，但因为是执行层面而非政策新增，所以重要性给到 78，放在 featured 里。