多模态

Muse-Glimmer-30B 无审查量化版发布：27 种 GGUF 覆盖多硬件

0bserverx 发布了 Muse-Glimmer-30B-Heretic-Uncensored-GGUF，这是基于 Meta 的 Muse-Glimmer-30B 模型，通过 Heretic v1.4.0 进行 abliteration 处理，并提供了 27 种 GGUF 量化版本，内存占用从 6.53 GB 到 55.73 GB 不等。该模型支持视觉-

Adobe Firefly 推出 AI 音频工具并集成 Gemini Omni Flash

Adobe 在 Firefly 平台中全面推出三款 AI 音频工具，包括生成免版税音乐、将脚本转为配音以及生成音效，并声称这些工具可用于商业用途。此外，Firefly AI Assistant 新增每日免费生成次数，并集成了 Google 的 Gemini Omni Flash 模型，该模型支持视频、音频、图像和文本输入。

广州AI营销公司钛动科技获新一轮融资，深耕ChatGPT广告优化

广州AI营销公司钛动科技宣布完成新一轮融资，由华泰泛大西洋基金领投，资金将用于钛极专业大模型和Navos多智能体等AI技术研发。公司已成为ChatGPT Ads首批官方技术合作伙伴，并推出GEO解决方案，测试显示客户ROI提升至2.5倍。此前公司已递交港交所上市申请，2025年前9个月营收同比增长74.5%。

Meta 推出 Mac 版 AI 应用，支持系统级听写与屏幕问答

Meta 发布了适用于 Mac 的 Meta AI 应用，内置系统级听写功能，并能基于屏幕内容使用 Muse Spark 模型回答问题。该应用还面向企业主，允许连接 Instagram、Facebook、广告活动和 Google Workspace 账户，提供营销洞察、创建提案和文档。此举是 Meta 推动 AI 工具服务企业自动化的一部分，CEO 马克·扎

阿里云收入增速创新高，模型发布全面提速

阿里巴巴发布新季度业绩，阿里云外部商业化收入增速达45%，创22个季度新高，AI相关产品收入连续12个季度三位数增长。过去一个月，阿里密集发布多类模型，包括旗舰模型Qwen3.8-Max，并推出Agent产品“千问办公”。公司表示，前期在芯片、模型和基础设施上的投入已转化为商业回报。

朱雀三号成功回收，大疆与斯莫格定制影像盒子完成航天拍摄

2026年8月19日，蓝箭航天朱雀三号遥二火箭成功完成国内首次入轨级火箭一子级陆地回收。本次任务中，大疆Action6相机与SmallRig定制防护结构组成的“影像盒子”首次实现民用消费级相机完整拍摄火箭天地往返全过程，获取着陆腿内部独家画面。该合作打通民用影像硬件与航天观测产业链，为低成本太空影像记录提供新思路。

中科通量发布OmniMate移动AI数字员工，重构线下服务场景

中科通量发布OmniMate移动AI数字员工，采用本地边缘智能架构，提供可移动、多岗位复用的AI数字劳动力解决方案，覆盖迎宾讲解、培训赋能、获客引流、管理提效等场景。该产品已在通信营业厅、科技展厅完成部署验证，旨在降低人力成本、提升服务标准化，并保障数据安全。

Netflix 利用多模态嵌入实现多媒体资产个性化

Netflix 在 arXiv 发表论文，介绍其利用多模态嵌入（如 CLIP 图像嵌入和自研的 MediaFM 三模态模型）改进个性化推荐系统，包括艺术作品和视频预览的个性化。这些方法解决了冷启动问题，统一了多个画布模型，并在离线与在线 A/B 测试中取得显著效果。此外，论文还分享了生产工程决策和离线代理任务筛选方法，为从业者提供了可迁移的经验。

OpenMOSS发布MOSS-VL-Instruct-0408多模态模型

OpenMOSS团队发布了MOSS-VL-Instruct-0408，这是一个基于MOSS-VL-Base-0408进行监督微调的多模态视觉语言模型，支持图像理解、长视频理解和实时流式交互。该模型采用交叉注意力架构和绝对时间戳，在视频理解基准上表现优异，如VideoMME和MLVU，并在视频理解上超越Qwen3-VL。模型已开源，采用Apache-2.0许可

谷歌为Search和Gemini推出AI学习工具套件

谷歌在Search和Gemini中推出了一系列新的学习工具，包括AI生成的交互式可视化、3D模拟、定制练习测验和专门的学生中心。这些功能旨在让Gemini成为学生学习和备考的首选AI助手，与OpenAI及教育初创公司Knowt和Gauth等竞争。用户可以在Search中生成定制测验和交互式学习体验，在Gemini中启动多步骤研究报告并对话式讨论结果，还能生成

