AI 新闻中心 过去一年分析了 1723 篇文章，发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
Meta 发布了 300 亿参数模型 Muse Glimmer，并采用 Apache 2.0 许可证开源。该模型针对全天候运行的本地智能体工作流优化，使用 4bit 量化，官方称其可在配备 24GB 或 32GB 内存的 Mac 和 PC 上本地运行。Meta 表示，量化对智能体任务性能的影响很小。在搭载 M4 Max、M5 Max 的 MacBook 以及 RTX 5090 上进行的测试据称显示
微软发布了 Windows 11 PowerToys 0.101.2211.0 预览版。此次更新的主要变化是将小型语言模型 Phi Silica 集成到高级粘贴功能中。用户可以免费在本地运行该模型，无需支付第三方 API 费用，也不必自行配置 Ollama 或 Microsoft Foundry。高级粘贴还新增了 AI 模型选择器和更多自定义选项。命令面板修复了多项错误并提升了性能；无界鼠标也进行
一项实践研究提出了两种提高大语言模型知识蒸馏效率的系统技术。首先，预先缓存教师模型的 Top-K logits，可在不将教师模型保留于 GPU 内存中的情况下进行训练，同时保持与在线蒸馏几乎相同的训练损失。在单张 H200 GPU 上，每次迭代速度提升约 29%，吞吐量最高提升 41%。其次，融合式分块 KL 损失避免生成覆盖完整词表的 logits 张量，从而降低峰值内存使用，并支持在单张 GP
Meta已发布新的开放权重人工智能模型Muse Glimmer，并计划在未来几周内推出其最先进模型Muse Spark 1.2的开放权重版本。首席执行官马克·扎克伯格希望通过更开放的模型和开发策略，提升外界对Meta人工智能布局的支持。
Meta推出了新的AI模型Muse Glimmer。公司表示，该模型拥有300亿个参数，但规模小到可以在单块GPU上运行，用户也能下载并定制这项技术。此外，Meta计划设立10亿美元基金，投资其数据中心附近的美国社区。
Meta Platforms推出了Muse Glimmer，这是一款轻量级人工智能模型，可在单台电脑上运行。用户可以下载该模型，并根据自身需求定制这项技术。
研究人员推出 OneEmo，这是一种用于感知、理解和交互情绪的多模态模型。研究团队构建了 EmoWorld-130K 数据集，通过人工参与流程整理显式推理轨迹；同时提出 Emo-Chord 强化学习方法，以稳定多任务奖励分配。论文实验显示，与规模相近的基线模型相比，OneEmo 在大多数基准测试中达到领先水平。尽管参数量明显少于商业模型，该模型仍取得了具有竞争力的结果。相关代码已在 GitHub
Arena 发布了 2026 年第 32 周的 AI 大模型匿名盲测排名。阿里 Qwen3.8-Max 以 1497 分 ELO 首次进入综合榜前十，排名第六，与第五名模型的差距在统计误差范围内。Meta 新推出的 Muse-Spark-1.2（xHigh）以 1498 分排名第四。Qwen3.8-Max 还在代码榜排名第八、前端开发榜排名第四。其他国产模型也有较好表现，月之暗面的 Kimi K3
零一万物宣布，将逐步停止大模型开放平台面向用户提供的在线模型体验、API调用及充值等服务。即日起，平台停止新用户注册和充值，但暂时保留账号登录、账单查询和调用明细查询。2026年9月3日24时起，平台将停止模型体验、API调用及相关服务。用户可在2026年12月3日24时前申请余额退款。公司表示，此次调整源于产品与服务体系升级，并将进一步聚焦企业级人工智能解决方案。平台提醒用户提前完成业务迁移、数
据最新监测数据，上周全球大模型调用总量达到69万亿Token，较前一周增长21.48%。中国大模型调用量为34.25万亿Token，环比增长21.76%；美国大模型为9.17万亿Token。中国大模型周调用量由此连续15周超过美国。模型方面，DeepSeek-V4-Flash调用量环比增长570%，以8.83万亿Token排名第一；腾讯Hy3以8.05万亿Token、67%的环比增幅位居第二。这些
xAI正式推出Imagine Image 2.0，作为Grok网页端Imagine服务及iOS、Android应用中的新质量模式。该模型支持复杂指令、多轮生成与编辑、精准局部修改、背景移除和透明图片导出，并可在一次生成中融合最多5张参考图。智能调整大小功能可将图像扩展至多种画面比例，包括1:2至9:16。xAI还提供面向照片编辑、商品图片、专业头像和电商内容等重复任务的模板工作流。模型API访问仍
AI 内幕人士 ChrisGPT 声称，OpenAI 将于 8 月发布 GPT-6，并称其就是此前暂停发布的 Astra 模型。该消息还预测，OpenAI 将在年底推出代号为 Doug、规模更大的模型。不过，关于 10 万亿参数、发布时间、英伟达下一代芯片，以及训练能力突破等说法，均未得到独立证实。文章还对 OpenAI、Anthropic 和 Google 的竞争格局，以及 Google 和 D
该研究提出 Skaling 定律，用于扩展现有的语言模型缩放定律。该方法不再假设模型规模和训练数据对损失的影响彼此独立，而是通过单一交互指数对二者进行联合建模。研究结果显示，在插值和外推场景中，平均绝对百分比误差可降低约 1.5 至 3 倍。结合仅覆盖低计算量区域的稀疏网格策略后，Skaling 还能以约为均匀扫描十分之一的计算量，准确外推完整网格的结果。
Modular TTT将测试时训练（TTT）视为一种在线学习问题，通过内部学习规则更新快速权重。该框架把内部学习器表示为有向无环图，并将快速权重网络、损失函数、学习率、权重衰减和归一化设为明确的设计维度。它可以自动将基本的训练视图和查询视图规则组合成完整的TTT计算，从而系统分析各个组件的作用。研究发现，较小的初始学习率、权重衰减和单层非线性有助于提升性能。更深的快速权重网络和归一化往往会因产生过
该研究探讨交互式视频世界模型如何在长时间范围内保存和检索视觉信息。当生成过程超出训练时长范围后，传统键值（KV）缓存中的内容将难以可靠寻址；直接压缩旋转位置编码后的缓存也可能破坏位置信息。研究提出无需重新训练的WorldTrace记忆框架，为每个压缩记忆槽分配一个位于训练分布内的独立虚拟位置。WorldTrace-Field压缩历史信息以保持时间连贯性，WorldTrace-Landmark则在检