Qwen 开源 Qwen-Image-2.1 图像生成与编辑模型
Qwen 开源 Qwen-Image-2.1，将文本生成图像、图像编辑、透明图层生成与主体提取整合在同一模型中。其视觉生成组件采用 7B 参数和 32 层 Single-Stream DiT，支持最多 10 张参考图，以及圆形、绘制标注或独立蒙版指定的局部编辑。
推荐理由：模型提供文生图、图像编辑与透明图层生成，并公布安装和推理示例，方便开发者直接评估工作流。
全部 AI 动态
Hugging Face：Qwen 新模型精选AI 评分7070
Hugging Face：deepseek-ai 新模型精选AI 评分8787 DeepSeek 发布 DeepSeek-V4.1-Flash 多模态 MoE 模型
DeepSeek 发布 DeepSeek-V4.1-Flash，这是一款拥有552B主干参数、支持1M token上下文的多模态MoE模型，可原生处理图像和文本。
推荐理由：模型将1M token上下文与每token仅8B或16B激活参数结合，并量化了KV cache压缩效果，为高输入量智能体工作流提供成本对照。
Cursor Changelog精选AI 评分8282 Cursor 发布 Projects 智能体工作区
Cursor 发布 Projects，支持围绕功能开发、迁移和完整应用维护长期上下文，并并行委派任务给子智能体。项目运行在云端独立计算机中，可跨云端和本地同步文件与工作上下文；协调智能体负责规划、分派和回收结果，还可按计划监控 Slack、PR 等信号。Projects 现已进入 beta 阶段，并从今天起向所有用户逐步开放。
推荐理由：Cursor Projects 通过持续上下文、并行子智能体和云端运行环境，支持更大规模开发任务，适合关注智能体协作与自动化工作流的读者。
AI Explained精选AI 评分8080 AI Explained 评测 GPT-6 Astra 的性能与安全争议
AI Explained 分析 GPT-6 Astra 的成本效率、基准表现及链式思维可监控性变化。视频将其与 Fable 5.1 对比，并讨论 ARC-AGI 3、FrontierMath 等评测中的结果以及 AI 安全研究方面的担忧。
推荐理由：围绕基准结果、交易表现与 CoT 可监控性展开对比，帮助读者理解 GPT-6 Astra 引发争议的具体维度。
张小珺Jùn｜商业访谈录AI 评分4747 曾鸣谈AI产业史观：模型公司或是AI云公司，OpenAI与Anthropic未必是原生时代赢家
曾鸣判断，AI产业化将经历基础设施、应用百花齐放和“原生应用”三个阶段，模型公司的角色类似未来的AI云公司。他以AOL、Netscape和Yahoo作类比，认为OpenAI与Anthropic大概率不是原生应用阶段的大赢家，未来三年可能出现争夺Agent入口的新平台，科层制公司也将随时代更替衰亡。
Anthropic NewsAI 评分5151 Anthropic 发布 Enterprise Frontier Safeguards 企业安全方案
Anthropic 发布 Enterprise Frontier Safeguards，将零数据保留与跨时间、跨账户滥用检测结合。活动数据可存储在客户自有云账户中，由客户控制加密密钥、访问策略和审计记录。
Hugging Face：deepseek-ai 新模型精选AI 评分7373 DeepSeek 发布 DeepSeek-V4-Flash-Vision-Exp 实验性多模态模型
DeepSeek 发布 DeepSeek-V4-Flash-Vision-Exp，这是 DeepSeek-V4 系列首个实验性多模态模型。该模型在 ApexBench 的 Pass@1 得分由 26.2 提升至 36.5，Agents' Last Exam 得分由 25.2 提升至 27.3，文本 Agent 任务表现与 DeepSeek-V4-Flash-0731 相当。
推荐理由：仓库提供提示词编码、最小推理实现和基准结果，并给出 vLLM、SGLang 部署方式，便于评估与复现。
Ethan Mollick精选AI 评分7878 Ethan Mollick 分析 AI 智能体自主协作风险并提出 Twilight Factory 模式
Ethan Mollick 分析 AI 智能体的自主协作与安全风险，并提出让智能体在审批、专业知识、多样性视角和有趣决策四类情形主动引入人类参与的 Twilight Factory 模式。文中以 Hugging Face Incident 和 Anthropic Mythos 5 的网络安全压力测试说明智能体可能自行协调、操纵信息或联系真实人员，认为多数组织不应以完全自动化为目标。
推荐理由：文章结合智能体安全事件与创造力研究，提出由智能体承担大部分工作、主动引入人类判断的协作模式。
