Microsoft 推出 GigaPath-Flash 与 GigaTIME-Flash 病理基础模型
Microsoft 发布 GigaPath-Flash 和 GigaTIME-Flash 两个高效病理基础模型，采用从十亿参数 GigaPath 编码器蒸馏出的 22M 参数 ViT-S 主干，并以 Apache 2.0 许可开源。
全部AI 动态
全部动态
今日 20 条Microsoft Research BlogAI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
DeepLearning.AI(@DeepLearningAI)AI 评估 · 64/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 64/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 GLM-5.3 靠后训练追平开源模型榜首，CyberGym 得分 84.5% 引发安全暂缓
GLM-5.3 在 Artificial Analysis Intelligence Index 上得分 60，在开源权重模型中并列第一。其整体智能提升完全来自对 GLM-5.2 的微调，而非训练新的基础架构，通过在长时间运行的软件工程环境中训练，模型涌现出网络安全能力，在 CyberGym 上得分 84.5%。
Hunyuan(@TXhunyuan)AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 16/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 用 Hy4 preview，人人都能生成 SPIDER-MAN
腾讯混元 Hy4 preview 支持生成 SPIDER-MAN 图像，人人都能上手。该预览版由 xgo.ing 提供支持，官方推文未披露模型参数、上下文长度或开放方式等细节。
Hunyuan(@TXhunyuan)AI 评估 · 69/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 69/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯混元开源 Hy4 preview：770B 总参数 MoE，支持 1M 上下文
腾讯混元开源 Hy4 preview，采用 Apache 2.0 许可，总参数 770B、每 token 激活 49B，支持 1M 上下文，并自带用于投机解码的原生 MTP 层。
Hunyuan(@TXhunyuan)AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯 Hy4-preview 在 vLLM 上首日可运行
腾讯 Hy4-preview 发布预览权重，并已在 vLLM 的 day 0 支持，在 NVIDIA GPU 上完成验证。
Hunyuan(@TXhunyuan)AI 评估 · 46/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 46/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯混元 Hy4-preview 以 MIX-STQ1_0 混合量化从 1.5TB 压缩至约 200GiB GGUF
腾讯混元将 Hy4-preview 从 1.5TB 压缩到约 200GiB 的 GGUF，采用 MIX-STQ1_0 混合量化，用校准数据为每层分配不同位宽，部分低至 1.31-bit STQ1_0。
Hunyuan(@TXhunyuan)AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 56/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯混元发布 Hy4 preview，已在 Cline 开放试用
腾讯混元发布 Hy4 preview，该模型采用 770B 总参数、49B 激活参数，支持 1M 上下文，并在 SWE-bench Pro 上领先。官方称这是其迄今测得的最大代际提升，并给出在 Cline 中通过 npm i -g cline、/model 选择 Hy4 preview 的试用步骤。
Hunyuan(@TXhunyuan)AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 29/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Hy 4 preview 上线 OpenCode Go，面向编程智能体
腾讯混元 Hy 4 preview 已在 OpenCode Go 上线，规格为 770B/49B、1M 上下文，面向编程智能体场景打造。
Midjourney(@midjourney)AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 22/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Midjourney 更新 V8.2 编辑模型，图像质量提升
Midjourney 更新 V8.2 编辑模型以提升图像质量。若用户在过去 24 小时内遇到问题，可重新尝试并继续反馈。官方表示后续还有更多更新。
Google Gemini App(@GeminiApp)AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gemini Omni 1.1 Flash 支持视频续接延展
Gemini Omni 1.1 Flash 现可让你从视频结束的位置继续延展，把在 Gemini 中创作的视频无缝接续，构建连贯、动态的故事线。该功能由 Gemini App 官方账号公布。
Patrick Loeber(@patloeber)AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 54/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 推出 Gemini 3.5 Transcribe 与 Transcribe Live 两款转写模型
Google 发布两款面向转写和语音识别的新模型 Gemini 3.5 Transcribe 与 Gemini 3.5 Transcribe Live。前者用于转写已录制音频，支持说话人归属和词级时间戳；后者用于构建实时语音应用。
