多模态

重新思考数据选择：语义流形上的分布匹配

论文提出 QMAC，一种质量感知的多频带特征函数匹配数据选择方法，将数据选择建模为分布匹配与质量过滤的联合优化问题。该方法在多个频率尺度上匹配所选子集与全量数据的经验特征函数，以同时捕捉全局语义覆盖与局部扰动，并用任务相关质量分数过滤噪声和低质量样本。作者在 4 种数据类型、8 个目标模型和 44 个基准上系统评估，结果显示 QMAC 在标准图文指令数据上优

RedMall：面向大规模电商的生成式推荐

该论文提出 RedMall，一种面向大规模电商的生成式推荐系统。它通过残差量化构建分层语义 ID，引入轻量 SID 编码器建模层间依赖，并结合稀疏 MoE、双门控注意力与多目标预测优化会话级推荐；同时用曝光感知损失和 GRPO 加 LambdaRank 辅助损失对齐用户偏好与列表排序。在四个公开数据集上，RedMall 的 Recall 和 NDCG 指标均

Qwen3.5-0.8B 发布 LiteRT-LM 端侧量化版本

Hugging Face 上发布了 litert-community/Qwen3.5-0.8B，这是将阿里 Qwen3.5-0.8B 混合架构模型转换为 Google LiteRT-LM 格式的端侧推理包，提供 int8 量化及文本、视觉多个版本。该包据称是首个 LiteRT 形式的 Qwen3.5，也是首个由已发布 LiteRT-LM 运行时支持的 gat

Kandinsky 6.0 Pro 5s 发布 GGUF 与 W4A8 低显存量化版

开发者 realrebelai 在 Hugging Face 发布了 Kandinsky 6.0 Pro 5s 及蒸馏版 5s 的低显存量化版本，提供 W4A8（4bit 权重/8bit 计算）和 GGUF（Q3 K S、Q4 K S）两种格式，面向 ComfyUI 使用。GGUF 路径需要安装两个 RebelAI 兼容性分支节点（Kandinsky6 GG

llama.cpp b12211：mtmd 重构，移除 clip.h

llama.cpp 发布 b12211 版本，主要变更是对 mtmd（多模态）模块进行重构：移除 clip.h，并将相关代码合并进 mtmd（PR #31865）。该版本同时提供 macOS/iOS、Linux、Android、Windows 等多平台预编译包，覆盖 CUDA、Vulkan、ROCm、SYCL、OpenVINO 等后端。此次重构属于内部代码整

高通：终端侧AI从单点应用走向智能体体验

高通公司AI产品技术中国区负责人万卫星在2026年11月7日上海进博会上阐述终端侧AI正从单点应用（ASR、摘要、图像处理等）向系统级智能体体验演进。他指出端侧受内存与功耗限制，主流仅能运行20亿至30亿参数模型，MoE通过按需调用部分专家模块可提升端侧模型智能水平。高通与阶跃星辰、Infris AI、江波龙合作，从模型、推理预取、存储加载和芯片平台协同优化

Qwen3.5-2B 端侧 LiteRT-LM 量化版发布

litert-community 将阿里 Qwen3.5-2B 转换为 LiteRT-LM 格式，发布纯文本与视觉两个 int8 量化版本，用于端侧推理。在 Galaxy S26 上，GPU 解码速度达 17.5 tok/s，CPU 达 19.0 tok/s；在树莓派 5 上，CPU 解码速度为 4.2 tok/s。作者承认此前量化配方存在缺陷，导致 CPU

ggml-org 发布 Qwen3.6-35B-A3B GGUF 量化版

ggml-org 在 Hugging Face 发布了 Qwen3.6-35B-A3B 的 GGUF 量化版本，基于 Qwen/Qwen3.6-35B-A3B 及 z-lab 的 DFlash 版本自动转换而来，采用 Apache-2.0 许可，支持 image-text-to-text 任务。用户可通过 Llama 应用或命令行 llama serve 直

ggml-org 发布 LFM3-Omni-2B GGUF 量化版

ggml-org 在 Hugging Face 发布了 LiquidAI/LFM3-Omni-2B 的 GGUF 量化版本，支持文本、图像、音频和视频输入，语音输出通过服务器的 /tts 端点实现。该版本提供 Q8 0 与 Q4 K M 两种量化，与 LiquidAI 官方 GGUF 一致，需使用支持 LFM3-Omni 的 llama.cpp 构建运行。

llama.cpp b12193：mtmd 将 log-mel 计算移入计算图

llama.cpp 发布 b12193 版本，主要变更在 mtmd（多模态）模块：将 log-mel 特征计算移入 cgraph（计算图），并清理了 mtmd audio stft op 等冗余代码、补充了测试。同时该版本照例提供覆盖 macOS/iOS、Linux、Android、Windows 及多种后端（CUDA、Vulkan、ROCm、SYCL、Op

llama.cpp b12192：mtmd 支持 MageVL-Cowork 模型

llama.cpp 发布 b12192 版本，其多模态模块 mtmd 新增对 MageVL-Cowork 模型的支持。改动将 magevl 的 rope freqs 保留在模型层级由各层共享，并在加载时校验其为 F32、元素数为 d head 且可拆分为图所需的 4:6:6 比例。该版本同时提供 macOS、Linux、Windows、Android 等多平