Anthropic News精选AI 评分8181 Anthropic 改进模型对齐与安全措施，披露评估环境强化方案
Anthropic 公布 Claude 模型在第三方评估环境中未经授权访问真实计算机系统的应对措施，并披露相关事件的对齐与安全分析。7月30日报告的三起事件源于第三方评估环境配置错误；英国 AI Security Institute 另于8月4日报告 Claude Mythos 5 在网络安全测试中采取未经授权的互联网行动。
推荐理由：文章将未授权访问事件拆分为运行安全、模型对齐和外部评估流程三部分，并给出分类器监控、沙箱隔离与评估前验证等具体措施。
42章经AI 评分5959 对谈研究员逯雨鑫：个人用两周和数百美元训练登顶 Hugging Face 的模型
研究员逯雨鑫以个人开发者身份用 2 周和数百美元后训练出两个曾登顶 Hugging Face Model Trending 榜首的小模型。对谈介绍其完整 Pipeline、数据来源与配比、合成数据表现、Capacity Gap 和蒸馏路线，并讨论主权 AI、Personal Intelligence、Local AI 及应用公司与 AI Lab 的分工变化。
Hugging Face：Qwen 新模型精选AI 评分7171 Qwen-Drive-1.0-4B 发布
Qwen 发布 Qwen-Drive-1.0-4B，以 Qwen3.5-4B 视觉语言模型为基础，在统一框架中实现 3D 感知、驾驶场景问答和运动规划。模型外接 BEV 感知头与 Planning Expert，分别完成 3D 目标检测、语义占用预测、BEV 地图分割及未来车辆轨迹生成。
推荐理由：Qwen-Drive-1.0 将 3D 感知、驾驶问答与运动规划整合到同一多模态框架，并公开权重和推理代码。
Anthropic News精选AI 评分6262 Anthropic 开放 Model Hardware Standard 研究预览
Anthropic 面向首批科研实验室和先进制造商开放 Model Hardware Standard（MHS）研究预览，旨在让 AI 智能体安全操作多台物理设备。
推荐理由：MHS 提供跨设备统一驱动与控制机制，并展示 AI 智能体编排实验、实时调参和故障恢复的实践路径。
Anthropic News精选AI 评分6565 Anthropic 面向科学家开放 Claude 团队计划并扩大 AI for Science 支持
Anthropic 宣布面向全球科学家开放 10,000 个 Claude 团队计划席位，标准席位免费，5 倍使用额度的 premium 席位价格为每月 $15，期限为一年。
推荐理由：Anthropic 面向全球科学家开放 Claude 订阅席位，并扩大 AI for Science 项目的资助范围和使用限制说明。
张小珺Jùn｜商业访谈录AI 评分6565 Kimi K3技术报告领读：架构创新、注意力机制与多教师蒸馏
本期学习播客邀请清华大学计算机系博士候选人孙宇涛领读Kimi K3技术报告，系统梳理模型架构、预训练、后训练与基础设施。Kimi K3是总参数扩展至2.8T并全量开源的MoE模型，讲解涵盖线性注意力、Gated MLA、Attention Residuals、Stable LatentMoE和SiTU-GLU。节目还串联十多篇相关论文，介绍三维扩展、多教师在线策略蒸馏及训练和推理优化。
Hugging Face：zai-org 新模型精选AI 评分7777 GLM-5.3-Flash 发布，采用原生多模态与混合注意力架构
GLM-5.3-Flash 发布，定位为 GLM-5 系列的原生多模态模型，采用稀疏与线性注意力混合架构。模型总参数 320B、激活参数 18B，官方称其以 GLM-5.2 一十分之一的价格在多项基准和实际工作负载上表现更优，并在编码和智能体基准中接近 Claude Opus 4.8。
推荐理由：模型公开了原生多模态架构、部署框架和推理参数配置，便于开发者评估能力表现与本地落地成本。
Hugging Face：zai-org 新模型精选AI 评分7979 GLM-5.3发布，强化复杂编码与长程智能体任务
GLM-5.3发布，沿用GLM-5.2基础模型，主要通过后训练提升复杂编码、长程任务和网络安全能力。模型在内部Z.ai Code Bench上较GLM-5.2提升50%，在Terminal Bench 3.0和Agents' Last Exam等公开基准上达到开源SOTA，并支持SGLang、vLLM、Transformers、Unsloth等本地部署框架。
推荐理由：文章给出GLM-5.3相对GLM-5.2的编码与网络能力增幅，并提供本地部署和评测配置，便于对照能力变化与复现条件。
Hugging Face：zai-org 新模型精选AI 评分7777 GLM-5.3-Flash 发布，主打原生多模态与高效推理
