陆师兄运营

Qwen3-Coder拥有很多尺寸，今天，我们很高兴推出开发者呼唤颇久的「甜品级」编程模型Qwen3-Coder-Flash ！

快如闪电的新编程模型全称为 Qwen3-Coder-30B-A3B-Instruct，在性能和效率方面表现出色：
1️⃣卓越的Agentic能力：
Qwen3-Coder-Flash拥有超强的Agent能力。在代理式编程(Agentic Coding)、浏览器使用（Agentic Browser-Use）、工具调用（Tool Use）等领域，超越当前顶级开源模型，仅略逊于顶配版Qwen3-Coder-480B-A35B-Instruct，及Claude Sonnet-4、GPT4.1等领先闭源模型。
2️⃣仓库级长上下文理解：
原生支持 256K tokens，支持 YaRN 可扩展至 1M tokens，整个项目库都能理解，再也不用担心代码上下文断层了！
3️⃣支持多平台使用：
具备专门设计的函数调用格式，为Qwen Code、CLINE、Roo Code、Kilo Code等平台作了优化，用起来超顺手。

目前Qwen3-Coder-Flash已在魔搭社区、Hugging Face正式开源，开发者可在本地硬件自由部署，构建专属代码助手！同时，我们也在 Qwen Chat 上同步上线了新模型，快来试试吧！

kimi-k2-turbo-preview 是 kimi-k2 的高速版，模型参数与 kimi-k2 一致，但输出速度由每秒 10 Tokens 提升至每秒 40 Tokens。目前限时 5 折特惠，9月1日恢复原价，折扣后的价格：模型每百万 tokens 输入价格（缓存命中）¥2.00，输入价格（缓存未命中）¥8.00，输出价格 ¥32.00。
我们还将继续努力优化，进一步提升 kimi-k2 模型的输出速度。

FLUX.1 Krea [dev]是什么
FLUX.1 Krea [dev] 是 Black Forest Labs 与 Krea AI 合作推出的最新文本到图像生成模型，支持生成更逼真、更多样化的图像，实现照片级真实感水平。模型具有独特的美学风格，避免过度饱和的纹理，同时与 FLUX.1 [dev] 生态系统兼容，支持diffusers库和ComfyUI。模型现已开源，商业许可可通过 BFL Licensing Portal 获取，且FAL、Replicate 等提供 API 接口，便于集成和应用开发。

FLUX.1 Krea [dev]
FLUX.1 Krea [dev]的主要功能
高逼真度图像生成：能生成高质量、逼真的图像，避免传统 AI 图像生成中常见的模糊背景和蜡质纹理等问题。
独特美学风格：具有独特的视觉风格，能生成多样化且具有艺术感的图像，满足不同用户的审美需求。
高度定制化：与 FLUX.1 [dev] 生态系统兼容，易于进行下游任务的定制和优化，适合多种应用场景。
FLUX.1 Krea [dev]的技术原理
预训练与后训练：模型在预训练阶段学习丰富的视觉世界知识，包括风格、对象、地点、人物等，目标是最大化多样性。预训练模型能生成基本的结构和文本，但图像质量有限。后训练阶段通过监督微调（SFT）和人类反馈的强化学习（RLHF）进一步优化模型。SFT阶段用高质量图像数据集进行微调，RLHF阶段通过偏好优化技术进一步提升美学和风格化。
基础模型选择：flux-dev-raw作为基础模型，是一个预训练的 12B 参数扩散变换器模型，包含丰富的世界知识，能生成多样化的图像，且未经过过度优化，保留原始的输出分布。
偏好优化技术：在 RLHF 阶段，用高质量的内部偏好数据进行多轮优化，确保模型输出符合特定的美学标准。
数据质量与多样性：在后训练阶段，使用少量但高质量的数据进行微调，确保模型学习到更符合人类审美的图像特征。采用明确的、具有明确艺术方向的偏好数据，避免模型输出回归到“AI风格”。
FLUX.1 Krea [dev]的项目地址
项目官网：https://bfl.ai/announcements/flux-1-krea-dev
GitHub仓库：https://github.com/krea-ai/flux-krea
HuggingFace模型库：https://huggingface.co/black-forest-labs/FLUX.1-Krea-dev
FLUX.1 Krea [dev]的应用场景
创意设计与广告：为广告公司和创意工作室快速生成高质量的海报、宣传册和社交媒体图像，满足品牌视觉需求。
影视与游戏制作：为影视制作和游戏开发提供角色、场景和道具的概念设计图，加速创作流程并提升视觉效果。
教育与培训：为学校和培训机构生成科学插图、历史场景和虚拟实验室，增强教学互动性和学习效果。
产品设计与开发：帮助工业设计公司和服装品牌快速生成产品原型图和虚拟试穿效果，优化设计和开发流程。
医疗与健康：为医院和医学院生成人体解剖图、病理图像和虚拟医疗场景，辅助医学教育和心理治疗。

