多模态

实测商汤SenseNova U1 Pro：生图模型走向真实任务交付

智东西对商汤日日新SenseNova U1 Pro进行多轮实测，覆盖音乐节海报、漫剧人物设定、潮玩概念图、公众号配图、企业秋招成套物料，以及换装、多图融合和局部修改等任务。测试显示U1 Pro能围绕完整任务组织创作流程，兼顾信息准确、风格统一与修改可控。该模型正式版已上线商汤小浣熊，并面向企业客户提供API服务。

另有 1 家信源报道

vivo X500系列三机齐发：5499元起，首发2nm芯片，动态影像升为公司战略

vivo在上海发布X500系列手机，包括X500、X500 Pro、X500 Pro Max三款机型，起售价5499元起。vivo宣布将动态影像提升至公司级战略高度，首次完整落地由传感器、芯片、算法三层构成的蓝图动态影像技术栈，并推出专为动态影像设计的蓝图光御900传感器。X500 Pro系列全球首发2nm天玑9600 Pro芯片，OriginOS 7带来A

TALON：面向放射学报告生成的时间感知纵向框架

研究团队提出 TALON，一个面向放射学报告生成（RRG）的时间感知纵向框架，通过双通道时间融合模块（DCTFM）分别建模当前检查与各历史检查之间的相似性和变化，并自适应估计每个历史检查的相关性。在 MIMIC-CXR 数据集上，TALON 在临床效能指标和 RadGraph-F1 上超越当前最优方法，且当可用历史检查更多时性能进一步提升。该工作旨在解决现有

APCL：显式间接关系学习实现自适应偏好建模的个性化时尚匹配

该论文提出 APCL（Adaptive Preference with Contrastive Learning）框架，用于个性化时尚搭配推荐。APCL 通过相关性引导的自适应聚合机制显式构建间接的用户-物品与物品-物品关系，并引入功能视图对比学习策略对齐直接与间接的偏好及兼容性表示，同时融合多模态视觉与文本信息。在两个基准数据集上的实验表明，APCL 持续

MemeTAG：基于标签嵌入重建的关键词驱动迷因分类

研究者提出 MemeTAG，一种关键词驱动的双目标多模态框架，用于有害网络迷因分类。该方法先用预训练视觉语言模型生成描述性关键词，再通过聚合标签推理网络（ATIN）将关键词蒸馏为语义嵌入，并以此作为辅助重建损失的目标，促使视觉与文本特征深度对齐。配合三阶段训练策略，MemeTAG 在 HarMeme、Hateful Memes Challenge 和 Pri

MAGIC：基于最优传输的边际引导压缩用于高效视觉文档检索

该论文提出 MAGIC，一种无需训练的事后压缩方法，用于提升视觉文档检索（VDR）效率。针对 ColPali 等多向量检索系统中 patch 级向量带来的存储与 MaxSim 计算开销，MAGIC 通过估计检索需求并构建双边际熵最优传输问题，在压缩时优先保留高使用率 patch 并均衡保留 facet 的使用。在 ViDoRe 基准上，MAGIC 在多种保留

Bio-MF：面向混合运动想象脑机接口的低延迟高保真EEG到fNIRS跨模态生成

该论文提出 Bio-MF，一种无需预训练、无潜变量的单步 MeanFlow 框架，用于在混合运动想象脑机接口中由 EEG 条件生成 fNIRS 信号。Bio-MF 直接预测干净 fNIRS 信号并转化为 MeanFlow 速度监督，单次网络评估即可完成推理，并整合时空交互 4D 编码、跨模态无分类器引导和噪声级门控 FFT 正则化。在 Dataset 1 上

BirdsongChat：多模态具身行为模拟的混合多智能体框架

研究者提出 BirdsongChat，一个混合多智能体框架，用于多模态具身行为模拟。该框架通过统一参数表示（UPR）将基于 LLM 的推理智能体与物理模拟智能体连接，把多模态输入转化为可解释的行为状态和控制参数，从而生成同步的 3D 运动、空间化声音和环境行为。原型系统以鸟类行为模拟为测试平台，在文本和图像引导场景中取得跨模态一致性 94.4%、情感一致性

百曜科技发起发布AI虚拟细胞（AIVC）研究报告

百曜科技发起、《麻省理工科技评论》中国团队调研撰写的《AI虚拟细胞（AIVC）技术趋势、产业生态与应用前景研究报告》于9月21日在中关村科学城管理委员会指导下发布。报告将AIVC定义为AI时代生命科学的新型基础设施，梳理了从分子层面走向细胞层面的研究范式，并提出模型泛化能力、私有与新生产数据、干湿闭环三大产业趋势。百曜科技同时介绍了其基于LLM-JEPA架构

比亚迪发布AI超级智能体迪迪虾，首搭腾势N8L

比亚迪发布汽车行业首个AI超级智能体「迪迪虾」，首搭腾势N8L纯电车型。该智能体基于比亚迪璇玑架构2.0，将智能座舱升级为AI OS，支持端云协同与多模态感知，并接入飞猪、高德、淘宝闪购、豆包、千问等十余个生态合作伙伴智能体。腾势D9、N8L闪充版、Z9GT、N9闪充版等车型将陆续通过OTA推送该功能。

