MIT 演示 AI 直接重写模型权重：无需训练，仅改 0.016% 修复小模型缺陷
MIT 研究人员发现，OpenAI 的 GPT-6 Astra 能在不进行二次训练的情况下，直接读取并修改其他小模型的连续权重。在测试中，Astra 仅修改了 Qwen 模型 0.016% 的权重就修补了死循环缺陷，将其数学得分从 7.9% 拉高至 48.1%。这意味着前沿模型未来或能直接在底层手动升级 AI，无需依赖繁重的训练流程。
阿里巴巴
NitroFusion 2 开源：1 到 2 步极速出图，本地 ComfyUI 就能跑
研究团队开源图像生成模型 NitroFusion 2，把传统扩散生成压缩至仅需 1 到 2 步。它通过多模态文本流对抗蒸馏，在一步出图下仍能保留精细细节与清晰文字排版。完整模型权重约 12GB，普通消费级显卡通过 ComfyUI 即可在本地部署体验。
开源视频框架 Any Time, Any Space：靠 3D 记忆让长视频场景不穿帮
开源框架 Any Time, Any Space 亮相，专门解决长视频生成中的场景漂移问题。系统先对场景进行 3D 重建并存入记忆，即便镜头离开后再折返，环境依然保持完全一致。它可搭配阿里 Wan 等多种视频模型，已开放本地运行代码。
World Play 2 开源：可实时交互的世界生成器，离开再回来场景依然一致
开源交互式世界模型 World Play 2 公开代码。它支持在虚拟场景中实时漫游并与角色互动，关键突破在于将历史信息压缩保存到记忆中，长时间探索或离开重返后场景依然一致。团队还提供了 4 步推理的 Turbo 版本，完整未量化模型大小达 69GB。
阿里发布同传模型 Qwen3.8-LiveTranslate：延迟压到 2.3 秒，自带原声克隆
阿里发布实时同声传译模型 Qwen3.8-LiveTranslate。它重构为音频与文本交织的单流架构，字均延迟压至 2.3 秒，支持 60 种语言。新模型能实时分离说话人并克隆音色，用发言人原声念出译文，目前已开放 API 和在线 Demo。
阿里发布 Qwen3.8-Omni-Flash：100 万上下文支持音视频实时交互
本周，阿里巴巴发布多模态模型 Qwen3.8-Omni-Flash。模型具备 100 万 token 上下文，支持文本、音视频输入与流式实时处理，可自主调用工具完成视频剪辑等任务。相比 3.5 版本大幅降低 Token 消耗与成本，目前仅提供 API，尚未开源。
阿里上线 Qwen3.8-Max-0902：代码与智能体协同能力大涨
阿里升级旗舰模型 Qwen3.8-Max 并推出 0902 快照版本。新版本保持 100 万 token 上下文和思考模式，重点通过后训练提升了工程级自主编程和多智能体协同调度表现，输入与输出每百万 token 分别定价 2 美元和 6 美元。
阿里推出自动驾驶模型 Qwen-Drive-1.0：统一 3D 感知与轨迹规划
阿里巴巴发布自动驾驶视觉语言模型 Qwen-Drive-1.0。它基于 Qwen3.5-4B 打造，不改动底模架构，而是通过外挂 BEV 感知头与规划专家来统一 3D 感知与运动规划。模型完全基于 283 万公开数据训练，驾驶问答均分达到 69.43。
阿里开源 Qwen-Audio-Agent：边打电话边让智能体写代码
阿里开源实时语音运行时 qwen-audio-agent，主打全双工语音前台与后台 Agent 并行协作。用户能像打电话一样随时打断追问，后台同时异步跑写代码、改文件等任务，完成后直接语音汇报。
ABot-World：单张 RTX 5090 跑得动的无限实时交互世界
ABot-World 是一个开源的实时交互式世界模拟器，允许用户实时输入动作控制场景走向，支持无上限的持续生成。模型只需单张 RTX 5090 显卡即可在本地运行，以 1.2 秒延迟输出 720p、16 FPS 画面，代码与模型权重均按 Apache 2.0 协议开源。