语音交互成AI竞争新焦点 近期，字节跳动旗下火山引擎发布豆包·同声传译模型Seed LiveInterpret2.0，同一日阿里通义千问团队也发布翻译模型Qwen -MT。这一事件反映出AI厂商对语音模型赛道的高度重视，背后实则是对新一代“语义交互”方式的激烈竞争。

字节语音布局脉络清晰 回顾字节的语音发展历程，2024年推出旗舰语音生成基础模型Seed -TTS，今年1月发布首个端到端语音理解与生成模型，4月开源中英双语TTS模型MegaTTS3，1个月前又发布豆包播客语音模型。此次同声传译模型的推出，补足了其语音能力版图。

豆包·同声传译模型2.0实力解析该模型在多个Benchmark测试中领先。它能以低延迟、丝滑效果输出与用户音色一致的英语翻译，实现“实时语音+实时翻译+实时输出”。不过，在不同语言方向上音色克隆表现有差异，特定领域专业词汇翻译准确度也有待提升。

多厂商角逐语音赛道 除字节外，阿里曾推出端到端语音翻译大模型Gummy，“AI六小龙”之一的MiniMax发布MiniMax -SPeech系列模型，OpenAI、Grok等也纷纷布局语音领域。各厂商在语音交互方面各有特色和优势。

语音交互推动AI硬件发展业界已形成实时语音在AI产品商业化中价值的共识。新一代AI硬件浪潮对语音翻译技术需求强烈，如阿里推出AI眼镜，字节也将发布相关产品。语音交互能带来更好体验，成为AI硬件吸引用户的新战场。

语音市场潜力初现字节豆包同传模型发布并将接入硬件，以及此前打造的播客模型等，都表明国内“语音”市场潜力巨大。语音交互很可能成为改变人机交互方式的关键技术。

7月26日，世界人工智能大会WAIC开幕主论坛，多位AI大咖齐聚，带来学术盛宴。其中，“深度学习教父”杰弗里·辛顿真人出席并发表《数字智能是否会取代生物智能？》演讲，这是他在中国的首次公开演讲。大会前夕，辛顿刚与20位顶级专家签署“上海共识”，其发言围绕人工智能安全展开。

辛顿回顾AI发展，指出早期有「符号主义」和「连接主义」两种范式。他曾构建小模型，将二者结合，强调通过「语义特征」理解语言，为计算语言学发展奠定基础。如今的大语言模型是其小模型的“后代”，理解语言方式与人类相似，都是将语言转化为特征再整合。

不过，数字智能 与生物智能 存在差异。软件中的知识具有“AI永生性”，数字智能间知识转移效率高，而生物计算虽功耗低，但知识分享难。辛顿担忧未来AI可能超越人类智能，它们可能操纵人类避免被关闭。他警示人类，面对AI只有训练其不伤害人类或“消灭”它两个选择，但AI作用巨大无法消除，因此需找到训练AI向善的方法，提议建立国际社群研究AI安全。

与辛顿不同，MINIMAX创始人闫俊杰围绕AI大模型实践和落地发言。他以自身经历为例，说明AI已成为社会生产力和创意源泉。如AI可生成软件分析数据、跟踪领域进展，还能生成创意形象和视频，其视频模型海螺已生成超3亿个视频。

AI应用场景不断拓展，能力也在持续增强。通过专家教导和环境学习，AI能不断进步，接近人类顶尖专家水平。闫俊杰认为AI领域会有多个玩家，因为不同模型的模型对齐目标不同，多Agent系统使单一模型优势减弱，且开源模型影响力增大。

同时，AI成本将更可控。训练成本不会显著增加，推理成本还会降低。他判断AI会越来越强且普惠大众，AGI一定会实现，应由AI公司和用户共同完成，属于多家公司和广泛用户。

在智能终端行业的发展进程中，商汤推出的“Muneng”具身智能平台成为一股革新力量。该平台依托商汤的具身世界模型，商汤的大规模基础设施在边缘和云端提供坚实的算力支撑。

• Muneng平台赋能终端设备 ：这种强大组合使平台能够赋予机器人和智能设备出色的感知、视觉导航和多模态交互能力，推动智能终端向更高的自主性和智能化水平发展。平台具有显著的赋能能力，能广泛为机器人等各类终端硬件提供支持，助力它们实现对世界万物的精准感知和深度理解。
• 边缘芯片集成优势 ：尤为值得一提的是，它支持集成到边缘芯片中，展现出强大的场景适应能力，能在任何复杂环境中稳定运行。
• 多视图视频生成功能 ：商汤具身世界模型的强大功能不止于此，它还能生成多视图视频，并确保在时间和空间上的高度一致性。这一特性让机器能够深入理解、生成和编辑现实世界，实现与世界在空间层面的深度交互，为游戏和电影等行业带来无限想象空间。
• 4D真实世界表征与人机交互 ：此外，该模型能为人物、物体和环境构建4D真实世界表征。用户只需输入简单提示，具身世界模型就能自主生成姿势、动作骨架和指令，大大降低了人机交互的门槛，提升了交互的便利性和智能性。