Meta 的 Muse Image 先規劃再落筆：走進一個推理優先的圖像模型
Meta 的 Muse Image 在出圖之前先規劃、搜尋、寫程式碼並核查結果，把驗證挪進了模型內部。它真正的野心不在畫面品質，而在於成為遍佈數十億使用者的預設圖像層。
部落格
探索生成式 AI 的技巧、教學與見解
12 倍差距：照目錄規模算，AI 圖像生成到底要花多少錢
同為 5 萬張商品圖，模型月帳單相差超過 12 倍。真正決定花費的是驗收率與重試率，而不是排行榜名次。
程式設計代理長出了外掛經濟：Claude Code Mods 與 Cursor Projects 改變了什麼
十月，程式設計代理的競爭從模型轉向擴充層。Claude Code Mods、Cursor Projects 與一批社群技能儲存庫，說明價值正從生成程式碼轉向組織那些生成程式碼的代理。
兩千個智能體兩週重寫自己：Prime Agent 如何用蜂群把 TypeScript 搬進 Rust
Prime Agent 被自己的智能體蜂群重寫：兩千多個智能體在兩週內把 TypeScript 版搬進 Rust。以下是它的編排方式與護欄設計。
Prism：一個開源 2K 音視頻模型，和它要的 80GB 顯卡
一個能生成原生 2K 影片並帶同步音訊的開源模型是實打實的一步。它需要的硬體，才是決定誰能用上它的部分。
當智能體開始自己渲染媒體：GitHub 趨勢裡的三種新工具
Hyperframes 把 HTML 渲染成影片，ArtCraft 打包了一套創作引擎，text-to-cad 把 CAD 交給智能體。智能體正在學著做出你能看見的東西。
Gemini Live 的即時視覺：把「看見」還給低視力使用者
谷歌從第一天起就和盲人與低視力使用者一起構建即時視覺輔助。這是一個安靜卻鋒利的測試：多模態助手到底是為了什麼。
微軟 Decision-1：用一個小模型替大模型做選擇題
基於 Qwen3.5-9B 的 Decision-1 不聊天。它決定該由哪個模型來處理請求，而這正是任何 AI 流水線裡最常見的工作。
Claude Motion：當助手開始做會動的東西
Anthropic 聯合 Runway 把一個動效工具推入市場。動效設計比影片生成小得多的問題，也是日常得多的問題。
YuE2-3B：開源音樂模型第一次把 Suno v5 拉下馬
一個 3B 的開源模型宣稱在基準上勝過領先的閉源服務，還帶來一件少見的東西：可編輯的旋律與和弦。真正的限制在授權上。