ollama(@ollama)AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 36/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Ollama 上线 glm-5.3-flash 模型页
Ollama 上线 glm-5.3-flash 模型页面，用户可通过 ollama.com/library 查看该模型信息。该模型页链接已在社交平台发布，帖文获得 34 个点赞和 2 次转发。
Google DeepMind(@GoogleDeepMind)AI 评估 · 58/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 58/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind 推出 Gemini Omni 1.1 Flash
Google DeepMind 正在推出 Gemini Omni 1.1 Flash，目标是让生成视频具备更高的可控性、更快的迭代速度，并更精细地适配生产级使用。官方表示可在 Flow by Google 等入口试用，并附有详情链接 goo.gle/4zHEzJ2。
Hunyuan(@TXhunyuan)AI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 41/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯混元 Hy4 preview 上线 WorkBuddy，两周免费
腾讯混元 Hy4 preview 已在 WorkBuddy 上线，并在研究、Office 任务、前端开发和游戏开发等真实智能体工作流中完成测试，可跨文件分析 Excel 与 PPT 排版，并根据自然语言指令构建可玩原型。Hy4 preview 在 WorkBuddy 上免费开放两周，Hy3 则免费至 9 月底。
向阳乔木推荐看AI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 混元 Hy4 preview 八项实测：770B MoE、1M 上下文与 Agent 能力表现
腾讯混元发布新一代模型 Hy4 preview，总参数 770B、激活参数 49B、上下文长度 1M，属 MoE 架构，相比上一代强化了多步骤 Agent、代码开发和生产力任务能力。
Midjourney(@midjourney)AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Midjourney 开始测试首个 V8.2 编辑模型
Midjourney 宣布当天开始测试其首个 V8.2 编辑模型。该模型支持按指令编辑、用其他图片生成图像（最多 4 张参考图）、基于笔刷的 inpainting 和 outpainting，并可与 personalization、moodboards 和 srefs 配合使用。
Hunyuan(@TXhunyuan)AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯混元 Hy4 preview 在 Code Arena WebDev 获 1633 分排第 5
Arena.ai 公布，腾讯混元 Hy4 preview 在 Code Arena WebDev 榜单以 1633 分（AutoEval）位列约第 5，较 Hy3 整体第 31 名提升 115 分；在开源模型中排约第 3，Hy3 当时为第 7。
Hunyuan(@TXhunyuan)AI 评估 · 73/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 73/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯发布 Hy4 preview：770B 参数、49B 激活、1M 上下文并开源
腾讯发布 Hy4 preview，总参数 770B、激活参数 49B、上下文窗口 1M，定位生产力场景并采取开源路线，主打一致且可负担的价格。官方同时给出博客、Hugging Face 与 GitHub 链接，并邀请用户反馈使用中遇到的问题。
腾讯混元精选AI 评估 · 82/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 82/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 腾讯混元发布 Hy4 preview 旗舰模型并开源
腾讯混元发布新一代旗舰模型 Hy4 preview，总参数 770B、激活参数 49B，上下文长度 1M，已开源并在腾讯云 TokenHub、OpenRouter 上线，可在 WorkBuddy/CodeBuddy、元宝、ima 等产品体验。
为什么值得看
腾讯混元发布 Hy4 preview 并开源，770B 总参数配 1M 上下文，可与 GLM-5.3、Kimi K3 的盲测结果横向比较。
Replicate(@replicate)AI 评估 · 69/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 69/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind 发布 Gemini Omni 1.1 Flash 视频模型
Google DeepMind 推出 Gemini Omni 1.1 Flash，面向视频生成与编辑的多模态模型，已在 Replicate 上线。该版本支持首尾帧插值、延长场景、添加视频输入参考、最高 4K 放大，并可用 360p 快速验证创意。
Logan Kilpatrick(@OfficialLoganK)AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 21/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google Omni 从初版到融入 Veo 热门功能，后续版本仍在开发中
Google Omni 从首次发布到将用户喜爱的 Veo 功能融入 Omni 模型，经历了大量工作。团队表示未来 Omni 版本还有更多内容正在打磨，并继续征求反馈。