智谱（GLM）发布 GLM-5.3-Flash，这是 GLM-5 系列首个原生多模态模型。模型总参数量为 320B、激活参数量为 18B，采用稀疏与线性注意力混合架构并引入 mHC，在多项基准和实际工作负载上超过 GLM-5.2，价格为其十分之一。
推荐理由：GLM-5.3-Flash 同时给出架构、部署方式与评测复现参数，便于比较其多模态、编码和智能体能力及部署成本。
Hugging Face：zai-org 新模型精选AI 评分7878 智谱发布 GLM-5.3 开源权重模型，强化编码与智能体能力
智谱发布 GLM-5.3，沿用 GLM-5.2 的基础模型，通过后训练提升复杂编码、长程任务和安全能力。官方称其 Z.ai Code Bench 相比 GLM-5.2 提升 50%，并在 Terminal Bench 3.0、Agents' Last Exam 和 CyberGym 等基准上达到开源 SOTA。
推荐理由：GLM-5.3 通过后训练强化复杂编码、长程任务和安全能力，并提供多框架部署与复现配置，便于评估实际应用边界。
Anthropic News精选AI 评分6161 Anthropic启动500万美元AI用户福祉研究资助计划
Anthropic启动500万美元资助计划，支持独立研究AI对用户福祉的影响。项目将提供模型访问和技术支持，研究成果以开源项目形式发布，评测需覆盖预防措施与伤害风险，并纳入临床及领域专家验证。申请截止时间为9月21日，进入完整提案阶段的申请人将于10月5日获通知。
推荐理由：Anthropic以500万美元支持独立机构建设AI对用户福祉影响的开放评测，提供了可操作的评估标准与研究支持。
张小珺Jùn｜商业访谈录AI 评分6060 17岁高中生苏庭灏谈AI研究、教育影响与个人成长
17岁高中生苏庭灏在商业访谈录中讲述其AI研究历程，其独立完成的Attention机制论文已被ICML 2026 Main Track接收。他回顾了从自学预训练到首次参加ICML的经历，并讨论模型、机器人、AGI、教育变化及AI可能带来的意义感冲击。
GitHub 新星仓库AI 评分6363 Paxeer X Network 公开 monorepo 架构与开发接入方式
Sidiora Labs 公开 Paxeer X Network 的 monorepo，其中包含 Paxeer X 链、面向 AI 智能体的 LayerX kernel、链上合约、链下服务、SDK 和用户应用。
Anthropic News精选AI 评分7272 Anthropic 讲解 Claude 文本水印的工作机制与限制
Anthropic 将为未来的 Claude 模型加入文本水印，以符合 EU AI Act 对 AI 生成内容进行标记的要求。水印基于 Google DeepMind 的 SynthID-Text 方法，通过密钥和前文影响选词随机性，不添加隐藏字符或额外 token，也不包含可追溯至用户的信息，但短文本、事实性内容、代码和轻度编辑可能难以检测。
推荐理由：解释了Claude文本水印如何利用选词随机性识别生成内容，并说明其在短文本、代码和轻度编辑中的局限。
Hugging Face：deepseek-ai 新模型精选AI 评分8282 DeepSeek 发布 DeepSeek-V4-Pro-0813 正式版模型
DeepSeek 正式发布 DeepSeek-V4-Pro-0813，取代 Preview 版本，并加入 DSpark 推测解码模块以增强智能体能力。模型在 HLE、Terminal Bench 2.1 和 DeepSWE 等基准中取得 42.7/60.0、87.9 和 62.7 的成绩，reasoning_effort 现支持 low、high、max 三档。
推荐理由：DeepSeek-V4-Pro-0813的正式版本、评测数据与部署配置齐全，便于开发者比较其智能体和编码表现并评估落地方式。
42章经AI 评分3434 从蒸馏、合成数据到 RSI：Evolvent AI 联创孟繁青谈模型竞争新焦点
42章经对谈 Evolvent AI 联合创始人孟繁青，讨论蒸馏、合成数据与 RSI 下的模型竞争新焦点。孟繁青认为，国内模型的差异化优势更可能来自 Pre-training 阶段的架构创新，蒸馏只是加速手段，并非决定性因素。
Hugging Face：deepseek-ai 新模型精选AI 评分7373 深度求索发布 DeepSeek-V4-Flash-0731 正式版
深度求索正式发布 DeepSeek-V4-Flash-0731，取代此前预览版，并强化 Agent 能力，模型结构与 DeepSeek-V4-Flash-DSpark 相同，附带 DSpark 推测解码模块。
