首页

前沿热点

紧跟 AI 行业热点事件,快速追踪解读,约 1000 字精炼分析。

蚂蚁开源Ming-Image:AI 出图不再只会画图

2026 年 9 月中旬,蚂蚁 inclusionAI 把两个设计生成模型 Ming-Image-0.1-Design 与 Design-Layer 以 MIT 协议开源(GitHub 仓 9-17 创建,2026-09-24 快照 91 星、6 fork、Python)。两款均 6B 级:Design 端到端生成 UI、Dashboard、信息图、海报;Design-Layer 把扁平设计图拆成 2 到 9 个 RGBA 透明图层。核心看点:端到端整体生成、原生 RGBA VAE、8K 长结构化提示词,硬件门槛为单张 80 GiB 显存。本站写死的事实:MIT 经 GitHub API 等四源一致确认可商用;Qwen-Image 2.1 为 Qwen Research License 非商用,形成许可红线。基准与 Crello 数字(登顶 UI/UX 开源榜、快 4.3 倍等)一律标厂商或模型卡口径、未独立复测;定价额度未公布项一律不编。

手机自己会干活:阿里把三个 Agent 塞进了系统

2026 年 9 月,阿里巴巴通义千问团队推出面向手机厂商的「AI 手机全栈解决方案」Qwen Intelligence:不造硬件,向厂商提供模型、平台与场景化方案。方案含三大 Agent——Mobile Planner 负责任务规划与决策(支持 100+ 步长程任务,双层记忆为工作记忆加长期用户画像),Mobile-Use 以「API 优先 + GUI 兜底」执行跨 App 操作(含三层安全隐私管控、关键决策需用户确认),Mobile Creative 面向影像创作(口语化需求直出图)。官方口径指标:与荣耀合作落地后综合任务准确率 91.8%;Planner 每千次任务调用成本约 2.41 美元;Mobile-Use 端到端成功率 90%、完成时间压缩 28.8%、费用降低 20%、单任务 59.5 秒;Creative 首图生成 3 秒;安全评分高出头部方案 23 个百分点,并与复旦白泽团队共建安全评测。平台侧开放四套评测集(规划、执行、真机、安全),模块化可定制,支持模型独立部署与 Skill 统一治理。本文将口径写死:所有性能数字均为官方口径而非本站复测;官方竞品对照表标明来源方口径;定价与计费细则、开放地区与时间表、完整合作厂商名单、模型版本与参数量均未公开,一律写「以官方为准」;并明确它是 B2B 全栈方案而非消费者可直接下载的 App,消费者侧只有荣耀落地机型与千问 AI 平台体验专区。

一句话出片:剪映 Hub 把生成和剪辑焊在一起

据量子位 9-21 报道,字节跳动旗下剪映推出 PC 端一站式 AI 视频创作入口「剪映 Hub」,产品动作不在模型参数而在工作流:把生成与剪辑焊进同一入口。官方定位为 PC 端一站式 AI 视频创作工作台,官方页面给出九项核心功能(AI 生图与素材生成、分镜脚本、模块连线与资产管理、分镜提示词批量生成、多模型视频生成与预览成片、生成后直入剪辑、AI 后编辑、剪映助手 Agent、字节系素材导入),并给出十四步上手路径与一张与即梦 AI 的官方口径对照表(来源方口径,非本站复测)。两个真变化:一是生成结果不导出导入、点「更多剪辑」直接进剪映多轨时间线做 AI 智能延长、超清、补帧、调色、消除、人声分离,本质是"工程内闭环"取代"文件交换";二是剪映助手 Agent 用文字调用剪口播、解说、字幕改误、批量成片等 Skill,把重复劳动压成一句指令。本站判断:工作台解决的是素材到成片的最后一公里,不是画质上限,Hub 是编排层不是生成引擎;闭环代价有三笔账——生态绑定、素材与账号强耦合、定价不透明。定价、免费额度、并发、积分规则、可用地域、单条时长与分辨率上限官方均未公布,一律以官方与客户端实际界面为准,不编数字;上线时间只有二手报道口径。

2.8 秒压到 2.3 秒:Qwen3.8 同传能替人工译员吗

2026 年 9 月阿里通义千问推出实时同声传译大模型 Qwen3.8-LiveTranslate,已通过千问 AI 平台与阿里云百炼以 WebSocket 实时接口开放,可嵌入会议系统、直播推流与客服坐席。硬指标:字均延迟(LAAL)从 2.8 秒压到 2.3 秒;60 种语言识别输入、29 种语音输出;三大能力为实时说话人分离与音色克隆、原文译文同帧同出、长上下文消歧,另支持视频音频输入辅助消歧。技术上靠 Interleave 单流架构(音频与文本交织,已听音频与已出译文缓存复用,不再每句从头处理)加 Hybrid MoE 的 Thinker–Talker 双模块(Thinker 把视频音频原文译文编进同一条因果序列,Talker 结合译文与源音频合成保留原说话人音色的译文语音)。本文严守口径:2.3 秒是字均延迟不是端到端首包延迟,60 与 29 是两个不同口径,竞品对比表来自官方来源而非本站独立复测,"未公布指标"不等于"做不到",定价限流并发地域均未公开故不编数字,并明确它是 API 服务而非开源模型。

