Qwen 开源 Qwen3-ASR 系列语音识别模型与 Qwen3-ForcedAligner 对齐模型
Qwen 团队宣布开源 Qwen3-ASR 系列与 Qwen3-ForcedAligner。系列包含 Qwen3-ASR-1.7B 和 Qwen3-ASR-0.6B 两款一体化语音识别模型，支持语言识别，并带来一款新型非自回归语音强制对齐模型，主打鲁棒性、流式处理和多语言。
网站与博客
媒体报道、公司博客与研究文章
按账号或来源筛选（93）
全部网站与博客新闻IT Home8971 条Simon Willison360 条OpenAI News317 条TechCrunch · AI301 条The Decoder275 条The Verge · AI161 条Hugging Face Blog151 条Claude Blog140 条elsewhere articles116 条Google Research108 条OpenRouter Announcements103 条Mistral AI89 条Databricks Blog86 条Tomer Tunguz84 条Sierra Blog67 条Anthropic Newsroom65 条Gary Marcus64 条Claude Platform release notes62 条Runway News62 条Gemini API 更新日志60 条LMSYS Blog60 条Manus Blog60 条Together AI Blog60 条Google DeepMind58 条NVIDIA Blog53 条a16z News49 条Apple Machine Learning Research48 条LangChain Blog48 条Suno Blog48 条ByteByteGo46 条ElevenLabs Blog45 条Google Blog: AI41 条Qwen Blog40 条Google Developers Blog35 条Cursor Blog34 条Google Cloud: Databases32 条Microsoft AI News32 条Linear Now30 条AWS Machine Learning Blog29 条Ars Technica · AI27 条Dwarkesh Patel27 条Nathan Lambert: Interconnects26 条Latent Space24 条DeepSeek API updates23 条Sakana AI Blog23 条Anthropic Research21 条Import AI21 条AI as Normal Technology20 条ByteDance Seed Papers17 条MIT Technology Review · AI16 条GitHub Blog · AI & ML12 条MiniMax Blog12 条Meta Engineering11 条Sam Altman Blog11 条Berkeley AI Research10 条Black Forest Labs Blog10 条MarkTechPost10 条Microsoft Research10 条xAI：News9 条Cohere 产品与研究博客8 条Epoch AI：Gradient Updates8 条Factory 研究 / 产品8 条Google AI：DEV 作者专属8 条OpenClaw Blog8 条Recode China AI8 条Redwood Research Blog8 条Replit Blog8 条SemiAnalysis 长文8 条Understanding AI8 条404 Media7 条Amazon Science7 条Artificial Intelligence News7 条Every latest articles7 条Exponential View7 条Liquid AI 模型与工程博客7 条LlamaIndex：产品、工程与评测7 条PromptArmor：Threat Intelligence7 条PyTorch Blog7 条Thinking Machines Lab Blog7 条Preferred Networks：AI 研究与产品6 条ByteDance Seed Research5 条ChinaTalk5 条Chips and Cheese4 条Canary Media：Data Centers2 条Claude YouTube2 条CMU Machine Learning Blog1 条MarkTechPost · 历史来源118 条xAI News · 历史来源73 条Artificial Intelligence News · 历史来源54 条Claude YouTube · 历史来源46 条Ars Technica: AI · 历史来源19 条GitHub Blog · 历史来源17 条Lilian Weng's Log · 历史来源2 条