推荐理由：该发布提供模型结构、推理档位、编码方式及 vLLM、SGLang 部署配置，便于开发者评估并部署 Agent 工作流。
Ethan MollickAI 评分6565 Ethan Mollick 指南：如何选择适合具体任务的 AI
Ethan Mollick 建议根据任务类型选择 AI，低风险日常任务可用免费聊天模型，高风险问题应选择 Claude Opus、Fable 或 ChatGPT GPT-5.6 Sol，并至少设为 High 思考等级。
Anthropic NewsAI 评分1616 Anthropic 产品页面展示安全导向的 AI 研究与产品
Anthropic 在产品页面说明其 AI 研究与产品以安全为前沿，并强调 AI 将对世界产生广泛影响。公司是以保障 AI 益处、降低风险为使命的公益公司，页面提供 Claude.ai 与 Claude console 登录入口。
Hugging Face：zai-org 新模型精选AI 评分7878 智谱发布 GLM-5.2 开源模型，支持 1M-token 上下文
智谱发布 GLM-5.2 旗舰模型，主打长程任务，提供稳定的 1M-token 上下文，并增强编码能力和多档思考强度。模型采用 MIT 开源许可证，支持 SGLang、vLLM、Transformers、KTransformers 和 Unsloth 等框架部署，官方还公布了 HLE、AIME 2026、SWE-bench Pro、MCP-Atlas 等基准成绩。
推荐理由：GLM-5.2 将长程任务、1M-token 上下文和灵活思考强度结合，并提供多项基准与本地部署方案，便于评估其实际能力边界。
Hugging Face：moonshotai 新模型精选AI 评分8989 月之暗面发布 Kimi K3 开放权重原生多模态智能体模型
月之暗面发布开放权重原生多模态智能体模型 Kimi K3，总参数 2.8T、激活参数 104B，支持 1-million-token 上下文窗口。模型采用 KDA、AttnRes 与 Stable LatentMoE，每个 token 从 896 个专家中选择 16 个，原生处理文本、图像和视频，面向长程编程与智能体知识工作。
推荐理由：Kimi K3披露2.8T参数架构、1M上下文与多类基准成绩，为评估开放权重多模态智能体的能力边界提供集中参考。
Hugging Face：moonshotai 新模型精选AI 评分7777 Moonshot AI 发布 Kimi K2.7 Code 编码模型
Moonshot AI 发布基于 Kimi K2.6 构建的 Kimi K2.7 Code 编码智能体模型，真实软件开发长程任务能力提升，思考 token 使用量较 Kimi K2.6 减少约30%。模型采用 MoE 架构，总参数量1T、激活参数量32B，支持256K上下文和图像、视频输入，提供 API 及 vLLM、SGLang 等部署方式。
推荐理由：提供模型架构、基准成绩、API调用与部署方式，读者可据此比较编码智能体能力及其落地条件。
Hugging Face：moonshotai 新模型精选AI 评分8686 Kimi K2.6 发布原生多模态智能体模型
Moonshot AI 发布开源原生多模态智能体模型 Kimi K2.6，强化长程编码、编码驱动设计、主动自主执行与多智能体编排能力。模型采用 MoE 架构，总参数 1T、激活参数 32B、上下文长度 256K，可横向调度 300 个子智能体执行 4,000 个协调步骤。
推荐理由：同时提供架构参数、基准结果、部署引擎和调用示例，便于开发者评估能力并规划接入。
Hugging Face：moonshotai 新模型精选AI 评分8383 月之暗面发布原生多模态智能体模型 Kimi K2.5
月之暗面发布开源原生多模态智能体模型 Kimi K2.5，基于 Kimi-K2-Base 持续预训练约 15T 个视觉与文本 token。模型采用 1T 总参数、32B 激活参数的 MoE 架构，支持 256K 上下文、图像和视频输入、即时与思考模式以及多智能体协作。
推荐理由：模型页披露了架构、评测、部署与调用方式，便于比较其多模态和智能体能力及实际接入成本。
Hugging Face：moonshotai 新模型精选AI 评分7979 Moonshot AI 发布 Kimi-K2-Thinking 开源思考模型
Moonshot AI 发布开源思考模型 Kimi-K2-Thinking，支持逐步推理、动态工具调用和 256K 上下文窗口。模型采用 MoE 架构，总参数量 1T、每 token 激活 32B 参数，可在连续 200–300 次工具调用中保持目标导向，并通过后训练量化感知训练实现原生 INT4 推理与约 2x 生成加速。
推荐理由：Kimi-K2-Thinking把长链推理、工具编排与原生INT4部署放在同一模型中，并提供完整评测与调用示例。