多模态

MaLiang-Harness：可编程图像与视频生成框架

该论文提出 MaLiang-Harness 框架，将 MLLM 驱动的图像与视频生成组织为持续的构建、检查与修订过程，并定义 Program-to-Visual (P2V) gap 来描述程序正确执行但视觉结果不符合要求的问题。框架包含 PEG、TGP、REV 三项机制，在 MaLiang-IBench 与 MaLiang-VBench 上评测了 11 个闭

Cohere 发布 Embed 5 系列前沿嵌入模型

Cohere 发布 Embed 5 系列嵌入模型，包含面向最高检索质量的 Embed 5 Pro 和面向低延迟低成本场景的 Embed 5 Fast。两款模型共享同一嵌入空间，支持 128K 上下文、100+ 语言、多模态输入与 Matryoshka 嵌入，并已在 Cohere API、Model Vault、Microsoft Foundry 和 Amaz

NVIDIA VSS Blueprint 3.3 降低视觉 AI 智能体成本

NVIDIA 发布 VSS Blueprint 3.3，通过新增 Build Vision Agent 技能和自适应高效视频采样（Adaptive EVS）降低视觉 AI 智能体的构建与运行成本。Build Vision Agent 可将告警、搜索、摘要等 VSS 工作流组合为单一应用，并基于四种已验证配置快速生成部署方案；Adaptive EVS 通过剪除

AMD 以 82 亿美元收购世界模型初创公司 World Labs

AMD 以约 82 亿美元全股票交易收购空间智能初创公司 World Labs，交易预计 2026 年底完成，尚待监管批准。World Labs 成立于 2024 年，约 70 名员工，构建能从文本、图像和视频生成并模拟三维环境的世界模型，并于 9 月发布首个世界模型 Atlas。创始人李飞飞将加入 AMD 担任执行副总裁兼首席科学家，直接向 CEO 苏姿丰

康泰纳仕用Amazon Bedrock打造多模态视频发现方案

康泰纳仕（Condé Nast）与AWS生成式AI创新中心合作，基于Amazon Bedrock和Amazon OpenSearch Service构建了多模态视频发现方案，采用TwelveLabs Marengo嵌入模型对视频转录、视觉和音频信号进行联合编码。该方案将编辑团队的内容发现时间从平均250分钟缩短至2分钟以内，覆盖Vogue、GQ、Vanity

微软研究院推出面向生物学复杂性的 AI 研究系统 Quine

微软研究院推出 Quine，一个面向生物学复杂性的 AI 研究系统，包含跨模态生物世界模型与连接模型、科学工具、文献和研究者的交互框架。微软与 Broad Institute 合作，用该系统优先筛选可驱动治疗性肿瘤状态转变的化合物，并在多个湿实验检测中验证了若干排名靠前的候选物。Quine 目前仅为实验性研究技术，不用于临床或医疗用途，未来计划通过 Micr

梅耶尔推出AI助手Dazzle，仅靠相册理解用户

前雅虎CEO玛丽莎·梅耶尔推出个人AI助手Dazzle，该产品于去年12月完成800万美元种子轮融资。与依赖邮件、日历等文本信息的助手不同，Dazzle仅通过分析用户手机相册来构建个人上下文，理解用户的爱好、旅行、饮食和风格偏好。梅耶尔认为照片是被低估的信息源，且相比Instinct、Muse等产品，用户可能更愿意向AI开放相册而非邮件等敏感数据。记者试用后

ISTA-DASLab 发布 Qwen3.8-Flash-Next 非均匀 GGUF 量化版

ISTA-DASLab 发布了 Qwen3.8-Flash-Next 的 GGUF 量化版本，采用 GSQ 与 RCO 两种方法实现非均匀量化，为每个张量分配不同量化类型。该模型为 512 专家的稀疏 MoE 架构，提供四种尺寸（2.40 至 3.50 bpw），并附带视觉投影器支持多模态。量化文件可在 llama.cpp、Ollama 和 LM Studi

诺因智能再获数亿元融资，累计超10亿元

消费级具身智能公司诺因智能宣布完成数亿元人民币天使+++轮融资，由京东相关基金领投，正心谷资本、南山战新投和华登投资跟投。自2025年8月成立以来，诺因已完成5轮融资，累计融资额超过10亿元人民币。资金将用于扩充训练数据、推进KNOWIN-X1本体工程验证与量产准备，以及吸引具身智能高端人才。公司同时公布GLOW生成式具身大模型在RoboDojo、LIBER

YuE2：以符号化规划统一符号与音频音乐生成

研究团队发布 YuE2 技术报告，提出通过符号化规划统一符号音乐与音频音乐生成：单一 AR-NAR Mixture-of-Transformers 模型先写出可读的旋律与和声乐谱，再扩展为语义音乐 token 并渲染成含人声与伴奏的完整歌曲。在 WildSongBench 上 YuE2 的 SongBench Global Avg 达 6.73，best-o

