微软开源轻量级实时TTS模型 - 微软开源0.5B参数的实时TTS模型VibeVoice-Realtime-0.5B，首包延迟仅300毫秒，支持流式朗读，发布12小时获得12.3K星标 [1] - 模型采用交错窗口架构支持长文本无卡顿朗读，最多支持4个角色自然对话，具备情绪识别与表达能力，长时上下文记忆可达90分钟 [1] - 模型同时支持中英文语音生成，在LibriSpeech和SEED TTS测试集上错字率约2%，说话人相似度达0.65以上 [1] 智谱开源多模态大模型GLM-4.6V - 智谱正式上线并开源GLM-4.6V系列多模态大模型，包括106B-A12B基础版和9B轻量版Flash，训练上下文窗口提升至128k tokens，价格相较GLM-4.5V降低50% [2] - 首次在模型架构中将Function Call能力原生融入视觉模型，实现“图像即参数，结果即上下文”的多模态工具调用 [2] - 在同参数规模下达到SOTA表现，9B版本整体超过Qwen3-VL-8B，106B参数版本比肩2倍参数量的Qwen3-VL-235B [2] 可灵O1推出主体库与对比模板功能 - 可灵O1推出“主体库”功能，支持上传多角度参考图构建专属角色、道具和场景，视频O1支持至多7个主体，图片O1支持至多10个主体组合 [3] - 新增AI补图功能，可根据一张主要参考图自动扩展更多视角并智能生成主体描述 [3] - “对比模板”功能一键整合多模态创作，实现Prompt、参考图、主体等所有输入与最终成品的同框对比 [3] 美团开源图像编辑模型LongCat-Image - 美团LongCat团队发布并开源6B参数LongCat-Image模型，在ImgEdit-Bench（4.50分）、GEdit-Bench中英文（7.60/7.64分）等图像编辑基准测试中达到开源SOTA水平 [4] - 采用文生图与图像编辑同源架构及渐进式学习策略，在中文文字生成方面ChineseWord评测以90.7分大幅领先，覆盖通用规范汉字表8105个汉字 [4] - 全面开源文生图多阶段模型和图像编辑模型，GenEval 0.87分、DPG-Bench 86.8分的表现使其在生图基础能力上具备强竞争力 [4] 腾讯发布混元2.0大模型并接入DeepSeek - 腾讯自研大模型混元2.0正式发布，采用MoE架构，具备406B总参数量（激活参数32B），支持256K超长上下文窗口 [5][6] - DeepSeek V3.2同步在腾讯生态内接入，重点提升推理表现与长文本生成质量，在公开推理类评测中能力达GPT-5水平，略低于Gemini-3 Pro [6] - 两大模型已在腾讯AI原生应用中上线，腾讯云同步开放API及平台服务，多款产品正在陆续接入 [6] 阿里发布多语言多方言TTS模型Qwen3-TTS - 阿里通义团队发布Qwen3-TTS新一代文本转语音模型，提供49种高保真角色化音色 [7] - 支持10种语言和9种中文方言，保留真实语调与地域口音 [7] - 在MiniMax TTS multilingual test set上平均WER表现优于竞品，韵律控制相比上一代有明显感知级提升 [7] 英伟达小模型在AGI测试中成本优势显著 - 英伟达4B小模型NVARC在ARC-AGI 2测试中以27.64%公开榜成绩力压GPT-5 Pro的18.3%登顶榜首，每任务成本仅20美分，约为GPT-5 Pro单任务成本的1/36 [8] - 采用零预训练深度学习方法，通过大规模合成高质量数据（320万+增强样本）和测试时微调技术，针对每个问题进行LoRA微调快速适应 [8] - 选用Qwen3-4B小参数模型通过对话式模板简化谜题理解，借助NeMo RL框架进行监督微调 [8] 普渡发布行业级自主导航四足机器人 - 普渡机器人正式发布行业级自主导航四足机器人PUDU D5系列，提供轮足/点足两个版本，搭载NVIDIA Orin与RK3588双芯片架构，总算力高达275TOPS [9] - 配备四目鱼眼相机与双192线激光雷达，实现厘米级精准定位和环境重建，可稳定承载30公斤负载，单次充电续航达14公里，整机防护IP67 [9] - 采用仿生轮足融合系统，最高速度可达5米/秒，具备30°斜坡攀爬与25厘米连续越阶能力，适用于多场景应用 [9] 关于大语言模型使用方法的观点 - 观点认为不应把大语言模型看作实体，而应视作模拟器，避免使用“你怎么看”这样的提问方式 [10] - 建议采用更有效的提问策略，让LLM引导或模拟多种视角，而非局限于单一AI人格 [11] - 强调模型的“你”是被刻意设计并硬加上去的，通过SFT和RLHF构建的复合人格本质上仍建立在Token模拟引擎之上 [11]