模型发布 - AI 资讯
20万页 智能选型深度横向博弈，紧密跟踪前沿大模型发布与 AI 落地实战应用解析。
Manus 发布 Plan Mode：引入‘先规划后执行’机制，重构 AI 开发协作流程
Manus 隆重推出 Plan Mode，旨在解决 AI 生成代码常因‘方向错误’导致的返工问题。该功能强制在构建前引入结构化规划环节，用户需审阅并批准详细方案后方可执行。通过模拟人工技术评审，Plan Mode 能有效识别边缘情况与逻辑冲突，显著降低开发试错成本，实现从‘盲目构建’到‘精准对齐’的范式转变。
阿里 Qwen 发布 Qwen-Image-2.1：7B 参数模型原生支持 RGBA 透明背景
阿里巴巴 Qwen 团队于 2026 年 9 月 20 日发布 Qwen-Image-2.1，这是一款仅 70 亿参数的紧凑图像生成与编辑模型。其核心突破在于原生支持 RGBA 透明通道，无需额外抠图步骤即可生成带透明背景的图像或从现有图像提取主体。该模型统一了生成与编辑能力，支持多参考图编辑及本地 2K 输出，可在单张消费级显卡上运行，为设计师和开发者提供了高性价比的开源替代方案。
Typecast 发布教程视频生成指南：从脚本到配音的全流程自动化
Typecast 官方发布全新教程视频制作指南，详细拆解了利用 AI 技术完成视频策划、录制与配音的完整流程。该指南重点展示了如何利用 AI 助手进行脚本规划、自动化录制以及高质量的人声合成（Voiceover），旨在帮助开发者与创作者降低视频制作门槛，实现从创意构思到成品输出的高效闭环。
OpenAI 发布 GPT-6.1 Sol：Copilot 新引擎，多步代码任务效率跃升
OpenAI 正式将 GPT-6.1 Sol 模型引入 GitHub Copilot，标志着其代码生成能力进入新阶段。该模型专为智能体（Agent）编程与终端工作流设计，在早期测试中展现出显著优于 GPT-6 及 GPT-5.6 系列的多步骤任务完成率和 Token 使用效率。目前面向 Pro+、Max 及企业用户开放，支持多 IDE 环境，旨在降低开发成本并提升复杂代码任务的自动化水平。
OpenRouter 集成 TypeSafe Jev 模型：构建基于概率的自动化内容审核系统
OpenRouter 宣布集成 TypeSafe 的 Jev 决策模型，通过 OpenRouter Decisions API 提供结构化、可量化的内容审核能力。该模型支持 choice、noul 和 score 三种问题类型，输出带有置信度校准的概率分布，而非简单的文本回答。文章详细展示了如何在 TypeScript 中构建包含硬规则预处理和 Jev 软规则判断的完整审核流水线，适用于商品上架、工单路由等场景。
WaveSpeedAI 发布 Seedance 2.5：多模态视频生成与编辑能力的全面跃升
WaveSpeedAI 于 2026 年 9 月 27 日发布 Seedance 2.5，标志着其视频生成引擎在物理一致性、长视频控制及多模态交互上的重大突破。新版本支持从文本到视频、图像到视频及视频扩展的全链路创作，并大幅提升了 4K 分辨率下的细节保持能力。此次更新不仅强化了与 Kling、Sora 等顶尖模型的对比优势，更通过 API 迁移与 MCP 协议兼容，为开发者提供了构建复杂视频工作流的坚实基础。
RHTV AI 创作画布发布：一站式商品广告视频生成工作流
RunningHub 推出 RHTV AI 创作画布，专为电商与品牌营销打造。该工具将商品图到广告视频的完整流程（脚本、分镜、生成、输出）整合至单一可视化工作流中，支持多版本快速迭代与模板复用，大幅降低专业视频制作门槛，提升内容生产效率。
DomoAI 发布音频响应式迷幻视频生成工具，重塑 AI 视觉创作边界
DomoAI 推出全新音频响应式迷幻视频生成功能，支持文本/图像转视频，实现音乐同步的视觉变形。核心亮点包括多风格一键切换、批量生成变体及社交数据分析。该工具旨在降低专业视频制作门槛，赋能音乐人、创作者及品牌快速产出沉浸式内容。
Krisp 发布语音翻译 API：企业级实时 Speech-to-Speech 翻译引擎开源
Krisp 正式推出 Voice Translation API，将运行于企业呼叫中心的高精度实时语音翻译引擎以自助服务形式开放给开发者。该 API 基于超过 100 万分钟真实通话数据训练，支持 30 种语言，在真实嘈杂环境下的翻译准确率高达 96%，显著解决了通用模型在真实场景中的幻觉与断连问题，为客服、医疗及金融领域提供生产级语音交互能力。
AssemblyAI 发布 Universal-3.5 Pro：原生支持 18 语种代码切换与高精度说话人分离
AssemblyAI 正式推出旗舰级异步语音转写模型 Universal-3.5 Pro。该模型原生支持跨 18 种语言的代码切换（Code-Switching），无需后处理即可精准识别混合语种对话；同时采用联合建模架构，实现了业界最准确的说话人分离（Speaker Diarization），有效解决重叠语音与短轮次对话的归因难题。相比竞品，其在代码切换场景下的词错误率（WER）显著降低，为复杂会议记录与客服质检提供全新标准。
Resemble AI 发布 2026 上半年深度伪造威胁报告：821 起攻击，Grok 主导合成文件
Resemble AI 于 2026 年 8 月发布《2026 年上半年深度伪造威胁报告》，揭示过去六个月全球范围内发生了 821 起经核实的深度伪造攻击。报告指出，攻击者利用 Grok 等模型生成了超过 346 万份合成文件，媒体曝光量达到 2928 亿次。报告强调了非自愿性色情内容（NCII）的严峻性，并详细分析了法律监管与民事赔偿的巨额风险，为开发者与合规团队提供了关键的安全基准。
Playground AI 发布 v3 模型：专为图形设计打造，Argus 视觉语言模型实现精准控制
Playground AI 正式发布 Playground v3 (PGv3)，这是一款专为图形设计能力定制的大模型。与通用图像模型不同，PGv3 在提示词理解、排版、色彩精度及布局控制上实现突破。同时，团队推出了 Argus 视觉语言模型，能超越人类描述图像细节。此次更新标志着 AI 从“生成图像”向“精准设计”的跨越，为开发者提供了更强大的图形创作工具。
