AI 模型发布与更新

Grok Voice Think Fast 2.0 现已在 Artificial Analysis 语音到语音指数中排名第一。 该指数衡量语音智能体能否对所听到的语音进行推理、解决真实客户问题，并使用智能体工具正确完成任务。

Ox Alpha 似乎已经收到了一次重大更新。 你无法想象我对正式发布和模型技术细节有多期待。

Skala 1.1，微软研究院更新的深度学习交换关联泛函，提供了更高的精度、在计算化学生态系统中更广泛的可及性，以及一个用于跟踪计算性能的动态基准。https://msft.it/6011aOXe5

恭喜 @Apodex_AI 的出色工作！ Apodex 1.1：扩展面向复杂工作的智能体智能

阿里巴巴视频生成模型 Wan3.0 现已开放测试，可基于文本、PDF、网页和 PowerPoint 输入生成最长 30 秒的视频，时长较前代 Wan2.5 翻倍。

Ox Alpha 今日处理量有望接近 6 万亿 token。 现在即可通过 ori 在你的编码智能体中使用：$ ori 【你喜欢的 harness】 --model stealth/ox-alpha

这是个很棒的模型。我用它搭配 Pi 玩得很开心。 你可以在我们的 harness 游乐场免费测试 Ox Alpha 搭配 Pi 或 Hermes Agent：https://academy.dair.ai/dashboard/playground

我们缩短了从物理提示到机器人行为所需的时间。 任何人教会机器人新技能的速度越快，规模化物理工作就越容易。 更多关于 GEN-1.5 的内容，请阅读下方评论中的博客文章。

Generalist AI 发布机器人基础模型 GEN-1.5，将 3-12 秒的传感器运动数据放入 30 秒上下文窗口即可执行任务，无需梯度更新或微调。在 10 项操作任务中，单次上下文提示平均成功率达 59%（±10%），每任务用 5 分钟数据做 10 步梯度更新后提升至 83%（±9%）。该能力并非显式训练，而是从超八个月预训练中涌现；目前无公开权重、API 或定价，属研究发布。

LongCat-2.0 刚刚在 @opencode 上以 Go 语言版本发布 🐱 试试看，告诉我们你用它构建了什么！ 1.6T/48B · 1M 上下文 · 完全开源

汤森路透发布首款大语言模型Thomson，基于阿里千问Qwen3.5-397B构建，研发成本约4000万美元，外界流传的45万美元仅为最后一次训练成本。该模型在Stanford LegalBench得分0.823，落后于Gemini 3.1 Pro和GPT-5.5。汤森路透称不采用闭源模型是因外部模型长期成本较高且无法高自由度调整。

LongCat-2.0 现已在 Go 中可用 1.6T/48B · 1M 上下文窗口 · 完全开源

当一项任务持续数小时甚至数周，且外部世界不断变化时，AI 需要具备什么才能保持有用？ 目标会演变。新的约束会出现。计划会失败。 认识一下 dots3-note 预览版，这是由 rednote 的 dots 工作室 @dotsstudioai 开发的开放权重多模态模型，面向现实生活中的长期任务自主性。 - 总计 280B / 激活 16B 参数 - 512K 上下文窗口 - 文本、视觉和语音理解 以下介绍它如何学习、自我评估并随时间适应。🧵

好戏还在后头：显然还有一个新 Qwen 模型--Qwen 4--已经在测试中了。 所以现在我们有： - 新 Claude 模型（可能是 Opus 5.1 和 Haiku） - Ox Alpha（可能是 GLM-5.3 Flash） - Qwen 4（？） 都已在测试中或被目击。 + GPT Astra 已确认。 没错，接下来几周会很有趣。

Thomson Reuters 基于阿里 Qwen 推出自研法律大模型"Thomson"，投入约 4000 万美元，训练数据来自 Westlaw 等自有内容。在 Stanford LegalBench 上 Thomson（0.823）落后于 Gemini 3.1 Pro 和 GPT-5.5，仅在接入独家内容时以 0.83 对 0.82 微弱胜过 GPT 5.4。