13,334 条AI 相关新闻 · 最新在前
Qwen BlogAI 评分5757 Gemini API 更新日志AI 评分5555 Gemini API 为 gemini-3-pro-preview 和 gemini-3-flash-preview 推出 Computer Use 工具支持
Gemini API 宣布在 gemini-3-pro-preview 和 gemini-3-flash-preview 上推出 Computer Use 工具支持，发布于 2026 年 1 月 29 日更新日志。
ElevenLabs BlogAI 评分5454 Revolut 采用 ElevenLabs Agents 强化客服，解决工单时间缩短超 8 倍
Revolut 部署 ElevenLabs Agents 作为英国和欧洲客户的语音客服第一线，覆盖超 400 万客户，支持 30 多种语言并实时切换。智能体解决工单不到 5 分钟，此前人工处理平均耗时 8 倍以上，超 99.7% 的通话顺利完成。Revolut 保留编排和业务逻辑控制权，方案满足 PCI 合规与零留存要求，并计划向全球扩展。
Mistral AI精选AI 评分7070 Mistral 发布 Mistral Vibe 2.0 终端编码智能体并调整 Devstral 2 定价
Mistral AI 发布终端原生编码智能体 Mistral Vibe 2.0，由 Devstral 2 模型家族驱动，新增自定义子智能体、多选澄清、斜杠命令技能和统一智能体模式。
推荐理由：官方公告给出 2.0 的功能清单、订阅方案和 Devstral 2 API 定价，读者可以据此评估是否把它纳入自己的终端开发工作流。
MiniMax BlogAI 评分5353 MiniMax 发布 MiniMax-M2-her 角色扮演模型，Role-Play Bench 多轮评测总排名第一
MiniMax 发布面向生产环境的角色扮演模型 MiniMax-M2-her。基于 Talkie/Xingye 三年运营观察，团队将 Role-Play 拆解为 Worlds。
Qwen BlogAI 评分4949 千问 Qwen3-Max-Thinking 如何突破自身极限
千问发布最新旗舰推理模型 Qwen3-Max-Thinking，通过扩大模型参数并投入大量算力进行强化学习，在事实知识、复杂推理、指令遵循、人类偏好对齐和智能体能力等多个维度实现显著性能提升。
LMSYS BlogAI 评分4646 SGLang RL 团队实现 INT4 QAT 端到端训练：1TB 模型单卡 H200 部署
SGLang RL 团队联合 InfiXAI、蚂蚁集团等团队，在 slime 框架上落地了 INT4 QAT 端到端方案，训练用 fake quantization、推理用 W4A16，实现与 BF16 全精度相当的训练-推理一致性。
Sierra BlogAI 评分3535 Sierra 推出 Expert Answers：把客服对话转化为 AI 智能体的复利知识
Sierra 发布 Expert Answers，可将 AI 智能体转交人工解决的客服对话自动生成可审核的知识文章，并回灌给智能体。该功能会识别智能体的知识缺口、学习相似问题的解决模式并生成草稿，供客服团队审核而非从零撰写。一家数字健康公司用其生成的文章测试部分流量，解决率提升 4% 且未增加客服工作量，随后全面铺开。
Qwen Blog精选AI 评分6565 Qwen 团队开源 Qwen3-TTS 系列语音生成模型，支持语音克隆与语音设计
Qwen 团队宣布开源 Qwen3-TTS 系列语音生成模型。该系列支持语音克隆、语音设计和超高质量拟人生成等能力。
推荐理由：原文给出 Qwen3-TTS 开源与语音克隆、语音设计等能力范围，读者可据此评估它在语音生成场景的可用性。
Mistral AIAI 评分5656 Mistral AI 深入排查 vLLM 内存泄漏，定位到 UCX 的 mmap 钩子机制
Mistral AI 团队在预生产测试中发现，使用 vLLM 部署 Mistral Medium 3.1 并开启 graph compilation 的 Prefill/Decode 分离式推理下，系统内存以每分钟 400 MB 的速度线性增长，最终导致 out of memory。
ElevenLabs BlogAI 评分4040 ElevenLabs 发布 The Eleven Album：与 Liza Minnelli、Art Garfunkel 等艺人用 Eleven Music 共创专辑