IChart2Code：多模态大模型交互式图表代码生成基准

重庆大学团队提出 IChart2Code 基准，用于评估多模态大模型生成交互式图表代码的能力，包含 377 个任务、20 种图表形式、13 类数据及 1209 项交互需求。该基准配套基于浏览器的评估协议，设有可执行性门槛及数据保真度、静态视觉正确性、交互正确性三个评分维度，其 MLLM 评判器与人工标注的条目级 F1 达 0.8844。团队还提出轨迹引导的双

PalmLeaf-VQA：多文字历史贝叶斯手稿视觉问答基准

研究者提出 PalmLeaf-VQA，一个面向南亚与东南亚历史贝叶斯手稿理解的多文字视觉问答基准，包含 923 张精选图像和 7,384 个新标注问答对，覆盖八个收藏组和八类手稿感知任务。该基准采用图像不重叠的训练/验证/测试划分，并对近期闭源与开源多模态大模型进行零样本评测，最强模型在测试集上仅达 58.00% 精确匹配准确率，显示当前 MLLM 在稀有文

推荐系统离线评估的数据处理：综述

该综述系统梳理了推荐系统离线评估中的数据预处理实践，覆盖从数据集选择、交互表示到多模态特征提取与训练-验证-测试划分的完整数据流水线。作者分析了协同、序列、会话、图、知识感知、多模态、联邦、跨域、对比学习及基于LLM的推荐等多种范式，并提出了统一的分类框架。实证分析发现，当前实践高度集中于支持度过滤等数据集级变换，而依赖表示的特征变换较少，且辅助信息表示与数

MM-VeriRec：面向可验证智能体多模态推荐的失败引导融合

研究者提出 MM-VeriRec，一个面向可验证智能体多模态推荐的基准协议与失败引导融合方法，针对隐藏视觉约束、图文不匹配和不可能任务弃权三类失败模式。该方法基于真实电影海报与商品图像数据集构建任务，用确定性视觉属性验证推荐结果，并将失败转化为可操作的标签（如文本陷阱跟随、视觉忽视、错误接受）。实验表明，更强的文本与视觉嵌入能提升检索但无法消除这些失败模式，

Quillan-Ronin v5.4.0-oni 多模态 MoE 模型发布

CrashOverrideX 在 Hugging Face 发布 Quillan-Ronin v5.4.0-oni 模型，这是一个基于 Qwen3.5-0.8B、BitNet-b1.58-2B-4T 和 Llama-3.2-1B-Instruct 合并的多模态 H-NMoE 模型，采用 1.58-bit 三值量化与 34 专家 MoE 架构，面向消费级硬件。

AMD 82亿美元收购李飞飞World Labs，李飞飞任首席科学家

AMD以82亿美元全股票收购李飞飞创办的空间智能公司World Labs，交易预计2026年底前完成并需监管批准。李飞飞将加入AMD任执行副总裁兼首席科学家，直接向苏姿丰汇报，联合创始人Justin Johnson和Ben Mildenhall继续带领团队并入AMD组建前沿AI研究组织。AMD此前已从B轮开始投资World Labs，双方在AMD GPU上合

另有 2 家信源报道

微软研究院亚洲新加坡实验室成立一年进展

微软研究院亚洲-新加坡实验室于2025年7月24日成立，是微软在东南亚的首个研究实验室，建立在微软研究院亚洲与新加坡高校、研究机构和政府机构二十多年合作基础上。过去一年，该实验室围绕下一代AI模型与智能体系统、领域专用AI、AI原生研究实践、生态与人才培养四大支柱开展工作，并与新加坡国立大学、南洋理工大学等合作开展九个新项目，覆盖医疗AI、机器人、AI系统与

llama.cpp 发布 b11236：speculative、mtmd 与 server 迁移至 batch ext

llama.cpp 发布 b11236 版本，主要变更是将 speculative、mtmd 和 server 迁移到 batch ext（#29385），并适配 common 模块、新增 common batch、处理 imrope 及 add()/add embd() 返回值、增加零填充警告。该版本同时提供覆盖 macOS/iOS、Linux、Andro

荣耀发布Magic9系列：2nm芯片、2亿影像、397B智能体大模型

荣耀发布高端旗舰Magic9系列，包括Magic9 Pro Max、标准版和超能版，主打与阿莱合作的电影级影像系统、双2亿像素摄像头、自研影像芯片驭光H1及第六代骁龙8超级至尊版2nm芯片。AI方面，荣耀联合阿里打造397B行业智能体大模型，并在MagicOS 11落地Agent Harness，同时与中国移动首发Token套餐。此举意在换机周期拉长背景下，

神秘模型太空兔走红：效果直逼GPT-6 Astra，10万人围观

智东西报道，匿名模型Space Bunny（网友称“太空兔”）于9月23日上线后走红，在OpenCode调用量榜单稳居第二、OpenRouter一度排名第一，OpenCode官宣贴浏览量超百万。该模型可免费使用，具备100万上下文和多模态能力，匿名期间不留存用户数据，开发者测试显示其速度极快、3D与前端设计能力突出，效果被指直逼GPT-6 Astra、Cla