快手KAT系列Agentic Coding大模型：KAT-Dev-32B和KAT-Coder
2025年9月25日，快手Kwaipilot团队发布KAT系列两款大模型——KAT-Dev-32B和KAT-Coder，在代码智能领域表现亮眼。KAT-Dev-32B是开源的32亿参数模型，在SWE-Bench Verified测试中解决率达62.4%，开源模型里排第5，适合轻量级开发环境。KAT-Coder作为闭源旗舰模型，解决率73.4%，功能强大且实用高效。
对于开发者而言，这两款模型意义重大。KAT-Dev-32B开源，方便开发者自由调用和实验，已在Hugging Face平台上线。KAT-Coder可通过StreamLake平台获取API调用，后续还会发布技术报告。它们为程序员提供了更多选择，助力在代码开发和智能应用领域高效工作。
在人工智能和机器学习快速发展的当下，这两款模型将推动代码智能技术普及。开发者借助它们，能在复杂编程环境中更得心应手，提升开发效率，降低开发成本。未来，随着技术不断进步，KAT系列模型有望在代码智能领域发挥更大作用，为行业发展注入新动力。
详情查看：快手推出双模编程模型：开源KAT-Dev-32B与闭源KAT-Coder性能领先
Moondream3.0预览版发布：2亿激活参数，高效视觉推理模型开源
最近，Moondream3.0预览版发布，这款基于高效混合专家架构的模型，在视觉推理能力上令人惊叹。它仅激活2亿参数，却拥有9亿参数总量，轻量化设计使其在复杂场景表现出色。与前代及GPT-5等顶尖模型相比，多项基准测试成绩优异，实现技术飞跃。
Moondream3.0支持32K上下文长度，适合实时交互和代理工作流。搭载创新SigLIP视觉编码器，能高分辨率处理图像，支持多裁剪通道拼接。虽训练数据量仅约450亿个令牌，但性能卓越。
该模型“全能”视觉技能突出，涵盖开放词汇物体检测、点选、计数等多种功能，还能直接生成结构化输出。在用户界面理解、文档转录和物体定位方面表现出色。实际应用中，能轻松识别复杂场景，应用范围广泛。
Moondream3.0开源，秉持“无训练、无地面真相数据、无重型基础设施”理念，开发者简单提示即可解锁强大视觉理解能力。已在机器人语义行为、移动设备和Raspberry Pi上成功部署，适合边缘计算场景。
详情查看：Moondream 3.0正式发布
腾讯混元图像3.0正式发布：业界首个开源商用级原生多模态生图模型
2025年9月28日，腾讯混元微信公众号官方正式发布混元图像3.0，这是业界首个开源商用级原生多模态生图模型。拥有80亿参数，效果可与顶尖闭源模型媲美，模型权重和加速版本已在GitHub和Hugging Face等开源社区发布，供开发者免费下载使用。
其亮点在于“原生多模态”技术架构，能同时处理文字、图片等多种输入输出形式，具备图像生成和语义理解双重能力，如同“智能画家”。语义理解能力显著提升，用户输入简单提示词，如生成科普漫画，模型就能自动生成完整内容。
混元图像3.0能精确生成用户指令，包括图片小字和长文本。还能处理复杂文字要求，生成商品图、海报等，满足各类创作需求。对于插画师、设计师和缺乏美术基础的内容创作者，它能大幅提升创作效率，原本数小时的创作可能几分钟完成。
该模型基于50亿图文对和6TB语料数据多模态混合训练，未来还将推出图生图、图像编辑等新功能，增强用户体验。用户可通过腾讯混元官网体验这一全新图像生成技术。
体验地址：腾讯混元官网入口 -首页-图像模型
Cherry Studio v1.6.0：开源AI桌面应用升级
2025年9月25日，开源AI桌面应用Cherry Studio发布v1.6.0版本，支持Windows、macOS和Linux系统，带来更强性能和更多实用功能，提升用户操作体验。
新版本接入全新AI SDK，重构底层框架，响应速度更快，操作更流畅。新增Perplexity SDK和Aionly提供商支持，为Anthropic提供便捷OAuth登录设置。集成PaddleOCR作为本地识别引擎，增强本地识别能力。新增内置API服务器，方便高级用户和开发者集成与自动化开发。
