Suno 宣布与 BMG 达成全球合作
Suno 官方宣布与全球大型音乐公司之一 BMG 达成里程碑式全球合作。该合作是 Suno 即将推出的首个与音乐行业共同开发的音乐模型的一部分,双方将打造连接艺术家与粉丝的新音乐体验,并为选择加入的艺术家和词曲作者提供新的经济机会;双方还将深化 Suno: In Session 和 Spark 项目对独立艺术家的支持。
推荐理由:官方宣布与 BMG 达成全球合作,并说明该合作将服务于与音乐行业共同开发的首个音乐模型,读者可了解其与行业合作的思路。
全球 AI 公司、研究机构和媒体的最新动态,自动挑出值得看的,全天自动更新。
更新于 11月17日 11:38 · 每小时自动更新
Suno 官方宣布与全球大型音乐公司之一 BMG 达成里程碑式全球合作。该合作是 Suno 即将推出的首个与音乐行业共同开发的音乐模型的一部分,双方将打造连接艺术家与粉丝的新音乐体验,并为选择加入的艺术家和词曲作者提供新的经济机会;双方还将深化 Suno: In Session 和 Spark 项目对独立艺术家的支持。
推荐理由:官方宣布与 BMG 达成全球合作,并说明该合作将服务于与音乐行业共同开发的首个音乐模型,读者可了解其与行业合作的思路。
PromptArmor 发文指出,本地运行 LLM 并不能解决数据外泄问题,因为漏洞位于处理模型输出的 AI 应用基础设施中,而非模型本身。文章以 Ollama 聊天界面为例,其不安全地渲染 HTML 和 Markdown 内容并配有不安全的 web 搜索工具,可导致钓鱼覆盖层、凭证窃取和上传文档外泄,并给出净化输出、纯文本渲染或内容安全策略等修复方式。
推荐理由:作者基于自己发现的大量真实漏洞案例,说明本地部署模型并不能阻止数据外泄,风险根源在于下游处理环节。
vLLM 宣布对 Qwen3.8-2.4T-A95B 提供 Day-0 支持,该模型是基于 Qwen 3.5 架构的 2.4 万亿参数稀疏 MoE 模型,含 512 个专家,92 层混合骨干中每 4 层使用一次 full attention,其余 69 层为线性注意力。
推荐理由:原文给出架构细节、量化方案和硬件要求,读者可以据此评估部署这个 2.4T 参数开源权重模型的成本与配置。
Google Research 与 Google DeepMind 推进医疗 AI 系统 AMIE,实现实时临床视频问诊,首次在此场景展示专家级 AI 能力。该系统基于 Gemini 和 Project Astra 构建,可解读视觉与听觉线索、引导虚拟体格检查并实时诊断推理。随机研究中,临床评估者对 AMIE 的病史采集、诊断准确性等核心能力给予好评,患者演员也更偏好视频体验。
推荐理由:AMIE 在视频中融合视觉与听觉线索进行诊断,展示了多模态临床推理的可行性,对远程医疗产品方向有参考价值。
Liquid AI 发布 LFM2.5-VL-3B 视觉语言模型,屏幕理解 ScreenSpot-v2 平均 80.7,ToolSandbox 从 26.4 升至 59.5,RefCOCO 从 57.1 升至 87.9。
推荐理由:官方给出与更大模型对比的基准数据和端侧、GPU 实测速度,读者可据此评估它在边缘部署场景的适用性。
Google 发布教程,讲解如何用 LiteRT 和 Gemma 在 Raspberry Pi 5 上实现完全离线的实时边缘 AI,并演示其驱动 Reachy Mini 机器人。
推荐理由:原文给出 LiteRT-LM 在树莓派 5 上运行 Gemma 的具体性能数字与 CPU/GPU 分工架构,还附完整部署命令,方法可直接迁移到自己的边缘部署。
LMSYS 团队提出 Unified Radix Cache,用单一 token 键控 radix 拓扑统一管理混合模型的 FULL、SWA 和 MAMBA 组件缓存,各组件独立执行路径、滑动窗口和检查点复用语义。
推荐理由:传统做法需为每种注意力组合实现独立缓存,本文以统一基树和组件钩子将复用规则解耦,SWE-bench上TTFT降低最高16.6%。
SGLang 宣布对 NVIDIA Nemotron 3.5 Lightning 提供 Day-0 支持,该开源模型为 30B 总参数、3B 激活参数的混合专家架构,支持最长 1M token 上下文,可从 Hugging Face 下载 BF16 和 NVFP4 权重。模型支持 MTP、DFlash、DSpark 三种投机解码技术,并可通过 OpenAI 兼容 API 接入智能体工作流。
推荐理由:Nemotron 3.5 Lightning以3B活跃参数提供前沿agent能力,SGLang的即刻支持让开发者能用单命令启动高性能推理,将agent部署成本大幅压缩。
NVIDIA 发布 Nemotron 3.5 Lightning,一款可定制的开源 30B 混合专家(MoE)模型,专为常驻智能体设计。相比同类开源模型,其 token 生成速度最高提升 4 倍,任务完成时间缩短 30%。该模型采用开放权重,支持用户微调以匹配特定任务,并可在 RTX PC、DGX Spark 及 Jetson 等设备上运行。
推荐理由:本地运行 30B MoE 模型并声称 4 倍加速,与开源路由器结合可自动分配任务到最合适模型,给控制推理成本提供了新路径。
蚂蚁 inclusionAI 开源 Ling-3.0 系列语言基础模型,含 tiny 与 flash 两个尺寸及预训练、中期训练、合并(WSM)等阶段检查点。该系列采用混合线性注意力与稀疏 MoE 架构,总参数 7.9B,每 token 仅激活 1.3B 参数(128 个路由专家中激活 8 个)。
