HelixWorld 1.0发布：实时可交互音视频世界模型，将完全开源
Noiz AI联合香港科技大学、清华大学、CMU、Google DeepMind等机构的研究员发布了实时可交互音视频世界模型HelixWorld 1.0，支持24 FPS画面和48kHz立体声实时生成，画面与声音由原生Transformer架构统一生成。该模型通过四步技术路线实现声画同步响应动作，并将在未来几周完全开源。团队认为这补上了世界模型在声音方面的短
多模态
技术方向 · 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 · 共 777 条
只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。
8月17日周一 · 12 条
正文结构化主题已通过公开置信门槛
正文结构化主题已通过公开置信门槛
Qwen3.8开源：首次推出Qwen-Max级模型，强化智能体与编码能力
Qwen团队在GitHub上发布了Qwen3.8系列模型，包括Qwen3.8-27B和Qwen3.8-2.4T-A95B，首次将Qwen-Max级模型开源。该系列在编码、专业工作、研究和长程智能体任务上性能显著提升，并支持推理深度调节和思考上下文保留。同时，Qwen3.6和Qwen3.5的更新也增强了智能体编码和全球语言覆盖。
正文结构化主题已通过公开置信门槛
RA-Bench：AI生成视频检测基准揭示现有检测器在危机事件中的不足
Hugging Face 每日论文页面发布了一篇关于AI生成视频检测的论文，提出了新基准RA-Bench，包含17,886个视频，评估了多个检测器和生成器。研究发现当前检测器在真实危机事件视频上泛化能力差，且社交媒体传播会降低检测可靠性。该研究强调了开发更鲁棒检测器的必要性。
正文结构化主题已通过公开置信门槛
Markdown SVG 渲染器新增 MP4 转换功能
Simon Willison 更新了他的 markdown-svg-renderer 工具，新增了将 SVG 动画转换为 MP4 视频的功能。该工具在浏览器中运行，利用 ffmpeg.wasm 将 SVG 渲染为帧并编译成 MP4，便于在不支持 SVG 动画的平台上分享。此前该工具已支持将 SVG 渲染为 PNG 和 JPEG 格式。
正文结构化主题已通过公开置信门槛
Qwen 3.8 27B评测：性能出色但默认过度思考
阿里Qwen实验室发布Apache 2.0许可的Qwen 3.8 27B视觉语言模型，作者Simon Willison在本地设备上测试后发现其默认推理强度为xhigh，导致模型对简单任务过度思考，生成耗时极长。作者建议用户将推理强度调低或关闭，并展示了模型在生成SVG和边界框标注方面的优秀能力。
正文结构化主题已通过公开置信门槛
AtomicChat 发布 Qwen3.8-27B GGUF 量化模型
AtomicChat 发布了 Qwen3.8-27B 的 GGUF 量化版本，基于 Qwen 原始权重并使用自己的重要性矩阵进行量化。该模型支持文本生成和多模态（图像）输入，提供了多种量化级别，并附有详细的量化分析、运行指南和速度测试。用户可通过 llama.cpp 或 Atomic Chat 应用本地运行该模型。
正文结构化主题已通过公开置信门槛
Nail-Qwen3.6-35B-A3B-GGUF：高效量化模型，提升推理速度与对话质量
peculiar-ragdoll 发布了 Nail-Qwen3.6-35B-A3B-GGUF，这是基于 Qwen3.6-35B-A3B 的 4-bit 量化模型，采用改进的聊天模板和强制系统提示，旨在减少过度思考、工具调用失败和冗长输出。在基准测试中，Nail 在响应速度和多轮对话质量上优于 Qwen3.6-27b 及其微调版本，但在长上下文任务中，其密集版
正文结构化主题已通过公开置信门槛
字节发布Seedream 5.0 Pro：多模态图像生成模型实现四大能力突破
字节跳动旗下Seed Research团队正式发布多模态图像生成模型Seedream 5.0 Pro，相比前代在图文对齐、结构连贯性、文本渲染和视觉美学等基础能力上全面提升，并引入复杂信息可视化、交互式精准编辑、真实感图像与肖像纹理、原生多语言输入与生成四大核心能力突破。该模型能生成高密度信息图表、支持像素级编辑操作，并可直接处理十多种语言的输入与高质量渲染
正文结构化主题已通过公开置信门槛
字节跳动发布 Seed Audio 1.0 场景级音频生成模型
字节跳动旗下 Seed Research 团队发布了 Seed Audio 1.0 音频生成模型，该模型能在统一框架内生成语音、音效、环境音等场景级音频元素，支持 20 多种语言、最长两分钟的单次生成，并具备 100 毫秒级别的对话时序控制能力。该模型旨在帮助创作者从拼接音频片段转向导演式的声音场景创作，提升叙事音频、视频配音、游戏本地化等场景的制作效率。
正文结构化主题已通过公开置信门槛
字节跳动Seed启动2027届基础模型校招
字节跳动Seed团队宣布2027届校招正式启动，面向2026年9月至2027年8月毕业的本硕博学生及2027年9月后毕业的实习生。招聘方向涵盖基础模型、视觉智能、语音智能、机器学习系统、LLM应用和具身智能等领域。团队强调提供充足算力、数据和工程资源，并设有针对AI人才的额外激励计划。工作地点包括北京、上海、深圳、杭州、新加坡、圣何塞和西雅图。