GPT-5.6 模型家族现已登陆软件开发智能体 Kiro，包含 Sol、Terra 和 Luna 三款模型。在 Terminal-Bench 2.1 测试中，GPT-5.6 Terra 在 Kiro 内完成任务成本降低约 82%。该更新由 OpenAI 与 AWS 合作优化，旨在以更少迭代和更高 token 价值帮助开发者产出更高质量的代码。

PixVerse 发布世界模型 R2，在 R1 连续可交互视频流基础上，支持用户实时输入影响后续场景、故事、角色与关系，并新增 World、Story、Character 三类应用方向。

Wan 3.0 现已登陆 @LeonardoAi！更清晰。更可控。更强大。现已在 Leonardo 上线。更多 API 接入： • Model Studio： https://click.alibabacloud.com/m/20000002017/ • Qwen Cloud： https://click.qwencloud.com/m/20000002025/

阿里云通义万相 Wan 3.0 已在 RunningHub 上线，支持原生 30 秒视频生成、多模态参考输入和更强的时序一致性。用户可通过 Web UI 和 API 使用，并可通过 Model Studio 与 Qwen Cloud 获取更多 API 接入。

阿里云 Wan 3.0 视频模型上线 Scenario 平台，支持一次生成最长 30 秒片段、原生同步音频及多模态输入（首帧、尾帧、参考图、视频、音频、文档和 URL），并配备面向复杂输入的思考模式。开发者现可通过 Model Studio 和 Qwen Cloud 获取 API 接入。

Wan 3.0 现已上线 @SeaArt_Ai！🚀 更多输入。更多控制。更多创作可能。用 Wan 3.0 创作。📷✨ 更多 API 接入： • Model Studio： https://click.alibabacloud.com/m/20000002017/ • Qwen Cloud： https://click.qwencloud.com/m/20000002025/

PixVerse 在混战 7 个月后推出第二张牌，新功能支持召唤老虎、伪装成巡逻兵、与三星堆青铜器用四川话对话等场景。该更新延续了其在世界模型领域的竞争布局，具体模型版本、参数规模及可用性细节原文未披露。

阿里云 Wan 3.0 现已在 Runware D0 上线，支持文生视频、帧与参考模式，可生成 30 秒片段，并支持多达 10 张参考图、5 段参考视频和 5 段参考音频输入，配备复杂多输入提示的思考模式。更多 API 访问可通过 Model Studio 和 Qwen Cloud 获取。

阿里云 Wan3.0 已上线 NadouPro，升级视频生成的长度、多模态参考与真实感，并开放 Model Studio 与 Qwen Cloud 的 API 接入。新版本支持原生 30 秒视频生成、现实级渲染，以及 Omni-Reference 多模态参考，除文本、图像、音频、视频外，还可输入文档、表格、幻灯片和网页等。

阿里云 Wan3.0 视频生成模型已在 Segmind 平台上线，支持单次生成 2 至 30 秒视频，无需拼接。该模型具备 Omni-Reference 多模态参考能力，可输入文本、图像、音频、视频及文档等素材，并支持最高 1080p 分辨率与精细面部渲染。用户可通过 PixelFlow 或 API 调用，也可在 Model Studio 和 Qwen Cloud 获取更多访问权限。

阿里云 Wan 3.0 在 SousakuAI 正式发布，支持原生 30 秒长视频生成，具备高一致性与高真实感，并支持从文档和网页生成视频。发布期间 Wan 系列限时 50% OFF，生成速度与等待时间也进一步优化。API 已上线 Model Studio 与 Qwen Cloud。

阿里云 Wan 3.0 视频生成模型正式上线 FlovaAI，480P 版本限时低至 $0.013/秒。该版本支持音画同步与自然节奏过渡，带来更沉浸的内容呈现。用户还可通过 Model Studio 和 Qwen Cloud 获取 API 访问。

Wan3.0 现已上线 @magnific。输入文本、图片、网页内容--输出 30 秒电影感视频。更多 API 接入： • Model Studio： https://click.alibabacloud.com/m/20000002017/ • Qwen Cloud： https://click.qwencloud.com/m/20000002025/

阿里云 Wan3.0 多模态视频生成模型上线 TapNow，支持一次生成最长 30 秒视频，并接受多种参考格式输入。模型在场景中保持运动、光照和物理细节的一致性，现可通过 Model Studio 和 Qwen Cloud 获取 API 访问。