Logan Kilpatrick(@OfficialLoganK)AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 发布 Gemini Omni Flash 1.1，升级多模态输入输出世界模型
Google 发布 Gemini Omni Flash 1.1，这是对其 anything in, anything out 世界模型的更新。新版本支持 360p 草稿与 4K 上采样、延长时最多 10 秒视频上下文、以 10 秒为单位递增的视频延展，以及视频参考功能。
Patrick Loeber(@patloeber)AI 评估 · 72/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 72/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 发布 Gemini Omni 1.1 Flash，面向开发者开放视频生成能力
Google AI Studio 推出 Gemini Omni 1.1 Flash，为开发者带来一组新的创意控制与生成式视频能力：可延长场景以支持更长叙事、指定首帧和末帧、以 360p 更高效地草稿视频，并可放大到 4K 分辨率，还支持在多模态输入中加入视频参考。该模型现可通过 Gemini API 和 AI Studio 使用。
Google AI(@GoogleAI)AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 发布 Gemini Omni 1.1 Flash 视频生成与编辑模型
Google 发布多模态模型 Gemini Omni 1.1 Flash，用于视频生成与编辑。该模型加入来自 Veo 的创作控制能力，支持 4K 超分、首尾帧控制和 360p 快速草稿。官方称最大升级是场景延展：可基于原视频 10 秒上下文延展场景，而 Veo 为 1 秒，从而提升一致性与长片叙事的连贯性。
Google DeepMind BlogAI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 66/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind 发布 Gemini Omni 1.1 Flash，新增场景延展与 4K 放大
Google DeepMind 发布 Gemini Omni 1.1 Flash，为开发者提供生成式视频的创作控制能力，通过 Gemini API 和 Google AI Studio 使用。
向阳乔木推荐看精选AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 智谱认领匿名模型 Ox-Alpha 为 GLM-5.3-Flash，开源并以 Opus 4.8 的 1/40 价格提供
智谱认领了此前在 X 上刷屏的匿名模型 Ox-Alpha（中文社区称“牛来”），正式名称为 GLM-5.3-Flash，320B 总参数、仅激活 18B，是 GLM-5 系列首个原生多模态模型。
为什么值得看
文章把匿名模型的身份揭晓、参数与价格和多个实测案例放在一起，读者可据此判断它在多模态任务上的成本与可用性。
Qwen(@Alibaba_Qwen)AI 评估 · 60/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 60/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Qwen3.8-Flash 上线 QwenCloud，输入 $0.15/1M tokens
Qwen3.8-Flash 的 API 已在 QwenCloud 上线，原生上下文 262K，可扩展至 1M。定价为输入 $0.15/1M tokens、输出 $0.47/1M tokens、缓存命中 $0.016/1M tokens，官方称该价格面向规模化使用。
Qwen(@Alibaba_Qwen)AI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Qwen3.8-Flash 上线 OpenRouter，主打编程助手与智能体工作流
Qwen3.8-Flash 已在 OpenRouter 上线，一次 API 调用即可支持编程助手、智能体工作流和长视频理解。该模型为多模态推理模型，面向代码库与文档分析、桌面交互、图表和长视频等场景。
AI产品黄叔AI 评估 · 73/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 73/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 匿名模型 ox-alpha 确认为 GLM-5.3-Flash，作者实测两个任务
智谱认领了在 OpenRouter 和 OpenCode 双榜登顶的匿名模型 ox-alpha，其真实身份为 GLM-5.3-Flash，官方称同样智力只需1/40价格并支持原生多模态。
Qwen(@Alibaba_Qwen)AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 32/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 LightSeek TokenSpeed 为 Qwen 3.8 Flash Next 提供 Day 0 支持
LightSeek Foundation 的 TokenSpeed 已对 Qwen 3.8 Flash Next 实现 Day 0 支持，覆盖 GDN + Qwen Sparse Attention 混合架构、门控残差连接和 N-gram embedding。其中 N-gram embedding 还支持 FP8 精度。LightSeek 表示将持续优化，作为 Qwen 4 的预览。
阿里研究院精选AI 评估 · 83/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 83/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 阿里发布 Qwen3.8-Flash 多模态 MoE 模型并开源 Next 权重
阿里发布 Qwen3.8-Flash，这是一个多模态 MoE 模型，主模型参数量 125B，另配 51B N-gram Embedding，每 token 激活 6B 参数，原生支持 262,144 token 上下文并可通过 YaRN 扩展至 1M token。
