Kimi.ai@Kimi_Moonshot精选AI 评分7373
推荐理由：从模型失败中反向定义原子感知，把视觉感知从推理里拆出来很聪明，开源数据和方法对做视觉评测的产品人很有参考价值。
北京时间
多模态
全部主题文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
最新精选
第 81–100 条 · 共 437 条- Kimi.ai@Kimi_Moonshot精选AI 评分7373
公众号：月之暗面（Kimi）精选AI 评分8181 Kimi K3 开放日：模型权重、技术报告和关键 Infra 技术同步开放
Kimi 发布 K3 模型权重与技术报告，并开源 MoonEP、FlashKDA 和 AgentEnv 三项关键 Infra 技术。K3 是 2.8 万亿参数的 MoE 模型，支持原生视觉与 100 万 token 上下文，参数规模约为 K2.5 的 3 倍，规模化效率提升 2.5 倍。
推荐理由：权重开源伴随技术报告公开训练细节，为研究机构直接复现和改造千亿级MoE模型提供了完整路径，也降低企业自部署门槛。
Suno@suno精选AI 评分6868
推荐理由：Suno 这波更新把之前缺失的后期编辑能力补了上来，stem 分离和 MIDI 导出对音乐人来说是实际生产力提升，screenshot to song 这种脑洞功能也许能拓展用户群。
IT之家（RSS）精选AI 评分7373 Black Forest Labs 发布 FLUX 3 多模态模型，支持单次生成 20 秒视频与原生音频
Black Forest Labs 以 Early Access 方式推出 FLUX 3 多模态基础模型，采用统一架构联合学习图像、视频和音频。该模型基于 Self-Flow 学习框架扩展，可在单次生成中输出最长 20 秒视频并附带原生音频，支持文生视频、图生视频、多镜头串联等任务。
推荐理由：FLUX 3 把图像、视频、音频塞进同一个架构，单次能出 20 秒带声视频，对比 Grok Video 胜率 69%，视频生成赛道的竞争又升温了。
公众号：龙猫LongCat（美团）精选AI 评分6868 MineExplorer：首个《我的世界》分钟级长程任务评测基准发布
美团 LongCat 团队发布 MineExplorer，这是首个在《我的世界》开放世界中实现分钟级长程任务的评测基准，包含 813 个人工验证实例。评测 18 款顶级多模态大模型发现，最强模型 Claude-Opus-4.6 整体任务成功率仅 41%，从 1 跳任务的 77% 骤降至 4 跳任务的 12%，近 60% 的失败源于导航失败。MineExplorer 已全面开源。
推荐理由：18 个顶级多模态模型在 Minecraft 里全翻车，每多一层隐藏前置条件成功率就砍半，搞具身智能的该看看感知和行动之间还隔着什么。
Claude：Blog（网页）精选AI 评分7575 Claude 语音模式现已支持 Opus、Sonnet 及连接工具与多语言
即日起，Claude 语音模式在 Opus、Sonnet 和 Haiku 上运行，并支持连接 Gmail、Slack 等工具及更多语言。用户可在对话中切换模型，语音模式默认沿用上次文本聊天使用的模型。该功能面向所有用户开放 beta 测试，免费版可使用 Haiku 及一个连接工具，付费版可访问更多模型和全部连接工具。
推荐理由：Claude 语音模式终于能调用最强模型了，深度思考不再受限于轻量版，加上工具集成和多语言，移动端从随口问答升级为实时脑力伙伴，值得立即上手。
Microsoft AI：官方博客（网页）精选AI 评分6666 Microsoft AI 发布 MAI-Image-2.5-Pro 和 MAI-Voice-2-Flash 公开预览版
Microsoft AI 发布 MAI-Image-2.5-Pro 和 MAI-Voice-2-Flash 两款新模型公开预览版。
推荐理由：原文给出两款新模型的定价、性能数字和已落地的产品场景，读者可以据此评估在质量速度成本曲线上的选型。
公众号：龙猫LongCat（美团）精选AI 评分6262 MineExplorer：美团 LongCat 评测揭示顶级多模态大模型在动态开放世界中的能力断层
美团 LongCat 团队构建 MineExplorer，这是首个在开放世界中做到分钟级长程任务的评测基准，含 813 个人工验证实例（1-hop 到 4-hop）及规则化里程碑自动评测框架。