正文结构化主题已通过公开置信门槛
字节发布 SeedRealtime 音视频全双工大模型，实现多模态自然交互
字节跳动旗下 Seed Research 正式发布 SeedRealtime，一款原生音视频全双工大语言模型。该模型采用统一架构原生融合音频、视频和文本，实现实时多模态交互，具备联合音视频理解、主动交互和自然对话节奏三大突破。端到端评估显示，相比级联模型，其音视频对话节奏问题减半，并已在行业率先实现大规模部署。
正文结构化主题已通过公开置信门槛
字节跳动发布Seedance 2.5视频生成模型，支持30秒长叙事与多模态参考
字节跳动旗下Seed Research正式发布新一代视频生成模型Seedance 2.5，支持单次生成30秒高质量音视频片段，并可通过多轮扩展生成数分钟的长视频。该模型在多模态参考（最多30张图片、10个视频和10个音频片段）和编辑能力（如时间戳级控制、绿幕、镜头视角）上实现重大升级，旨在提升长叙事、创意控制和生产力。Seedance 2.5已在即梦AI、豆
8月16日周日 · 5 条
正文结构化主题已通过公开置信门槛
LuffyTheFox 发布基于 Qwen3.6 的无审查多模态 MoE 模型 GGUF 版
LuffyTheFox 发布了基于 Qwen3.6-35B-A3B 的无审查多模态 MoE 模型 GGUF 版本，采用其自研的 Genesis 算法进行张量噪声修复，并融合了 Hermes 微调数据以增强 agent 能力。该模型支持中英文，旨在提升指令遵循和上下文清晰度，并提供了量化脚本和推荐配置。
正文结构化主题已通过公开置信门槛
李飞飞访谈：AI是能力放大镜而非替代者
李飞飞在Huberman Lab访谈中表示，AI不是人类的替代者，而是个人能力的放大镜。她回顾了视觉在AI发展中的基石作用，从ImageNet到Sora的演进，并指出AI缺乏私人情感体验和真正的共情。她强调AI在医疗等领域的辅助价值，主张全社会共同参与AI治理，而非仅由科技企业决定。
正文结构化主题已通过公开置信门槛
Lightricks 发布 LTX-2.3 开放权重音视频生成模型
Lightricks 发布了 LTX-2.3，这是其 LTX-2 联合音视频基础模型的重大更新，提升了音频和视觉质量以及提示遵循能力。该模型基于 DiT 架构，可生成同步的视频和音频，并提供多种检查点，包括完整版、蒸馏版和上采样器。模型权重开放，支持本地运行，并提供了 ComfyUI 和 PyTorch 代码库等集成方式。
正文结构化主题已通过公开置信门槛
Ollama v0.32.14 发布：修复 WebP 图像转码与 Qwen 渲染器
Ollama 发布了 v0.32.14 版本，主要修复了 llama-server 对 WebP 图像的转码问题，并让 Qwen 渲染器能容忍非开头的系统消息。该版本更新了变更日志，用户可通过 GitHub 查看完整变更。
正文结构化主题已通过公开置信门槛
Qwen3.6-35B-A3B 未审查多模态模型 Genesis Hermes V7 发布
LuffyTheFox 发布了基于 Qwen3.6-35B-A3B 的未审查多模态 MoE 模型 GGUF 版本，名为 Genesis Hermes V7。该模型通过其自研的 Genesis 算法对张量进行噪声修复，并融合了 Hermes 微调数据，旨在提升模型稳定性和指令遵循能力。模型支持多语言和视觉任务，并提供了量化脚本和推荐配置。
8月15日周六 · 3 条
正文结构化主题已通过公开置信门槛
MiniMax H3 量化权重集合发布，支持消费级 GPU 本地运行
Hugging Face 上出现了一个社区整理的 MiniMax H3 量化与剪枝权重集合，支持 INT4、INT8、混合精度及 NVFP4 格式，旨在让消费级 GPU（16-24GB 显存）用户通过 ComfyUI 本地运行 MiniMax H3 的多模态视频生成模型。该集合提供了针对不同显卡的下载指南，并包含文本编码器和 VAE 文件。MiniMax H
正文结构化主题已通过公开置信门槛
Xinference v3.2.0 发布：新增多模型支持与副本扩展功能
Xinference 发布 v3.2.0 版本，新增多项功能，包括在 /v1/chat/completions 中支持 logprobs、支持部署 R3-embedding-0.6b 和 R3-rerank-0.6b 模型、支持 jina-reranker-v3.5 的 listwise API、OCR API 支持 PDF 输入、新增 DeepDoc OC
正文结构化主题已通过公开置信门槛
新基准测试显示AI模型视觉感知能力仍差
Moonshot AI 推出了 PerceptionBench 基准测试，用于独立评估多模态模型的视觉感知能力，不涉及逻辑推理和外部知识。测试结果显示，包括 GPT-5.6 Sol、Kimi K3 和 Claude Fable 5 在内的所有领先模型均表现不佳，最高准确率仅为 59.7%。作者指出，许多所谓的推理错误实际上源于视觉感知缺陷。该基准测试基于真实