阿里云 Wan3.0 已上线 fal 平台，单次生成原生 30 秒视频，无需拼接。支持文本、图像、音频、视频、网页和文档等多模态输入，并提升真实世界运动渲染效果。更多 API 接入可通过 Model Studio 和 Qwen Cloud 获取。

Wan3.0 已在 @Deevid_AI 上线。🚀 更低的生成成本。创作更多，探索更多。电影级 AI 视频，更强的动态表现，更丰富的细节。立即开始创作！更多 API 接入：• Model Studio： https://click.alibabacloud.com/m/20000002017/ • Qwen Cloud： https://click.qwencloud.com/m/20000002025/

这就是 Wan3.0。简单输入，智能创作。让想象照进现实。Wan3.0 现已全面可用。🎉 发布优惠：8月23日至9月23日期间，在阿里云百炼和通义千问云上订阅 Wan3.0（标准版）可享 30% 折扣。

阿里巴巴达摩院联合中国医科大学附属盛京医院等机构研发出肝癌诊断 AI 模型 DAMO LiON，可通过 CT 影像识别微小肝脏癌变病灶。两个月真实世界前瞻临床试验中，该模型发现 15 例原本被遗漏的恶性肿瘤，绝大部分为 1 厘米左右病灶；AI 协助阅片用时减少 27%，对恶性肿瘤敏感性提高 11.5%，相关论文登上《自然·医学》。

千问今日在千问创作 Web 端（c.qianwen.com）及千问 PC&APP 端正式上线 Wan3.0 视频生成模型，该模型自 8 月 6 日首发公测，支持 30 秒视频直出、真实生动的 AI 角色和丰富镜头运镜。同步开启限时优惠，千问创作会员限时 6 折，适用于短剧、漫剧及营销广告创作。

Kimi-K3 已上线，拥有 2.8T 参数，原生 1M-token 上下文。它专为仓库级工程、视觉创作和自主规划下一步的智能体而构建。现提供 1M-token 免费试用，立即探索：Model Studio：https://click.alibabacloud.com/m/20000002576/ Qwen Cloud：https://click.qwencloud.com/m/20000002584/ #KimiK3 #AlibabaCloud #QwenCloud #M…

阿里云视频生成模型 Wan3.0 今日正式上线，单次可生成 30 秒视频，并首次支持 doc、xls、ppt、pdf、md 等文档格式输入。公测十余天来，模型在指令遵循、跨镜头一致性、音频质感及视频编辑等方面持续进化。480P/720P/1080P API 价格分别为 0.3/0.6/1.2 元/秒，8 月 24 日至 9 月 23 日限时 7 折。

JoyAI-Echo-1.5 发布，这是一个统一的音视频生成系统，包含长视频与世界模型两个变体。长视频变体通过可组合的跨镜头记忆与说话人线索，实现跨镜头的角色外观和语音身份保持；世界模型变体将导航输入转换为 6-DoF 相机轨迹，支持控制器无关的交互。其世界模型变体在 WBench 上以 81.7 的平均分排名第一。

名为 Ox Alpha 的神秘新 AI 模型在 OpenRouter 上线，被描述为面向编程、持续智能体工作和生产负载的推理模型，Stripe CEO Patrick Collison 称其"非常出色"。该模型由匿名第三方提供，引发关于其背后开发者的广泛猜测，焦点集中在中国的 Z.ai（GLM 模型）或微软未发布的 MAI 版本上。

Harvey 发布其首个后训练模型 Tenet 研究预览版，基于 Kimi K3 基座，针对长时程法律工作训练。相比基座，Tenet 在 LAB 上完成近两倍保留任务，在 LAB： Contracts 上多 20%，全通过率分别提升 9 和 2 个百分点。目前未公开权重或 API，仅限企业通过 Harvey 平台使用。

FireRedTeam 发布 FireRedAudio 的代码与模型，一个基于 9B 参数 LLM 的通用音频语言模型，采用理解与生成解耦的连续表征设计。单模型支持 ASR、音频理解、零样本 TTS、指令 TTS、语义与声学语音编辑，以及最长一小时录音的时序定位理解，在 MMAU、Seed-TTS-Eval 等基准上取得竞争性或领先结果。