Cloudflare Clef-omni评测：首个音视频开放权重决策模型，130毫秒出结果
Cloudflare 10月9日发布开放权重决策模型 Clef-omni，首次在单一 API 接口里同时支持文本、图像、音频（WAV/MP3）和视频（MP4/WebM）四种输入模态，文本决策中位延迟约 130 毫秒，21 秒带声视频约 1….
Qwen-image6 篇
Qwen-Image-2.1-Turbo开源：8步出图，把采样调度写进权重里
2026年10月9日，阿里巴巴通义千问团队正式发布 Qwen-Image-2.1-Turbo，这是 Qwen-Image-2.1 的加速检查点，将文生图与图像编辑的推理步骤从常规水平压缩至 仅需 8 个去噪步骤，同时保持图像质量不出现明显下…
Qwen-Image-2.1-Turbo开源：8步出图，采样调度写进权重
10月9日，阿里通义千问把Qwen-Image-2.1-Turbo挂上了Hugging Face和魔搭。它是Qwen-Image-2.1的加速检查点，去噪步数从基座示例的40步压到8步，架构没换，仍是7B的视觉生成组件。官方没有单独发博文，…
美团 LongCat-2.0 开源：1.6T 参数每 token 激活 33B–56B，首个五万卡国产集群推理的万亿模型
7 月 6 日消息，据 IT之家报道，美团已将万亿参数大模型 LongCat-2.0 正式开源，并同步开放面向国产算力优化的推理代码。公开信息显示，LongCat-2.0 总参数规模 1.6T，平均激活参数约 48B，官方页面进一步给出每个…
小红书 FireRedTTS3 开源：统一语音生成与编辑，24 语种 21 种中文方言零样本克隆
结论先行：小红书 FireRed 团队开源的 FireRedTTS3，是一个把”语音生成”与”语音编辑”合并进单一模型的开源语音方案。它以 RedAE 语义增强连续表示与 LLM-DiT 架构…
Qwen-Audio-3.0 语音模型系列上线千问平台：ASR、TTS、Realtime 三箭齐发
结论先行：阿里通义把 Qwen-Audio-3.0 系列三款语音模型一次性推上千问 AI 平台，开发者可以通过 API 或 Token Plan 两种方式调用。这不是单模型的版本号刷新，而是把「听清—说话—实时对话」这条链路拆成了三款可以独…