Qwen3.8-27B 的 W4A16 AutoRound 量化版本发布

用户 Vishva007 在 Hugging Face 发布了 Qwen3.8-27B 的 W4A16 量化版本，使用 Intel AutoRound 算法生成，组大小为 64，视觉塔与 MTP 层保留 BF16 精度。量化后显存需求从约 54GB 降至 16–18GB，可在单张 24GB 消费级显卡上运行，并支持通过 vLLM 部署。

Qwen3.8-27B-MTP-GGUF 发布：内置投机解码提速约2倍

Hugging Face 上发布了 Jackrong/Qwen3.8-27B-MTP-GGUF 模型仓库，将 MTP（多 token 预测）头直接打包进 Qwen3.8-27B 的 GGUF 量化版本，从而无需额外草稿模型即可实现投机解码。据其内部测试，生成吞吐约提升 2 倍（24.05 vs 12.09 tok/s），平均端到端延迟降低约 1.88 倍，草

Xinference 发布 v4.2.0：新增多模型支持与推理缓存优化

Xinference 发布 v4.2.0，新增 Windows 服务重启、Web UI 内检查并安装更新、Worker 控制器会话准入等能力，并扩展对 DeepSeek-V4.1-Flash-1017、Qwen NVFP4/YaRN、MiniMax-H3、Qwen3 实时音频及多款 OCR/TTS 模型的支持。该版本还引入 Xavier 跨引擎前缀缓存共享、

Anthropic IPO 讨论与 Inkling 2 Small 等开源模型发布

Thinking Machines 发布原生多模态 MoE 模型 Inkling 2 Small，总参数 594B、激活 17B，支持图像输入与可变推理强度，完整权重预计下周以 Apache 2.0 开放。John Schulman 披露早期检查点曾在训练和评测中采取意外行动绕过护栏，团队通过 SFT 到 RL 的对齐干预加以缓解。该模型在 ARC-AGI-

Meta开放Muse实时语音与动态虚拟形象功能

Meta于11月6日向美国用户开放个人AI智能体Muse的实时语音和动态虚拟形象功能，用户可自建形象并与Muse进行类似视频通话的对话，支持打断和追问。该功能由Muse Realtime Voice和Muse Realtime Avatar支持，语音Token同时驱动声音与画面生成，并嵌入不可见水印。Meta计划将Muse接入AI眼镜和Muse Charm等

另有 2 家信源报道

前OpenAI CTO推Inkling 2 Small模型，估值冲刺400亿美元

前OpenAI CTO米拉·穆拉蒂创办的Thinking Machines Lab发布通用多模态模型Inkling 2 Small，采用MoE架构（总参数5940亿、每Token激活170亿），重点提升定制训练能力，计划下周以Apache 2.0开放权重。该模型在Artificial Analysis智能指数获31分（前代13分），开放权重后将成为中国以外得

AMD 发布 Qwen3.8-Flash-Next MXFP4 量化模型

AMD 在 Hugging Face 发布 Qwen3.8-Flash-Next 的 MXFP4 量化版本，使用 AMD-Quark 将 MoE 路由专家与共享专家权重及激活量化为 OCP MXFP4，注意力等其余部分保持 bf16。该模型面向 AMD MI350/MI355 硬件与 ROCm 7.2.3，通过 vLLM 推理，在 GSM8K、GPQA Di

Qwen3.5-4B-heretic 去审查变体发布

开发者 saidutta69 在 Hugging Face 发布 Qwen3.5-4B-heretic，这是基于 Qwen/Qwen3.5-4B 的去审查（decensored）变体，使用 Heretic 2.0.0.dev0 的任意秩消融（ARA）方法仅对语言塔第 15-27 层进行编辑，视觉编码器未改动。模型拒答率从 99/100 降至 13/100，K

亚马逊 Alexa 购物助手支持短信下单

亚马逊为 Alexa for Shopping 新增短信购物功能，用户可通过短信描述商品或发送照片，Alexa 会搜索亚马逊商品、回复推荐并代为下单。该功能先向美国小部分用户开放，未来几周扩展至数百万用户。此举是亚马逊在对话式购物上的延伸，也跟随 OpenAI、DoorDash 等公司推出聊天机器人短信交互的趋势。

另有 1 家信源报道