编辑和文件处理方面，富文本编辑器支持生成和导航目录，可自由调整字体大小，长文处理能力提升。知识库功能重构，支持文件和文件夹批量上传，聊天文本附件可直接预览。
稳定性与修复上，解决上百个已知问题，优化多平台兼容性。引入Biome和Oxlint等新一代前端工具链，提升开发效率和代码质量。这一系列改进，让Cherry Studio成为开发者和普通用户的理想选择。
项目地址： https://github.com/CherryHQ/cherry-studio/releases （海外网站需要科学上网）
YouTube Music试水AI主播功能，对标Spotify DJ，开放美国用户测试
YouTube Music周五宣布测试AI音乐主播功能，为用户收听的音乐提供相关故事、粉丝趣闻和评论解说，这是对Spotify两年前推出AI DJ功能的回应。
YouTube Music的新功能基于对话式AI实验，今年7月推出AI对话电台功能，允许用户创建自定义电台。此次AI主播功能通过YouTube Labs测试，这是YouTube新推出的AI实验中心，类似Google Labs。
YouTube Labs向所有用户开放，无需Premium会员资格，但目前仅有限数量美国用户能访问。该平台近期实施多项AI功能，为创作者发布生成式AI工具，推出AI驱动搜索结果轮播等。同时，YouTube也在打击AI垃圾内容，限制创作者从“非真实”内容获利。
音乐流媒体平台将AI个性化体验视为竞争关键，通过提供智能音乐解说和背景故事，创造沉浸式听觉体验。YouTube Labs的开放性策略，有望获得广泛用户反馈完善功能，但限制美国用户测试也体现其对稳定性和监管合规的谨慎。
体验地址：登录YouTube Music官网
商汤Seko：上线1个月，用户数突破10万
2025年9月28日，商汤微信公众号“商汤科技SenseTime”发文宣布：商汤Seko上线仅1个月，用户数突破10万，成为AI视频创作领域黑马，被创作者称为“AI短剧大师”。它凭借不用跨平台、不用调参数、不用学软件，对着创意“唠嗑”就能出片的优势，受到视频团队、自媒体大V和短剧导演青睐。
传统AI视频创作流程繁琐，需在多个软件间切换，学习成本高，输出一致性差。Seko则采用“创编一体”模式，一键对话生成完整视频，角色、风格、光线高度统一，0基础5分钟上手，适用短剧、广告、自媒体等多种场景。
技术上，Seko的AI能自动解析剧本生成详细分镜表，专业级成片编辑器所见即所得，可拖拽分镜调整顺序，修改细节。它还集成12个主流模型，自动匹配最佳模型。升级后的“一致性生图引擎”解决角色、光线、风格不一致问题。
使用Seko成本大幅下降，传统动画制作每分钟成本约2万元，用Seko后降至100元。未来，Seko还将上线“多语言配音”和“3D角色库”功能，降低出海视频制作门槛。
体验地址：商汤Seko官网平台
通义万相国际版Wan2.5发布2大核心功能：音频驱动视频生成与指令式图像编辑
2025年9月28日和9月26日，通义万相国际版Wan2.5预览版接连发布两大“黑科技”功能，在视频生成和图像编辑领域引发关注。
音频驱动视频生成功能是创新之举，打破常规创作方式。以前做视频靠文字脚本和图片素材，现在可直接用音频输入做文本转视频和图像转视频生成。结合音频和文本提示或参考图像，就能打造完整视频故事，省时省力，还能激发更多创意。Wan2.5支持生成长达10秒的视频，质量大大增强，让创作者能解锁更丰富视觉空间，讲好故事。
图像编辑功能方面，Wan2.5有基于指令的编辑功能，支持各种图像编辑任务，专业设计师和“小白”都能轻松使用，提高效率。同时，它支持从单个或多个图像参考生成，保证面部、产品和样式等视觉元素一致，有助于广告设计等创意完美呈现。
通义万相国际版Wan2.5预览版为创作者提供更厉害的工具，随着技术进步，将在视频生成和图像编辑领域发挥更大作用，开启创意科技新增程。
体验地址：通义万相网页版官网
想了解AITOP100平台其它版块的内容，请点击下方超链接查看
AI创作大赛 | AI活动 | AI工具集 | AI资讯专区
AITOP100平台官方交流社群二维码：