ElevenLabs 推出 The Eleven Album，整张专辑由 Eleven Music 生成，合作艺人包括 Liza Minnelli、Art Garfunkel、KondZilla 等。
Gemini API 更新日志AI 评分2424 Gemini API 更新：gemini-pro-latest 与 gemini-flash-latest 别名切换至 Gemini 3 预览版
Gemini API 于 1 月 21 日调整最新别名，gemini-pro-latest 已切换至 gemini-3-pro-preview，gemini-flash-latest 已切换至 gemini-3-flash-preview。开发者通过这两个别名调用时将自动指向 Gemini 3 系列的预览版本。
LMSYS BlogAI 评分5050 Novita AI 为 GLM4-MoE 打造 SGLang 生产优化：TTFT 降低 65%
Novita AI 基于 SGLang 为 GLM4-MoE 推出一套生产级推理优化方案，通过 Shared Experts Fusion 与 Suffix Decoding 等技术，在 H200 集群 TP8、FP8 配置下将 TTFT 最多降低 65%，智能体编程负载下 TPOT 改善 22%。
LMSYS Blog精选AI 评分6363 SGLang-Diffusion 两个月迭代：推理速度最高提升 2.5 倍并集成 ComfyUI
SGLang-Diffusion 团队发布发布两个月进展总结，当前版本（docker 镜像 lmsysorg/sglang:dev-pr-17247）比 2025 年 11 月初始版最快提升 2.5 倍，在 NVIDIA GPU 上比其他方案最高快 5 倍。
推荐理由：官方复盘两个月迭代成果，涵盖新模型支持、LoRA 与 ComfyUI 集成等具体改进，读者可评估是否迁移现有扩散推理工作流。
ElevenLabs BlogAI 评分3030 MasterClass 用 ElevenLabs 语音为 AI 导师赋予声音
MasterClass 与 ElevenLabs 合作，为其 On Call 产品的 AI 导师提供 Text to Speech 语音能力，Gordon Ramsay、Mark Cuban、Chris Voss 等导师的 AI 版本可与用户实时语音对话。
LMSYS BlogAI 评分4848 SGLang 流水线并行如何扩展至百万级 Token 上下文
SGLang 推出高度优化的流水线并行（PP）实现，融合分块流水线并行、异步 P2P 通信与动态分块机制，专为超长上下文推理设计。在 H20 集群上以 PP4 TP8 部署 DeepSeek-V3.1、分块预填充设为 12K 时，预填充吞吐达 TP8 的 3.31 倍，比 TP32 方案高出 30.5%，同时 TTFT 最多降低 67.9%，强扩展效率保持 82.8%。
Gemini API 更新日志AI 评分3333 Gemini API 将于 2 月 17 日关停 gemini-2.5-flash-preview-09-25 等三个模型
Gemini API 宣布将于 2026 年 2 月 17 日关停 gemini-2.5-flash-preview-09-25、imagen-4.0-generate-preview-06-06 和 imagen-4.0-ultra-generate-preview-06-06 三个模型。此外，gemini-2.5-flash-image-preview 模型已被关停。
ElevenLabs BlogAI 评分4242 Deutsche Telekom 与 ElevenLabs 合作，将 AI 语音智能体引入客服
ElevenLabs 与 Deutsche Telekom 宣布合作，将 ElevenLabs 的 AI 语音智能体接入这家欧洲最大电信运营商的客服体系，通过 App 和电话提供服务。Deutsche Telekom 用户将可体验 24/7 在线、无需等待的拟人化语音客服。双方称此举旨在推动 AI 语音技术的普及。
Gemini API 更新日志AI 评分2929 Gemini API 的 text-embedding-004 模型已关停
Gemini API 更新日志显示，text-embedding-004 模型已被关停。该模型此前用于文本嵌入向量生成，关停后相关调用将不再可用。
Sierra BlogAI 评分3535 Sierra 与 Stellarus 合作推进 AI 医疗会员体验新模式
Sierra 与 Stellarus 达成合作，帮助健康计划大规模部署 AI 智能体。双方与 Blue Shield of California 合作推出的 AI 语音智能体上线六个月，可 24/7 回答福利与覆盖范围等会员咨询，在数千次交互中取得 4.4（满分 5）的客户满意度评分。双方下一步将从被动支持转向主动的 AI 驱动互动。
