记忆张量MemT 1.0 发布并开源
相关推荐
谷歌推出图像模型Nano Banana 2.1，文字渲染能力提升
PANews 10月6日消息，据谷歌DeepMind官网模型卡，谷歌发布图像生成与编辑模型Nano Banana 2.1，基于Gemini 3.6 Flash构建，画质、提示词遵循、角色一致性及文字渲染较前代显著提升，最高支持4K输出。偏好测评中，其思考模式得分超1050，高于Nano Banana Pro的935。该模型已在Gemini应用及API上线。
GLM-5.3开始优化自己的系统，智谱唐杰：RSI最小闭环已经出现
动察 Beating AI 快讯，智谱披露，GLM-5.3 驱动的 Infra Agent 已经参与优化 GLM-5.3-Flash 的推理系统。从首次跑通到承接全部生产流量不到两周，端到端吞吐提升到最初的 3.2 倍。 联合创始人兼首席科学家唐杰在复盘中提到，Agent 现在最容易卡住的地方，往往不是不会写代码，而是不知道问题出在哪。比如一次修改让吞吐下降 20%，它知道自己改坏了，却不知道是哪一层出了问题，下一步该查什么。 于是智谱把资深工程师平时的排查方法做成一套 Agent 可以直接使用的工具。Agent 改完代码后，可以自己检查结果对不对、时间耗在哪里、哪种方案更快，再根据结果继续修改。 靠这套方法，Agent 找出了长上下文计算误差、KV 传输阻塞和解码 kernel 重复计算等问题。其中一个 kernel 重写后提速 1.71 倍。 唐杰判断，工程师的角色会越来越像「设计反馈的人」。人负责定目标、设边界和审核高风险修改，Agent 自己提假设、改代码、跑实验。离完整的 RSI 还很远，但「模型优化系统，系统再服务模型」这个最小闭环已经出现。
智谱GLM公开国内大模型首个RSI实践：AI在十万卡国产集群上自建推理系统
火星财经消息,今日，智谱GLM 团队披露其在递归自我改进（Recursive Self-Improvement，RSI）方向的首个工程化实践：由GLM-5.3驱动的Infra Agent完成了GLM-5.3-Flash推理基础设施的设计、调试与优化，实现模型对自身运行系统的反向改进。这是国内大模型厂商首次公开跑进生产环境的RSI案例。据官方博客，Infra Agent在超10万张国产芯片组成的集群上从零完成生产级推理服务搭建，不到两周将端到端吞吐提升至初始基线的3倍，硬件利用效率与单Token成本达到主流NVIDIA GPU相当水平。 （科创板日报记者 李明明）(财联社)
腾讯开源「音频版Nano Banana」：改词换声全包，语音编辑大幅刷榜
动察 Beating AI 快讯，腾讯混元开源 15 亿参数语音生成与编辑模型 AuK，官方直接称它为「音频版 Nano Banana」。声音克隆、改词、换情绪、去口音、调语速和音高、降噪、多人及音乐分离，都塞进了同一个模型，用自然语言就能控制。 AuK 可以直接改已有录音。说错几个字，只改那几个字就行，不用整段重录；内容不变，也能换情绪、音色或口音。改歌词、去掉笑声和咳嗽声、把正常说话改成耳语也都支持。声音克隆也不用先给参考录音配文字稿，只要一段声音和新的文本就能生成。 官方测试中，AuK 在语音生成和通用语音编辑多项评测领先。SpeechEditBench 得分 49.73，第二名 Ming-UniAudio 为 28.70。快速版 AuK-Flash 经过蒸馏后只需 4 步推理，速度约快 4.5 倍。不过论文也承认，AuK 目前还不能稳定理解所有随意输入的自然语言指令，仍要靠 Prompt Enhancer 先判断任务、整理参数和改写指令。代码和模型权重已经公开，采用 MIT 许可证。
Tether开源端侧视觉语言模型VisionPsy-Nano
火星财经消息，7 月 29 日，据 Tether 博客，Tether Data 旗下 AI 研究项目 QVAC 开源发布 VisionPsy-Nano，这是一款为端侧及边缘部署打造的紧凑型视觉语言模型，参数量约 4.6 亿，可将此前需云端基础设施才能实现的多模态理解能力直接带到移动设备上。在所有已评测的 5 亿参数以下端侧视觉语言模型中，该模型取得最高综合归一化评分 62.3 分，在 17 项基准测试中的 16 项均优于 Liquid AI、Hugging Face 等竞品模型。 Tether 此次发布两个版本，其中 Flash 版本专为低延迟优化，在保留约 99% 完整模型质量的同时大幅提升推理速度。两个版本均以 Apache 2.0 协议开源。Tether 首席执行官 Paolo Ardoino 表示，这证明了本地优先、高效的 AI 是可行路径，能让强大且私密的 AI 在人们已有设备上运行。
MiniMax M3.1 Flash上线，性能全面加强，速度提升3倍，价格降低70%
火星财经消息,MiniMax正式发布新一代Flash模型M3.1 Flash。此前以匿名身份处理了超过 200T Token 的 Space Bunny 模型，正是 MiniMax M3.1 Flash 的早期版本。作为新一代 Flash 模型，M3.1 Flash 在 Agentic 任务、编程、Computer Use 及网络安全能力等方面实现了代际的提升，同时线上推理速度提升了近 3 倍，使用成本降低了 70%。据MiniMax预告，追求更高智能上限的Pro版本将于不久后推出。(财联社)