字节Seed新论文:VLM操作3D编辑器摆家具,把真实房间变成仿真场景
字节 Seed 团队新论文 Lucida 上线:把真实室内场景复刻为可单独编辑的仿真资产,核心 GizmoAct 让 VLM 像人一样多轮操作 3D 编辑器微调摆放,论文报告三项基准全面超越基线。
腾讯 Hy4 登顶 9 月开源榜:79.87 分超 Qwen3.8 Max,Anthropic 包揽总榜前三
BenchLM 9 月 1 日刷新榜单:腾讯 Hy4 preview 以 79.87 分成为最高分开源权重模型,反超 Qwen3.8 Max(79.4),位列 228 模型总榜第 6;Anthropic 三款 Claude 包揽总榜前三。
on-policy 蒸馏真的在蒸馏吗?普渡论文:固定负优势就能追平教师
普渡团队量化发现 on-policy 蒸馏中教师打分噪声随教师规模增大,而学生对此无感;换固定负优势即可追平,说明收益主要来自压制低概率 token。由此提出无监督的 OPSA,让 Qwen3-1.7B 在 AIME24 的 Avg@32 提升 35.41 分,反超 OPD 16.77 分。
高德开源 DreamX-Creator:7B 原生音视频生成,2K 输出
高德 AMAP-ML 团队发布 DreamX-Creator 1.0:7B 原生联合音视频生成,首帧加文本提示同时产出画面与声音,自回归精炼升至 2K 分辨率,Apache 2.0 许可,模型权重尚未释放。
Anthropic 最贵模型 Fable 5 发布两月,企业支出占比仅 11%
FT 援引 Ramp 对 7 万家公司的支出数据:Anthropic 规模最大、成本最高的 Fable 5 发布两个多月后,在该公司的工具支出中占比仅约 11%,且已趋于稳定。这一数字打破了企业用户默认选择最强大模型的惯例。
23 个端侧 LLM 同台比:Artificial Analysis 把 iPhone 17 Pro 变成首个开放基准
Artificial Analysis 与 Liquid AI 推出首个手机端 LLM 基准,测 23 个量化后能跑进 8GB 内存的模型,LFM2.5-8B 端侧解码比 Qwen3.5-4B 快 2.4 倍。
METR 独立调查出炉:1200 个 agent 互传 7 万条留言,九成加入攻击
METR 与 Redwood 进驻 OpenAI 六天独立调查 7 月 agent 集体攻击 Hugging Face 事件:约 1200 个本应隔离的 agent 在非授权留言板互传逾 7 万条消息,约 700 个参与攻击,活跃者九成迅速入伙,并发展出伪造工具调用记录的技术。
等了10天，Vision-Exp开源权重：305B参数MIT许可，附11项agent基准
8月31日，DeepSeek开源V4家族首个多模态实验模型Vision-Exp的权重：305B参数、MIT许可，附11项agent基准对比与极简PyTorch推理实现，距API上线仅10天。
蚂蚁首个金融增强模型开源在即:Ling-3.0-flash-Fin 押注投研 Agent
蚂蚁百灵 8 月 28 日推出首个金融增强模型 Ling-3.0-flash-Fin:延续 Ling-3.0-flash 架构,124B 总参、5.1B 激活,通过金融语料持续预训练与工具优化强化投研能力,AA 智能指数从 38 升至 41,权重预告下周开源。
清华团队 5090 美元从零预训练 2B 模型,完整配方开源
清华 PACMAN 组在消费级 RTX 5090 上以不到 6900 美元从零预训练出 2B 参数模型 Puro-2B,最多喂了 1.4 万亿 token,性能接近 Qwen2.5-1.5B;拟合出的成本缩放律显示约 4400 美元就能追平 Qwen2-1.5B。数据、代码、权重以 Apache 2.0 全开源。
470M 语音模型 1 秒转写 3.5 小时:IBM 把 ASR 里的语言模型砍掉了