Gemini API 更新日志AI 评分4646 Gemini API 为 Veo 新增 4k 输出分辨率并支持竖屏视频
Gemini API 更新日志显示，Veo 新增 4k 输出分辨率，并在所有分辨率下增加对竖屏视频的支持。
Gemini API 更新日志AI 评分2323 Gemini API 推出模型生命周期功能，标注模型阶段与弃用时间线
Gemini API 上线模型生命周期功能，部分模型将标注所处生命周期阶段及弃用时间线。官方同步发布 Model stages 文档说明相关细节。
LMSYS BlogAI 评分5050 SGLang 推出 EPD 分离架构：面向视觉语言模型的弹性编码器扩展
SGLang 推出 Encoder-Prefill-Decode（EPD）分离架构，将视觉编码从语言处理中拆出，编码器服务器可独立横向扩展，并兼容现有 PD 分离形成三层架构。
Berkeley AI ResearchAI 评分4747 伯克利提出信息驱动成像系统设计框架，登 NeurIPS 2025
伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架，可直接从含噪测量中估计信息量，在彩色摄影、射电天文、无透镜成像和显微成像四个领域预测下游解码性能。该方法在 NeurIPS 2025 论文中展示，优化出的设计可媲美端到端 SOTA 方法，同时占用更少内存和算力，且无需任务专用解码器。
ElevenLabs BlogAI 评分5555 ElevenLabs 发布 Scribe v2，面向批量转写与字幕场景
ElevenLabs 发布语音转写模型 Scribe v2，专为批量转写、字幕和口播场景设计，宣称在行业标准基准上取得最低词错率，并改进对长音频、停顿、语调变化和长静音的处理。
Qwen BlogAI 评分5454 Qwen 发布 Qwen3-VL-Embedding 与 Qwen3-VL-Reranker 多模态检索模型
Qwen 团队发布 Qwen3-VL-Embedding 和 Qwen3-VL-Reranker，面向新一代多模态检索。该系列是 2025 年 6 月开源的文本导向 Qwen3-Embedding 与 Qwen3-ReRanker 的延续，后者在多语言文本检索、聚类和分类等任务中表现出色并被社区广泛采用。
Gemini API 更新日志AI 评分4242 Gemini API 支持 Cloud Storage 与预签名 URL 输入，文件上限提至 100MB
Gemini API 新增 Cloud Storage 存储桶及公有、私有数据库预签名 URL 作为数据输入源，文件大小上限从 20MB 提升至 100MB。具体用法可参见文件输入方法指南。
Qwen BlogAI 评分4949 千问 Qwen-Image-2512 发布：细节更精细，真实感更强
千问发布 Qwen-Image 文生图基础模型的 12 月更新版 Qwen-Image-2512，可在 Qwen Chat 试用。相比 8 月发布的 Qwen-Image 基础模型，新版本显著减少“AI 生成感”，大幅提升人物真实感。
Qwen BlogAI 评分4343 千问发布 Qwen-Image-Edit-2511，一致性显著提升
千问推出 Qwen-Image-Edit-2511，作为 Qwen-Image-Edit-2509 的增强版本，在多项能力上有所改进，其中一致性提升尤为明显。用户可在 Qwen Chat 中选择图像编辑功能体验该模型，线上版本针对速度做了优化，官方建议本地部署以获得最佳性能。
MiniMax Blog精选AI 评分6161 MiniMax 发布 M2.1 模型，强化多语言编程与移动开发能力并开源权重
MiniMax 发布 MiniMax-M2.1 模型并开源权重，重点提升 Rust、Java、Golang、C++、Kotlin 等多语言编程能力和原生 Android/iOS 开发能力。
推荐理由：官方说明 M2.1 相比 M2 的能力变化重点和使用入口，读者可据此判断它在多语言编程和办公场景中的适配价值。
Qwen BlogAI 评分5454 Qwen3-TTS 推出语音克隆与语音设计模型 Qwen3-TTS-VC-Flash 和 Qwen3-TTS-VD-Flash
Qwen3-TTS 家族发布两款新模型：语音克隆模型 Qwen3-TTS-VC-Flash 和语音设计模型 Qwen3-TTS-VD-Flash，均通过 Qwen API 开放使用。其中 Qwen3-TTS-VD-Flash 支持复杂自然语言指令，可对音色、韵律、情感等做细粒度控制。
LMSYS BlogAI 评分5656 LMSYS 联合蚂蚁、美团等发布 SpecBundle（Phase 1）与 SpecForge v0.2
