YuE2-3B：开源音乐模型第一次把 Suno v5 拉下马
一个 3B 的开源模型宣称在基准上胜过领先的闭源服务，还带来一件少见的东西：可编辑的旋律与和弦。真正的限制在许可证上。
← 全部文章
分类
Ai
333 articles
腾讯混元 AuK：一个 1.5B 模型同时接管语音的生成与编辑
AuK 把语音合成、声音克隆、降噪与人声分离放进同一个自然语言指令界面。比跑分更重要的，可能是它宽松的许可证。
腾讯 ima：把搜索、阅读与写作装进一个 AI 工作台
腾讯把 ima 推到台前，用混元加 DeepSeek 双引擎把搜索、阅读、写作收进同一个窗口。国产 AI 工作台正在抢同一个入口，胜负手是顺手，而不是参数。
Decagon 的 PACT 协议，想让「同意」成为一个标准
Decagon 开源了一个协议，用来验证个人智能体的身份，以及客户授予它的权限。这是管道工程，而它决定了智能体经济能不能跑起来。
Apple 发布了一个开源多模态模型，却几乎没告诉任何人
苹果的这次「研究优先」式发布悄然越过了主流视野，但模型那种细粒度的视觉 grounding，透露了它的 AI 栈正走向哪里。
OpenCut 与「开源剪映」的那一刻
一款免费、MIT 许可的视频剪辑器持续冲上 GitHub 趋势榜，而它的路线图里包含一个面向 AI 智能体的 MCP server。围绕 AI 媒体的工具，正在追上模型本身。
Iris-3B：一个不用 VAE 就直接生成像素的图像模型
Speridlabs 以 Apache 2.0 许可发布了一个 30 亿参数的像素空间文生图模型。跳过 VAE 是个不起眼的架构选择，含义却不小。
Magnific One 给图像生成配了一个「创意总监」
Magnific One 与 ElevenLabs 的新 Brand Kit，都在提示词和像素之间插进了一份规则手册。这个不性感的层，可能正是下一道护城河。
Vidu Q4 Preview 让「重参考」的视频生成变便宜了
生数科技的新预览版支持最多 15 张图像参考、3 段音频参考，首发价约每秒一分四。真正的看点不是价格，而是控制力。
Sora API 关停：OpenAI 悄悄退出了视频生成赛道
2026 年 9 月 24 日，Sora 的 Videos API 与模型快照被移除，OpenAI 没有指定任何继任者。一个 410 状态码，让所有押注其上的团队付出了代价。