推荐理由：感知强于推理、导航失败占比近60%，把具身智能的瓶颈清晰地拉回到规划能力，而非感官或资源。
Google AI：DEV 作者专属（RSS）精选AI 评分7373 Gemini 3.6 Flash 与 3.5 Flash-Lite 正式版发布
Google 发布 Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 正式版。3.6 Flash 在复杂智能体和多模态任务上性能更强，输出 token 价格降至 $7.50/1M，支持 1M token 上下文窗口和 Computer Use 工具。
推荐理由：Gemini 3.6 Flash 降本增效，3.5 Flash-Lite 主打低成本高速，弃用 temperature 等参数是个硬变更，使用 Gemini 的开发者必须检查迁移。
Black Forest Labs：Blog（网页）精选AI 评分5959 FLUX 3 发布：Black Forest Labs 多模态模型，支持原生音频、图像生成与动作预测
Black Forest Labs 发布多模态模型 FLUX 3，面向视频领域，原生支持音频、图像生成与动作预测。该模型旨在成为视觉智能的骨干，目前官方已展示其能力与早期结果。
推荐理由：Black Forest Labs 把图像、视频、音频拉通到一个模型里，这比单纯提升画质更有想象力，但目前只有一句简介，像个预告片，想真评估的还得等技术细节。
公众号：卡尔的AI沃茨精选AI 评分7171 实测Qwen-Image-3.0：19大场景挑战GPT Image2，中文长文本与多图融合表现亮眼
Qwen-Image-3.0上线，支持最高4.5k token输入、12种语言、20多种字体，以及多图融合、图中图和图片编辑。实测显示，其在中文长文本生成、多语言混合排版、UI设计、多图融合与图片编辑等19个场景中均能稳定输出，文字不崩且信息对应准确，图片质量已能与GPT Image2媲美。该模型在国内可直接使用，速度快且价格不贵。
推荐理由：Qwen-Image-3.0 的实测效果在中文文字稳定性和多图融合上可以和 GPT Image2 掰手腕，看完这些案例，你会意识到国产图像模型已经能务实替代一部分工作流了。
公众号：小红书技术（dots.llm）精选AI 评分7070 小红书 dots infra 开源 BigMac：突破多模态大模型训练的帕累托前沿
小红书开源 BigMac，一种面向原生多模态场景的流水并行训练新范式。它通过依赖安全的嵌套流水线，在不增加 LLM 流水线空泡、保持激活显存有界的同时，高效实现多模态流水训练。相比基线，BigMac 训练速度提升 1.08～1.9 倍，并在 global batch size 增大时保持稳定显存占用，目前已应用于 dots 多模态模型生产训练。
推荐理由：通过在成熟的LLM流水线中嵌入依赖安全的编码器与生成器计算，BigMac让多模态大模型训练不再需要在速度和显存之间做非此即彼的选择，适合正在纠结训练策略的工程团队检查调度逻辑。
公众号：数字生命卡兹克精选AI 评分7777 腾讯设计Agent平台Miora全面开放
腾讯设计Agent平台Miora今日全面开放，无需邀请码即可使用。该平台由WorkBuddy团队打造，提供品牌设计、影视创意等五大场景模式，支持自定义多模态模型和Agent推理深度，并内置Skill市场与记忆系统。
推荐理由：腾讯用WorkBuddy的底子做了设计Agent，记忆系统和Skill市场让设计流程有了Agent的基因，设计师和产品人可以上手试试。
Qwen：Blog Retrieval（API）精选AI 评分7777 通义千问发布 Qwen-Image-3.0 图像生成模型，核心关键词为“实”
通义千问发布第三代图像生成基座模型 Qwen-Image-3.0，核心关键词为“实”。该模型支持最长 4.5k token 指令输入，可单次生成包含 9 个复杂信息图的 3×3 网格布局；文本渲染精度达 10px，并支持 12 种语言原生渲染，旨在将图像转化为可部署的生产力工具。
推荐理由：我觉得 Qwen-Image-3.0 不只是画得好看，而是真正追求“有用”，4.5k token 输入、12 种语言渲染、10px 精细文字，对做设计、内容生产的人是生产力级突破。