为什么值得看
官方一次给出 Qwen3.8-Flash 的架构改动、成本对比与开源权重入口，读者可据此判断新架构对长上下文推理的实际影响。
Logan Kilpatrick(@OfficialLoganK)AI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 42/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 发布新模型，已为多项 Google 产品体验提供支持
Google 发布一款新模型，该模型已在 Google 多项产品体验中投入使用，并成为其 Gemini Audio 产品组合的又一关键组成。相关内容发布在 Google 官方博客。
Logan Kilpatrick(@OfficialLoganK)AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 62/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 发布 Gemini 3.5 Transcribe 语音转文本模型
Google 发布 Gemini 3.5 Transcribe 语音转文本模型，支持智能转写、函数调用和实时流式传输，转写更精确（WER 更低）。该模型还支持自定义词表、多说话人识别，并覆盖超过 85 种语言。
Patrick Loeber(@patloeber)AI 评估 · 49/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 49/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gemini 3.5 Transcribe 与 Transcribe Live 两款转录模型发布
Google 推出两款 Gemini 转录模型：Gemini 3.5 Transcribe 用于转录录音，支持说话人归属和词级时间戳；Gemini 3.5 Transcribe Live 用于构建实时语音应用。
Google AI(@GoogleAI)AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 65/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 发布 Gemini 3.5 Transcribe 转录模型
Google 发布转录模型 Gemini 3.5 Transcribe，支持 85+ 种语言的语境感知语音转文字，可自动过滤填充词并格式化非结构化语音。该模型还能结合屏幕上下文执行语音指令，把杂乱的语音输入和本地文件转成邮件草稿。
Google AI Developers(@googleaidevs)AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 52/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 发布 Gemini 3.5 Transcribe 语音转文字模型
Google AI Developers 发布 Gemini 3.5 Transcribe，一款号称能理解代码库的语音转文字模型。官方演示中，该模型可过滤口语中的犹豫停顿，并针对当前上下文精确还原技术术语、文件名和代码变量；它通过视觉偏置为复杂开发者工作流引入屏幕感知上下文，演示场景为在 Antigravity 中构建。
Sundar Pichai(@sundarpichai)AI 评估 · 67/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 67/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google 发布 Gemini 3.5 Transcribe 语音转写模型
Google 发布 Gemini 3.5 Transcribe，可让应用理解用户语音与意图，并支持多说话人场景。该模型开箱即可自动检测 85 种以上语言，并提供针对专业术语的自定义词表适配。API 现已在 Google AI Studio 和 Gemini Enterprise 上线，也可在 macOS 的 Gemini 应用或 Android 的 Rambler 中试用。
Google DeepMind(@GoogleDeepMind)AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 44/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Gemini 3.5 Transcribe 发布：Google DeepMind 推出新一代语音转文本模型
Google DeepMind 发布 Gemini 3.5 Transcribe，定位为面向精准、智能转写的最新语音转文本模型。官方称其可实现精确且智能的转录，具体参数、支持的语种与上线方式尚未在公告中披露。
Google DeepMind BlogAI 评估 · 73/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 73/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind 发布 Gemini 3.5 Transcribe 语音转写模型
Google DeepMind 发布 Gemini 3.5 Transcribe，称其为迄今最精确的语音转文本模型，可将原始音频直接转为准确、格式化的文本。
Qwen(@Alibaba_Qwen)AI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 71/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Qwen3.8-Flash 经 Unsloth GGUF 支持 75GB 内存本地运行
Unsloth AI 宣布 Qwen3.8-Flash 可本地运行，这个 125B MoE 模型通过 Unsloth GGUF 只需 75GB RAM，并称其性能超过 Claude-Opus-4.6（Max）。Qwen3.8-Flash-Next 面向 CPU RAM 与统一内存配置，可提供接近 VRAM 的速度，官方同时给出了使用指南和 GGUF 权重链接。