JoyFox 发布 Qwen3.8-27B 未审查变体，降低拒绝率

joyfox 发布了基于 Qwen3.8-27B 的未审查变体模型，通过 abliteration 技术降低拒绝率，同时保留原生架构、视觉栈和 MTP 权重。该模型在 800 个良性提示上实现 0% 拒绝率，能力得分与官方版持平，并提供多种 GGUF 量化版本。

ScrollEd 想把教科书变成 TikTok 式信息流

总部位于帕洛阿尔托的初创公司 ScrollEd 推出了一款应用，可将 PDF、教科书等文本文件转化为类似 TikTok 或 Instagram Reels 的竖屏信息流，内容以 AI 生成的视频、音频、文本或互动测验形式呈现。该公司正在 TechCrunch Disrupt 的 Startup Battlefield 200 竞赛中亮相，目标客户包括教育机构

Xspark AI联合多校发布视触世界模型DexTouch-WM

Xspark AI（无界智航）联合香港科技大学（广州）、北京大学、香港大学、清华大学发布视触世界模型DexTouch-WM，面向灵巧手部交互，可同步预测未来视频画面与双手全覆盖精细触觉信息。该模型采用冻结预训练视频编解码网络、解剖感知触觉分词器与双模态联合注意力机制，并采集约100小时人类双手交互数据（50项任务）。评测显示，叠加100小时人类数据后触觉PS

稚晖君发布启元Q1、T1两款万元级家庭机器人

启元机器人（稚晖君团队）在上海发布两款面向家庭场景的个人机器人Q1和T1，售价19999元起，10月1日起按订单顺序发货。Q1身高88厘米，支持图形化编程、外壳与性格定制及100多项原子能力开放；T1采用双足四足双形态设计，具备自主跟随、回充与英语陪练等功能。同时发布PrimeMotion、PrimeGo、PrimeVista三大机器人模型，并披露每2.5分

阶跃星辰发布Step 5 Preview，开源第三对标DeepSeek-V4-Pro

阶跃星辰发布新一代MoE旗舰模型Step 5 Preview，总参数600B、激活参数27B，支持100万Token上下文与原生文本、视觉输入，专为真实世界Agentic任务打造。该模型在Artificial Analysis Intelligence Index得分44分，位居开源模型第三，仅次于Qwen3.8 Max与GLM-5.3。其单任务成本约为Cl

阿里开源 Qwen-Image-2.1：70 亿参数图像模型称超越闭源

阿里巴巴 Qwen AI 团队发布开源权重图像生成与编辑模型 Qwen-Image-2.1，其视觉生成组件仅 70 亿参数，团队称在自家基准上超过多数闭源模型，但独立评测尚未出炉。该模型可在 3090 等消费级 GPU 上运行，原生支持 RGBA 透明图像生成与编辑，最多可同时处理十张参考图，并通过架构调整与 KV 缓存复用加速推理。模型已在 Hugging

腾讯 Gander：边对话边后台处理任务的实时智能体模型

腾讯混元语音团队与多所大学研究者提出 Gander 模型，可在后台处理复杂任务的同时保持实时对话，同时处理语音、图像和文本，用户可随时打断。该模型采用「小脑」负责逐秒对话、「大脑」负责复杂智能体任务的可替换架构，大脑可换成 Codex 或 Claude Code 等系统而无需重训对话模型。测试中 Gander 在 Full-Duplex-Bench v3 上

剪映发布Hub与助手Agent，打通AI生视频与AI剪辑

剪映在抖音创作者大会上发布剪映Hub、剪映助手Agent等新功能，将AI视频生成与AI剪辑打通，用户可在无限画布生成素材后直接跳转多轨道剪辑界面继续编辑。PC端面向专业创作，提供Hub、剪映助手、AI后编辑、专业调色、杜比全景声及插件生态（首期计划上线20余个官方Skill）；手机端则集成创作、剪辑、营销助手，支持随拍成片和语音操作。此举将原本分散的策划、生

剪映发布剪映Hub、AI助手小映等多项AI新能力

剪映于9月20日举办“AI新创作发布会”，推出专业版一站式创作工作台“剪映Hub”、智能创作Agent“剪映助手”及移动端AI创作助手“小映”，并升级“剪同款”模板范式与创作者生态。剪映Hub由无限画布与多轨道编辑器构成，可调用即梦、小云雀等平台生成素材；“小映”集成AI创作、剪辑与营销能力。剪映同步上线“AI Ultra会员”，并宣布每年投入约1.5亿元用

另有 1 家信源报道

Comfy-Org 发布适配 ComfyUI 的 Qwen3-VL 重打包模型

Comfy-Org 在 Hugging Face 上发布了 Qwen3-VL 的重新打包版本，将 Qwen/Qwen3-VL-4B-Instruct 和 Qwen/Qwen3-VL-8B-Instruct 转换为适配 ComfyUI 的单文件模型。该仓库提供 bf16、fp8 scaled、int8 convrot 和 nvfp4 等多种量化格式，用户需将文