NVIDIA FLARE 构建联邦多模态 AI 工作流

NVIDIA 技术博客介绍了如何使用 NVIDIA FLARE 构建联邦多模态 AI 工作流，重点讨论了跨网络传输的模型状态以及高效传输和聚合的方法。文章通过 FedUMM 示例展示了在冻结的多模态骨干上联邦轻量级适配器，并利用外部化、张量流和磁盘支持聚合来处理大型模型更新。该工作流支持参数高效和全模型通信模式，解决了数据分布在不同机构时的训练挑战。

清华王鑫团队独揽IJCAI 2026两大Tutorial，聚焦OOD泛化

清华大学王鑫教授团队在IJCAI 2026上罕见地同时入选两个Tutorial，主题分别为图分布偏移和OOD泛化生成式AI，旨在解决生成式模型在真实世界分布外场景下的泛化问题。该团队提出结合图大语言模型、动态适应和因果不变性的三维解法，并强调后训练策略以提升鲁棒性。这标志着生成式AI技术竞争从IID拟合转向OOD泛化，彰显清华在该领域的国际影响力。

MiniMax核心工程负责人阿岛离职

MiniMax核心工程负责人阿岛（缪宇航）已离职，其飞书状态显示离职，下一站未公开。阿岛曾负责M3.x、Agent、Audio及海螺AI等关键业务，并多次代表团队对外解释技术路线。他的离职发生在MiniMax重押Coding和Agent的关键时期，其职责交接情况尚不明确。

杰富瑞实测：阿里千问办公Agent综合排名第一，超越Claude Cowork和Codex

华尔街投行杰富瑞实测八款全球主流AI Agent，结果显示阿里千问办公综合得分第一，超越Claude Cowork和Codex。测试涵盖五项真实办公任务，千问办公在复杂任务、浏览器控制及多模态生成中表现突出，且隐含Harness分居首。报告指出，Agent竞争正转向企业级场景，成本与生态协同成为关键。

另有 1 家信源报道

英伟达发布 Cosmos 3 世界基础模型，欲统一具身智能全模态

英伟达在悉尼 RSS 2026 上发布 Cosmos 3，这是一个面向物理 AI 的多模态世界基础模型，在单一 Transformer 架构下统一了文本、视觉、音频和动作模态。Cosmos 3 提供 Edge（4B）、Nano（16B）和 Super（64B）三个版本，支持世界理解、未来模拟和动作执行，并完全开源。英伟达物理 AI 专家 Max Li 在演讲

第10届AI City Challenge：城市智能基准十年回顾

第10届AI City Challenge在ECCV 2026上举办，吸引了325支队伍和26个国家和地区参与，较2025年显著增长。挑战赛涵盖多摄像头3D感知、交通场景理解、异常事件推理等六个主要赛道，并新增两个域外排行榜。成功的系统通常结合基础模型与几何约束、检索或重排序、合成数据设计、域适应和受控推理。

边际正则化结构化语义对齐用于脑语言对应研究

本文提出 MD-SigLIP 框架，通过边际正则化的结构化语义对齐，将脑磁图信号与文本嵌入映射到共享语义空间，实现基于检索的脑语言解码。该方法在 D-SigLIP 基础上引入列表式边际正则项，建模多正例语义簇和排序约束，在两个 MEG 语言数据集上取得最优检索性能，且不依赖生成式语言模型。

多模态大语言模型中的不确定性感知决策：来源、信号、校准与行动综述

这篇综述围绕多模态大语言模型（MLLM）中的不确定性感知决策展开，提出了一个以决策为中心的框架，将不确定性来源、信号、校准和行动联系起来。文章指出，MLLM 的不确定性不仅源于语言，还涉及视觉、文本、时间、声学等多模态证据的质量和冲突，并强调不确定性评估应关注其能否改善系统在证据不足或冲突时的行为。综述涵盖了校准、选择性回答、弃权、澄清、检索等行动策略，并总

YCWTG 发布 gemma-4-31B-it 的 NVFP4A16 量化版

YCWTG 发布了基于 google/gemma-4-31B-it 的 NVFP4A16 量化版本模型，使用 llm-compressor 生成，模型大小从 62.6GB 降至 20.5GB，同时保持接近原版的推理性能（HLE 得分 18.1 vs 19.5）。该模型支持指令模式和思考模式，并针对视觉塔和 lm head 层保留了 16 位精度以减少多模态性

ThinkingCap-Qwen3.6-27B 推出 GGUF 量化版本

mradermacher 发布了 ThinkingCap-Qwen3.6-27B 模型的 GGUF 量化版本，该模型基于 bottlecapai 的 ThinkingCap-Qwen3.6-27B，支持多模态。提供了从 Q2 K 到 Q8 0 的多种量化格式，并附有使用说明和量化质量对比。