SpecForge 团队联合蚂蚁集团、美团、Nex-AGI 和 EigenAI 发布 SpecBundle（Phase 1），提供覆盖 8B 到 1T 参数主流 instruct 模型的生产级 EAGLE3 草稿模型权重，最高可达 4 倍端到端推理加速。
Linear NowAI 评分4848 设计不只是写代码：Linear 谈 AI 时代设计师与工程师的角色演变
Linear 发文讨论“用代码做设计”之争，认为把设计等同于代码是过度简化，真正的问题是 AI 与新工具下设计师和工程师的角色如何演变，是否会出现“head of craft”这类新职位。文章主张先厘清问题本身再谈方案，并指出代码虽是软件的载体，但并非所有决策都应在代码中做出。
Qwen BlogAI 评分5050 Qwen 发布 Qwen-Image-Layered，可将图像分解为多个 RGBA 图层
Qwen 团队发布 Qwen-Image-Layered 模型，可将一张图像分解为多个 RGBA 图层，实现原生可编辑性。每个图层可独立操作而不影响其他内容，并原生支持缩放、重定位和重新着色等高保真基础操作。
Sierra BlogAI 评分3939 Sierra 推出 Workspaces：让团队并行开发 AI 智能体
Sierra 发布 Workspaces，将 GitHub、Figma 式的协作模式引入 AI 智能体开发，支持团队成员在各自 Workspace 中并行构建、测试，再通过合并生成快照并发布到 QA、staging 或生产环境。
LMSYS Blog精选AI 评分6161 SGLang 发布扩散大语言模型框架并 Day-0 支持 LLaDA 2.0
Ant Group DeepXPU 团队与 SGLang 团队在 SGLang 中实现扩散大语言模型（dLLM）框架，Day-0 支持 LLaDA 2.0。方案复用现有 Chunked-Prefill 机制，无需改动 SGLang 核心架构，支持自定义扩散解码算法、流式输出、张量并行和 CUDA graph 优化。
推荐理由：原文给出基于 Chunked-Prefill 实现 dLLM 支持的设计细节和实测吞吐数据，读者可据此评估 SGLang 上扩散模型的推理可行性。
Gemini API 更新日志AI 评分2323 Gemini API v1beta Interactions API 将 total_reasoning_tokens 更名为 total_thought_tokens
Gemini API 在 v1beta 的 Interactions API 中引入一项破坏性变更，将 total_reasoning_tokens 字段更名为 total_thought_tokens，以更贴合思考型模型中"thoughts"的概念。该改动已于 12 月 19 日生效，使用该字段的开发者需相应调整代码。
Mistral AI精选AI 评分6363 Mistral 发布 OCR 3 模型，表单、手写和复杂表格识别较 OCR 2 全面升级
Mistral AI 发布 Mistral OCR 3，在表单、扫描件、复杂表格和手写内容上对 Mistral OCR 2 取得 74% 的整体胜率，输出支持带 HTML 表格重建的 markdown。
推荐理由：官方给出了对比 Mistral OCR 2 的胜率、价格和 API 入口，读者可以据此评估文档解析方案的替换成本。
LMSYS Blog精选AI 评分6262 LMSYS 发布 Mini-SGLang：5k 行代码的高性能 LLM 推理引擎
LMSYS 推出源自 SGLang 的轻量级推理框架 Mini-SGLang，代码仅 5k 行 Python，保留 Radix Attention、Chunked Prefill、Overlap Scheduling、Tensor Parallelism 等核心优化，并提供 OpenAI 兼容 API 和开箱即用的 Llama-3、Qwen-3 支持。
推荐理由：官方介绍这款仅 5k 行代码的推理引擎保留了哪些关键优化，以及如何用它学习和做研究原型。
Gemini API 更新日志精选AI 评分7676 Google 发布 Gemini 3 Flash Preview（gemini-3-flash-preview）
Google 在 Gemini API 更新日志中宣布推出 Gemini 3 Flash Preview（gemini-3-flash-preview），定位为以更低成本提供对标更大模型的快速前沿性能。新模型升级了视觉与空间推理以及智能体编码能力，并附带多模态函数响应、带图像的代码执行等新功能文档。
推荐理由：官方日志给出新模型的定位、成本与新增功能入口，便于评估其在现有 Gemini API 工作流中的替换价值。