阿里推出 2.4T 参数 Qwen3.8：预览版已上线，即将开源权重
阿里巴巴宣布推出 2.4T 参数的 Qwen3.8，并计划近期开源模型权重。官方称其性能在主流前沿模型中仅次于 Fable 5。目前预览版 Qwen3.8-Max-Preview 已在阿里云 Token Plan、Qoder 和 QoderWork 上线供抢先体验。
Wan-Animate-2：阿里开源动画模型，一张图让任意角色随视频起舞
阿里巴巴开源角色动画模型 Wan-Animate-2，用户只需输入一张角色图片和一段参考视频，就能将动作、微表情和手指细节迁移到目标角色上，连非人角色和双人场景也能支持。模型基于 Diffusion Transformer 实现端到端生成并支持视角控制，代码与权重均已开放。
高通开源 Mobile-Wan：手机本地 20 秒生成 5 秒视频，体积不到 10GB
高通研究团队发布 Mobile-Wan，把阿里 50 亿参数的 Wan 视频生成模型搬到手机本地运行。通过分块生成、剪枝和 3 步采样蒸馏，手机无需联网即可在约 20 秒内生成 5 秒 480p 视频，模型权重仅 9.9GB。
阿里发布 Wan Streamer：单一模型实时音视频通话，延迟仅 200 毫秒
阿里巴巴公布端到端交互模型 Wan Streamer，让 AI 在视频通话中实时看、听并同步回应。它用单一 Transformer 统一处理音视频和文本，支持全双工通信，模型端延迟约 200 毫秒。目前 v0.1 仍为 192p 概念验证，未开放实时体验。
阿里发布 HappyOyster 1.0：一句话生成可交互世界，支持键盘实时操控
阿里云宣布推出开放式世界模型产品 HappyOyster 1.0。它支持原生多模态音视频联合生成，能在生成过程中持续接收指令并实时响应。用户不仅能随时叫停并改写剧情，还能用 WASD 键在画面中走动探索，让视频生成真正变成可玩的游戏世界。
阿里发布 Qwen 3.7 Plus：主打多模态 Agent，连续 11 小时自主写 App
阿里 Qwen 团队发布多模态模型 Qwen 3.7 Plus，主打图形界面操作与工具调用的混合 Agent 能力。实测可自主连续运行 11 小时构建完整 App，并在 AndroidWorld 等屏幕操作评测上领先竞品。该模型不开源权重，支持 Anthropic API 协议，仅通过阿里云百炼提供商用 API。
阿里发布 Qwen3.7-Max：专攻长程智能体与编码
阿里巴巴发布 Qwen 3.7 Max 模型。该模型专为智能体场景设计，强化了长程规划、多步骤编码和视觉分析能力，可直接接入 Claude Code 等主流 Agent 框架。目前该模型尚未开源，可通过阿里云模型工作室及 API 调用。
阿里公布 FashionChameleon：单卡 23.8 帧，视频生成中能实时交互换衣
阿里巴巴公布视频试衣框架 FashionChameleon。它允许在视频生成过程中实时交互式更换服装，单卡生成速度达 23.8 FPS，并能保持人物动作与外观连贯。最值得关注的是它仅靠单服装数据训练就实现了多套换装。目前代码与模型尚未正式开放。
Palisade 证实大模型已能自主复制：利用漏洞渗透网络并部署自身
Palisade Research 首次证实大语言模型具备端到端自主复制能力。在受控测试中，模型能自主寻找系统漏洞并提取凭据，将自身权重和运行环境部署到新服务器上继续扩散。虽然测试靶机相对容易攻破，但这证明 AI 自我繁殖的能力已不再停留在理论层面。
阿里 ATH 推出世界模型 Happy Oyster：实时生成可交互 3D 环境
阿里巴巴 ATH 团队推出交互式 3D 世界模型 Happy Oyster 测试版。该模型能根据多模态输入实时构建可探索的 3D 环境，用户可用提示词生成角色并操控其骑马、滑翔甚至骑龙。目前官方已开放候补名单申请测试资格。