野生码农
阿里推出原生 Computer Use Agent「Qwen-CUA」
来源:AI工具集 · via AI工具集
阿里Qwen团队联合XLangLab推出原生ComputerUseAgent「Qwen-CUA」，基于397B-A17B混合专家架构，通过屏幕截图感知界面状态，无需依赖DOM树或无障碍元数据，直接输出键盘鼠标事件操控浏览器、桌面及专业软件。模型在OSWorld-Verified基准取得86.2分，万亿参数Max版本达87.6分。
腾讯混元推出新一代语音识别模型 Hy ASR 3.0 preview
来源:腾讯混元 · via AI工具集
腾讯混元推出新一代语音识别模型HyASR3.0preview，模型基于Hy3大语言模型打造，深度融合语音识别与深度语义理解能力，在中文普通话、英语及粤语等场景的识别准确率均达到业界顶尖水平，具备复杂语境下的智能纠错能力。
阿里千问图像生成模型 Qwen-Image-3.0 上线千问AI平台
来源:阿里云 · via AI工具集
阿里巴巴千问图像生成模型Qwen-Image-3.0上线千问AI平台，面向所有用户免费开放。旗舰版Qwen-Image-3.0-Pro与标准版Qwen-Image-3.0-Standard同步开放API。在国际评测平台Arena.ai最新文生图榜单中，模型位列国内第一、全球第五。
字节跳动推出音视频全双工大模型 SeedRealtime
来源:字节跳动Seed · via AI工具集
字节跳动Seed推出原生音视频全双工大模型SeedRealtime，基于统一架构原生融合音频、视频与文本，实现”边看、边听、边说”的实时多模态交互。模型具备音视频联合理解、主动交互与流畅对话节奏三大核心能力，端到端评测显示对话节奏问题较级联模型减少一半。
Mistral AI 开源多模态内容审核模型 Shieldstral
来源:IT之家 · via AI工具集
MistralAI开源多模态内容审核模型Shieldstral，支持12种语言且单张16GBGPU可运行。模型在多模态审核领域达到SOTA，性能媲美7倍规模竞品；创新性地将审核策略用自然语言问题形式输入，通过”是/否”问答机制输出校准安全分数，支持提示词分类、回答审核与毒性检测等任务。
京东开源实时流式视频编辑模型 JoyAI-Video-Edit
来源:京东黑板报 · via AI工具集
京东开源自研实时流式视频编辑模型JoyAI-Video-Edit，支持视频边播边改，在720P分辨率下实现每秒30帧推理，可处理任意时长视频。模型在OpenVE-Bench评测中全面领先SANAStreaming、LiveEdit等同类流式模型，编辑质量达到离线模型水平。
本文资讯条目聚合自 AI工具集(ai-bot.cn/daily-ai-news),原文链接随条附,版权归原出处所有