跳到正文

日期栏展示收录日期,历史补录归入原文日期。

9月21日周一
  1. LiveKit Blog38

    构建实时语音和视频 AI 智能体的最佳开源框架

    LiveKit Agents 与 Pipecat 是构建生产级实时语音和视频 AI 智能体的两大主流开源框架,前者基于 LiveKit 自研 WebRTC 和 SIP 基础设施、提供更高层抽象,后者不预设传输层、以更低层抽象让开发者逐级搭建流水线。TEN Framework、Dograh、Vision Agents 和 Vocode 等名字虽会出现,但均未进入生产选型名单。

9月20日周日
  1. Comfy Blog71

    Qwen-Image-2.1 上线 ComfyUI:开源权重图像生成与编辑,支持透明通道

    阿里 Qwen 团队的最新图像模型 Qwen-Image-2.1 已在 ComfyUI 原生支持,开放权重、7B 参数,基于优化的 MMDiT 架构。该模型可直接输出带 alpha 通道的 RGBA 图像,原生生成 2048×2048,并最多接受 10 张参考图,生成与编辑共用同一模型。

    推荐理由:ComfyUI 原生支持 Qwen-Image-2.1,读者可了解其 RGBA 输出与 10 张参考图等能力差异。

9月17日周四
  1. Sakana AI28

    Sakana AI 宣布成立前沿智能小组(FIG)

    Sakana AI 宣布成立前沿智能小组(FIG),主张智能尚未"解决",应主动探索替代当前 Transformer 规模化范式的新路径。FIG 由公司内部逐步成长而成,定期讨论挑战主流的研究想法、邀请外部研究者提出不同智能观点,并强调研究自由、允许失败与"伟大无法被计划"等原则。该小组关注当前系统仍存在的幻觉、面对全新情境表现不佳及高能耗等根本问题。

9月14日周一
9月11日周五
  1. Interconnects22

    开源 AI 与开放模型阅读清单

    Nathan Lambert 在 Interconnects 发布了一份开源模型主题阅读清单,收录近几年的代表性文章,并称读完可全面了解该领域现状,清单最后更新于 2026 年 9 月 15 日。清单分为基础与中美竞争两部分,涵盖开源 AI 战略、开放权重安全路径、开放数据萎缩,以及 Kimi K3、GLM-5.2、GLM-5.3 等中国模型对生态的影响。

9月6日周日
  1. Recode China AI22

    🗞️字节跳动 300 亿美元贷款、月之暗面 IPO 递表,以及中国迄今最热 AI 芯片首秀

    字节跳动获得约 300 亿美元贷款用于 AI 基建,为亚洲今年第二大贷款;月之暗面已保密递交香港 IPO 申请,最快 2027 年一季度上市,IPO 前最后一轮估值或达约 500 亿美元。燧原科技登陆上海科创板,发行 4300 万股、定价 142.18 元,募资约 9.1 亿美元,散户认购倍数高达 6109 倍。

7月27日周一
  1. Air Street Press78

    FLUX 3:从视频生成到机器人控制

    Black Forest Labs 上周发布多模态基础模型 FLUX 3,在单一架构中联合学习图像、视频和音频,可单次生成最长 20 秒带音频视频。其视频骨干被机器人公司 mimic 用于 FLUX-mimic,在软体装配任务上报告 95% 成功率,无需单任务微调,对比 π0.5 的 55% 和某流匹配策略的 70%。

    推荐理由:FLUX 3 把视频生成骨干直接接到机器人动作预测上,读者可看到多模态世界模型向工业操作迁移的一条具体路径。

5月4日周一
8月9日周六
  1. Reflection Blog50

    构建前沿开放智能

    Reflection 宣布完成 20 亿美元融资,组建了曾参与 PaLM、Gemini、AlphaGo、AlphaCode、AlphaProof 及 ChatGPT 等项目的 AI 团队,并搭建起可训练前沿规模 MoE 模型的大规模 LLM 与强化学习平台。该平台已在自主编程领域验证有效,下一步将把方法拓展到通用智能体推理,并从头结合大规模预训练与先进强化学习来构建开放模型。