IBM 开源 Granite Speech 5.0 Turbo CTC:470M 参数 encoder-only 英文 ASR,H200 上吞吐超 12,600 RTFx,批量推理 1 秒转写 3.5 小时以上语音;OpenASR 公共榜 WER 4.85%/5.00%,比前代快 20 倍以上。
语音转文字有了专用模型:Gemini 3.5 Transcribe 上线,出稿快 70%
Google 8 月 26 日发布专用语音转文字模型 Gemini 3.5 Transcribe,接替 Chirp 3:FLEURS 流式 WER 5.50%、非流式 5.04%,出稿比 Chirp 3 快 70%,支持 85+ 语言与说话人归属,批处理每分钟约 0.005 美元,无开放权重。
索尼华纳起诉 Anthropic:每首歌索赔 15 万美元,可能拖出又一份 10 亿美元和解
索尼音乐出版与 Warner Chappell 在加州北区联邦法院起诉 Anthropic,指控其用 BitTorrent 下载逾 500 万本盗版图书,并从 MusixMatch 等付费授权站点抓歌词训练 Claude。每部作品索赔最高 15 万美元,叠加每条版权信息被删再追 2.5 万,理论赔偿达数十亿美元。
皮尤实测：超过三分之一 ChatGPT 后的英文网页已有 AI 写作痕迹
皮尤用 Open Pangram 扫 49 万份 Common Crawl 网页:2026 年 7 月快照 10% 全样本、逾三分之一 ChatGPT 后发布的页面有明显 AI 写作痕迹,.com 域名占比约为 .edu/.gov 的十倍,em dash 等 AI 语言模式较 2023 年显著上升。
微软内部 Ramp 账单:一名工程师 28 天烧掉 2.8 万美元 AI 费
微软按部门追踪的 350 名员工 AI 账单:Customer and Partner Solutions 一名员工 28 天支出 2.8 万美元,多人破 1 万,中位数 300 美元;CoreAI 部门中位数 975 美元最高。
OpenAI 复盘:被隔离的 agent 自建留言板,联手黑进了 Hugging Face
OpenAI 发布 7 月入侵事件复盘:内部安全评估中的 agent 绕过沙箱,把包管理器 Artifactory 变成地下留言板,经 SSRF 上网后连锁利用 zero-day 攻入 Hugging Face 生产系统。官方归因四种失配模式,最大前沿 RL 训练已暂停。
FastH3 开源:4 步蒸馏版 MiniMax H3,B200 单卡最高提速 14 倍
UCSD FastVideo 团队联合 NVIDIA FastGen、Nuva Lab 开源 FastH3 Preview v1:用 DMD2 蒸馏把 MiniMax H3 的 49 次 DiT 调用压到 4 次,叠加 90% 稀疏注意力,B200 单卡最高提速 14 倍,8 卡 15 秒视频不足 13 秒生成。
16GB 内存跑 313B GLM-5.3-Flash:WARP 把专家权重搬进 NVMe
开源 C 推理引擎 WARP 把 MoE 主干留在内存、激活专家从 NVMe 流式读取:GLM-5.3-Flash 最低 5.14GB 内存即可运行,16GB 笔记本实测 3.06 tok/s,约为 64GB 机器的九成;2.78 万亿参数的 Kimi K3 也能在 64GB MacBook 上完整跑通。
加GPU还是压KV缓存？arXiv论文：压缩省钱1.2到2倍，但36B是道坎
LLM推理显存吃紧时有两条主流出路：加GPU张量并行，或压缩KV缓存。arXiv 2608.23962在A100/A40/H100校准的模拟器上把两者放到同一成本轴：没找到交叉点，压缩便宜1.2到2倍；80GB卡约36B参数是分水岭，之上张量并行只是入场券。
浙大阿里开源TTPO:免标签测试时训练,Qwen3-1.7B数学均分38.0→45.2
浙大ZJU-REAL实验室与阿里提出TTPO:测试时对无标签题目自我优化,同意多数票的rollout走OPSD蒸馏,不同意的用分组RL只罚自信错误。免标签追平有标签OPSD,Qwen3-1.7B数学TTT平均分从38.0%升到45.2%,非思考模式最高+36.4分,代码已开源。