Hugging Face：Blog（RSS）精选AI 评分7070 NVIDIA 发布 Cosmos 3 Edge：4B 参数开源世界模型，为机器人及边缘 AI 提供实时推理与动作生成
NVIDIA 在 Hugging Face 上开源了 Cosmos 3 Edge，一个 40 亿参数的世界模型，旨在帮助机器人和视觉 AI 智能体在边缘设备上理解环境、实时推理并生成动作。
推荐理由：NVIDIA 把世界模型的能力压进 4B 参数，直接在 Jetson 上实时推理并生成机器人动作，对做具身智能的人来说是个标志性信号，边缘部署终于可以摆脱云端依赖了。
IT之家（RSS）精选AI 评分7070 上海科学智能研究院开放科学多模态基础模型“神珍”
上海科学智能研究院开放科学多模态基础模型“神珍”，总参数约110亿，可处理DNA、RNA、蛋白质、小分子、地球系统和医学影像六类数据。在生物序列20项任务中，该模型9项取得最优结果；医学影像分割平均Dice得分91.20，在7种参评方法中最优。模型权重及代码已在星河启智、Hugging Face和GitHub开放。
推荐理由：一个模型同时理解蛋白质、气象和医学影像，还全开放权重和代码，对交叉学科的研究者是难得的工具包。比专用模型省去切换成本，值得科学计算方向的产品人关注。
字节 Seed：Research Feed（网页内嵌数据）精选AI 评分7979 字节跳动发布 Seed Audio 1.0 音频创作模型，统一建模人声与音效实现端到端影视级音频生成
字节跳动 Seed 团队发布音频创作模型 Seed Audio 1.0，在统一框架下联合建模人声、音效和环境声，支持 100ms 间隔精度的时间控制、单次约 2 分钟音频的延展生成及 20+ 语种自然生成。该模型已在火山方舟体验中心上线，多数场景音频可用率达 90% 以上，多语言音频自然度 MOS 超 4 分。
推荐理由：字节这次发布的 Seed Audio 1.0 不是又一个 TTS 模型，它把台词、音效、氛围统一编排，并支持百毫秒级时间线控制，对做视频和出海内容的团队是个立刻能用的创作升级。
公众号：昆仑万维（天工）精选AI 评分7272 昆仑万维宣布2026为“世界模型元年”，发布Matrix-Game 3.5等模型
昆仑万维董事长方汉在WAIC上宣布2026年为“世界模型元年”，并发布Matrix-Game 3.5世界模型、Mureka v9.5与O3音乐模型。Matrix-Game 3.5实现Patch级记忆注入，5B模型在720p分辨率下单卡可达20FPS实时生成，核心架构已开源。
推荐理由：Matrix-Game 3.5 用 Patch 记忆把世界模型推到单卡实时交互，还开源了，做游戏和具身智能的值得试。Mureka v9.5 和 O3 把 AI 音乐做成版本化创作，工具感很强。
公众号：昆仑万维（天工）精选AI 评分6363 昆仑万维宣布2026为“世界模型元年”，发布Matrix-Game 3.5与Mureka v9.5
昆仑万维在WAIC论坛宣布2026年为“世界模型元年”，并发布Matrix-Game 3.5世界模型与Mureka v9.5、O3音乐模型。Matrix-Game 3.5实现Patch级记忆注入，5B模型在720p下可单卡20FPS实时生成，核心架构开源。Mureka v9.5指令精准度从6.92提升至7.62。
推荐理由：Matrix-Game 3.5 用 Patch 级记忆实现长时一致性与实时交互，为具身智能数据生成与游戏环境演化提供了可参考的架构；Mureka 将音乐生成转向「版本化制作」，结合 Agent 控制多维度调整，让非专业创作者也能迭代作品。
公众号：通义实验室（千问）精选AI 评分6969 通义实验室发布 Wan-Streamer v0.2，端到端响应延迟仅 550ms
通义实验室发布 Wan-Streamer v0.2，这是一款将“听、看、说、演”统一进单个 Transformer 的端到端全模态模型。其端到端响应延迟仅 550ms，输出分辨率从 v0.1 的 192×336 提升至 640×368 @ 25FPS，并采用 Thinker-Performer 双通路架构在提升画质的同时维持了极低延迟。
推荐理由：通义实验室把实时视频交互延迟压到550ms，同时提升了分辨率，不是刷榜而是解决实际问题，对做数字人和实时助手的团队是个值得跟进的信号。