推荐理由:用加权检查点合并替代学习率衰减,让基座模型更适合持续预训练,也为验证不同衰减曲线省去重复实验。
蚂蚁 inclusionAI 开源 Ling-3.0 系列高效语言基础模型,并发布预训练、中期训练及合并(WSM)等阶段的检查点,支持继续预训练、微调与研究。Ling-3.0-tiny-base 采用稀疏 MoE 架构,含 128 个路由专家,每 token 仅激活 1.3B 参数,总参数量 7.9B,并原生混合线性注意力以高效处理长上下文。
推荐理由:它把学习率衰减替换为加权检查点合并,基座模型更适合持续预训练和数据扩展,做继续预训练或领域微调时可复用这一训练策略做离线探索。
蚂蚁 inclusionAI 开源 Ling-3.0 系列语言基座模型,采用高度稀疏(1/64)MoE 架构,含 512 个路由专家,每个 token 仅激活 8 个路由专家和 1 个共享专家,激活参数仅 5.1B(Non-emb)。
推荐理由:WSM 合并替代学习率衰减,让持续预训练和动态数据扩展不必为每种衰减策略重跑训练,降低实验成本。
蚂蚁 inclusionAI 开源 Ling-3.0 系列语言基础模型,并发布预训练、中期训练及合并(WSM)等多个阶段检查点。该系列采用高度稀疏(1/64)MoE 架构,512 个路由专家中每 token 仅激活 8 个,激活参数仅 5.1B(Non-emb),总参数 124B,并原生结合 KDA 与 Gated MLA 混合线性注意力以高效处理长上下文。
推荐理由:把学习率衰减替换为权重合并并发布训练各阶段检查点,使持续预训练与不同衰减策略的离线比较不必逐次重跑,降低实验成本。
蚂蚁 inclusionAI 开源 Ling-3.0 系列语言基座模型,采用高度稀疏(1/64)MoE 架构,512 个路由专家中每 token 仅激活 8 个,总参数量 124B,激活参数仅 5.1B。该系列原生融合线性注意力,并以加权检查点合并替代传统学习率衰减。此次发布包含预训练、中期训练及合并(WSM)等多个训练阶段的检查点,支持继续预训练与微调,模型采用 MIT 许可证。
推荐理由:把训练中间态作为可下载 checkpoint 开放,配合 WSM 合并替代学习率衰减,做继续预训练或 MoE 研究时可从中间阶段开始,省去重复前置训练成本。
蚂蚁 inclusionAI 开源 Ling-3.0 系列高效语言基础模型,并发布预训练、中间训练及合并(WSM)等多个训练阶段检查点,支持继续预训练、微调与研究。
推荐理由:训练检查点分层开放,且用加权合并替代学习率衰减,为持续预训练和动态数据扩展提供了可复用的实验基座,减少不同策略的重复训练成本。
Inception Labs 发布面向搜索管线的 Mercury 2,扩散式并行解码超 1000 tokens/秒,在 WideSearch 各步骤比 Gemini 3.1 Flash Lite 快近 2 倍、比 GPT-5 Mini 快 10 倍,定价 $0.25/M 输入、$0.75/M 输出。
推荐理由:原文给出每步延迟、成本与检索消融数据,读者可据此评估扩散模型在搜索管线中的实际取舍。
Databricks 介绍如何让 Genie Agents 同时基于结构化数据与文档运行,且不牺牲治理能力。文章探讨了构建自动化简单业务任务的智能体虽易,但要在统一治理框架下融合两类数据源、确保安全合规地执行查询,仍需解决数据权限、血缘追踪与策略管控等关键问题。
推荐理由:教程提供了将 Genie Agent 同时接入结构化数据和文档的具体步骤,关键是把治理检查点嵌入数据源接入环节。
NVIDIA Nemotron 3.5 Lightning 现已登陆 Ollama,可完全在本地设备上运行。该模型为 30B 总参数、每 token 仅 3B 激活的混合 MoE 开放模型,面向需要持续运行的智能体任务,支持最高 1M token 上下文,借助 MTP、DFlash 或 DSpark 推测解码获得最高 4x 吞吐提升,并可比同类开源模型快 30% 完成任务。
推荐理由:原文给出了参数结构、上下文长度、吞吐数据和本地运行入口,读者可以据此判断它是否适合长期运行的本地智能体工作流。
Microsoft AI 发布 MAI-Image-2.6,在 Arena 文生图排行榜上排名第二,超过 Meta、Google 和 xAI 的模型。该模型整体比 MAI-Image-2.5 提升 +79 Elo,其中文本渲染提升 +91 Elo,各评测类别均有提升;已在 Arena 开放体验,稍后登陆 MAI Playground,并将陆续接入 Microsoft Foundry 等产品。
推荐理由:官方公布了 Arena 排名与各项 Elo 提升数据,读者可据此比较 MAI-Image 2.6 与 Google、Meta、xAI 模型的图像生成质量变化。
Suno 宣布 9 月 3 日起实施按套餐下载限额:Free 终身 7 次试用下载,Pro 每月 20 次,Premier 每月 60 次,Suno Studio 用户不限量,额外下载可购买。同日更新服务条款,付费计划下载的歌曲保留商业使用权。官方还预告与音乐行业合作开发的新一代模型,上线后旧模型将全部退役,但已生成的歌曲仍可播放、分享和二次创作。
推荐理由:Suno 官方公布下载限额、新服务条款和新一代模型计划,付费用户的商业权利和存量曲库安排都已说明清楚。