花 1/8 的钱硬刚 Opus 5:Step 5 Preview 值得等吗

据 ai-bot.cn 2026-09-20 收录,阶跃星辰发布新一代旗舰基座模型 Step 5 Preview:稀疏 MoE 架构,总参 600B、每次推理仅激活 27B,原生 100 万 Token 上下文加文本与视觉多模态,面向真实世界 Agentic 任务设计。Artificial Analysis Intelligence Index 拿到 44 分、位居开源模型前三,单任务成本据称仅为 Claude Opus 5 的 1/8,GPU Kernel 优化 508 TFLOPS 略高于 Opus 5 的 493,并展示 22 小时级连续自主 Agent 任务。口径如实标注:数字来自厂商竞品表,每 token 单价与稳定性仍是 Preview 阶段两大未知,权重预告 2026-10-15 才释放,本文不吹不黑只给五个判断。

Qwen3.8-Omni-Flash:从理解到交付的全模态分水岭

据 ai-bot.cn 2026-09-18 收录,阿里千问发布新一代原生全模态模型 Qwen3.8-Omni-Flash:文本/图像/音频/视频输入加 1M 长上下文,主打"从理解到交付"的 Agent 能力,端到端跑通会议纪要、短剧翻译、电影解说等工作流。与 Gemini 3.8 Flash 的对比如实呈现胜三败三:AliMeeting DER 3.4 对 72.6 与 WildClawBench-MM 71.0 对 58.9 大幅胜出,OmniVideoBench、LVOmniBench、FLEURS WER 三项仍落后;API 音频输入降价超 98%、音视频降超 93%,音频成本门槛被打到地板。配套开源 Qwen-MM-Plugins,模型加工具链协同演进。

Qwen3.8-Flash 在 Qoder 限时免费:13 天窗口期怎么用

据 IT之家 2026-09-18 报道,Qoder 推出双福利:9 月 18 日 10:00 至 9 月 30 日 23:59:59,Qwen3.8-Flash 计费系数从 0.1 降为 0,调用完全免费;同期每日 10:00 起发放 100 Credits,30 天有效期、可叠加,国际版与国内版全体个人用户均可参与。本文拆解"免费窗口期"为何是编程工具赛道的标准营销打法(拉新、习惯养成、窗口期后留存),给出 Qwen3.8-Flash 的适用任务定位与行动清单,并提醒:这是限免不是永久免费,9 月 30 日后系数恢复 0.1。

腾讯云 Octop 1.0 GA:多用户隔离是自托管真需求

2026-09-17 腾讯云开源自托管多智能体助手 Octop 发布 1.0 GA,同步上线 Lighthouse 与 CVM 官方镜像市场一条命令部署。本文不堆参数,核心判断是"多用户隔离"才是自托管场景的真需求:市面多数自托管助手围绕单人设计,Octop 用 JWT 按成员隔离记忆、工作区与专家配置,配合单进程架构与 IM 直连,把"家庭/小团队共用一个 AI 助手"做成第一设计目标。同时如实标注边界:开源仅两个多月、3,198 星还在爬坡期,Connector 腾讯系占比高,且需要有人管服务器。

Vidu S2 发布:把视频生成推进到实时交互

2026-09-16 生数科技发布 Vidu S2,把视频生成从离线推进到实时交互与实时编辑:S2-Avatar 在对话中动态更新参考图、分辨率从 540P 升到 720P、可保持摘戴帽子等连续动作与状态;S2-Editing 支持风格迁移、虚拟试穿、人物替换、背景替换四类实时编辑。本文不堆参数,核心判断是"实时"是视频生成的分水岭——它把生成变成对话式、可中途改、所见即所得的过程,会先落在电商试穿、虚拟人直播、互动内容;但它是商业产品、无公开代码仓,实时画质与成本尚缺第三方独立评测,建议等实测与定价再下结论。

Kimi K2.8 Preview 上线:抢编码 Agent 的日常入口

2026-09-14 月之暗面推出新一代主力模型 Kimi K2.8 Preview,在 Kimi Code 与 Kimi Work 全量上线:官方称综合性能接近旗舰 K3,编码与 Agent 能力较 K2.7 Code 全面提升,思考效率显著改善;支持 low/high/max 三档思考强度(与 K3 对齐,默认 max,CLI 用 /effort 切换)与图片、视频双模态输入;1M 超长上下文向全部会员档位开放、含免费档 Adagio;Model ID 仍为 kimi-for-coding,Claude Code、OpenCode、Codex 等第三方工具零改配置即可无感升级,追求速度的 Allegretto 及以上会员可换 kimi-for-coding-highspeed;请求路由上,K3 关闭 thinking 后会自动转交 K2.8 无思考版本。计费随订阅会员(0 到 699 元每月),不按 token 计费;月之暗面 ARR 从 2026 年 6 月的 3 亿美元增至 8 月破 10 亿美元。本文不做发布会复述,核心判断是这套组合拳的意图在抢编码 Agent 的日常流量入口,把竞争维度从跑分换成单位任务成本与迁移摩擦;并点明三个待验证处:官方未公布任何 benchmark 跑分(流传的 SWE-bench Pro 63.2%、OSWorld-Verified 81.2% 实为 Claude Sonnet 5 数据,本文严格标注归属)、开放权重未公布、以及 K2.8 无专属 GitHub 代码仓(实测 moonshotai 组织 43 个仓库,最新模型仓止于 K3、K2.5、K2),故按站内纪律只做热点、不做开源项目介绍。