Pwdz-1 Uncensored：基于 GLM-5.3-Flash 的无审查多模态模型上线 Hugging Face
Pwdz-1 Uncensored 是基于 GLM-5.3-Flash 架构的 320B 级稀疏 MoE 多模态模型，原生视觉塔支持图文输入，上下文窗口达 1,048,576 token，经无拒绝微调可直答不回避。
#多模态
新闻、仓库与研究，按时间排列。
Hugging Face · 新模型：uncensoredAI 评分4242 Hugging Face · 新模型：abliteratedAI 评分4848 Pwdz-2 Abliterated 发布：基于 GLM-5.3-Flash 的去拒绝多模态模型
Pwdz-2 Abliterated 基于 GLM-5.3-Flash 架构的 320B 级稀疏 MoE 模型，通过权重空间消融移除拒绝行为，保留完整推理与指令遵循能力。
Hugging Face · 趋势模型精选AI 评分8181 
Qwen3.8-Flash-Next 开放权重发布：125B 参数激活 6B，原生 262K 上下文
Qwen 团队在 Hugging Face 开放 Qwen3.8-Flash-Next 权重，这是支撑 Qwen4 架构的实验性预览版本，总参数 125B、激活 6B，另有 51B n-gram 嵌入和 4B MTP。
推荐理由：官方模型卡给出了完整架构细节与多基准对比数据，读者可以据此评估新架构在长上下文和 Agent 任务上的实际表现。
Hugging Face · 趋势模型精选AI 评分5858 BFS 面部与身体替换 LoRA 系列在 Hugging Face 发布
Alissonerdx 在 Hugging Face 发布 BFS（Best Face Swap）系列 LoRA，支持面部、头部和身体替换，覆盖 Qwen Image 2.1、Qwen Image Edit 2509/2511、Flux 2 Klein、Krea 2 和实验性 LTX-2 工作流。
推荐理由：BFS 面部与身体替换 LoRA 覆盖 Qwen Image、Flux 2 Klein 等多个基模型，且给出了各版本的输入顺序与强度等使用约定。
Hugging Face · 趋势模型精选AI 评分8282 
DeepSeek-AI 发布 DeepSeek-V4.1-Flash：552B 多模态 MoE 模型，支持 1M token 上下文与 KV cache 压缩
DeepSeek-AI 在 Hugging Face 发布多模态 MoE 模型 DeepSeek-V4.1-Flash，552B 骨干参数、每 token 预填充激活 8B、解码激活 16B，支持 1M token 上下文，MIT License 开放权重。
推荐理由：原文给出CED架构与CSA2等KV cache压缩设计细节，并附同框架基准分数，读者可自行对比它与V4-Flash及前沿模型的性价比。
Hugging Face · 趋势模型精选AI 评分6161 TaichuAI 发布 9B 多模态基础模型 ZDTaichu5.0-9B
TaichuAI 在 Hugging Face 开放 ZDTaichu5.0-9B 权重，这是一个面向视觉理解、空间推理、Agent 工具调用与具身智能研究的多模态基础模型，采用 Qwen3.5-9B 语言骨干加 C-RADIOv4-H 视觉编码器，支持文本、单图、多图和视频输入，任意分辨率，上下文最长 128K tokens。
推荐理由：模型卡附完整基准表，把该模型与同规模开源及闭源 VLM 在空间、具身和 Agent 任务上逐项对比，便于按需选型。
Hugging Face · 趋势模型精选AI 评分7272 Viggle 发布 Qwen-Image-2.1 蒸馏加速版 turbo，6 步生成比 40 步基座快约 5 倍
Viggle 在 Hugging Face 发布 Qwen/Qwen-Image-2.1 的少步蒸馏版本 Qwen-Image-2.1-viggle-turbo，以 LoRA 形式实现 6 步生成替代 40 步，无需 CFG，端到端约快 5 倍，质量与基座接近。
推荐理由：原文给出蒸馏步数、速度倍数、各量化格式的 LPIPS 对比和已知短板，读者可据此判断该 LoRA 是否适合自己的部署场景。
Hugging Face · 趋势模型精选AI 评分7676 
ISTA-DASLab 发布 Qwen3.8-Flash-Next 的 GSQ-RCO 非均匀量化 GGUF
ISTA-DASLab 发布 Qwen3.8-Flash-Next 的 GSQ-RCO 非均匀量化 GGUF，提供 Q2_0、IQ2_XS、IQ3_XXS、IQ3_S 四档及多模态 mmproj 文件。
推荐理由：原文给出四个量化档位的实测跑分、吞吐与显存占用数据，读者可按内存预算与质量需求直接选型。
Hugging Face · 趋势模型精选AI 评分6666 
千问开源 Qwen-Image-2.1 文生图与图像编辑统一模型
千问（Qwen）开源 Qwen-Image-2.1，一个统一的文生图与图像编辑模型，视觉生成组件仅 7B 参数（32 层 Single-Stream DiT）。
推荐理由：官方发布页给出了架构规模、四项改进点和 diffusers 快速上手代码，读者可以直接评估生成与编辑能力是否匹配自己的用途。
Hugging Face · 趋势模型精选AI 评分7575 Qwen3.8-27B 开放权重发布：原生视觉语言稠密模型
千问（Qwen）在 Hugging Face 开放 Qwen3.8-27B 后训练权重，称其为 Qwen 开放模型家族迄今最强一代，基于 Qwen3.5 架构、27B 参数稠密模型，原生支持图像与视频理解。
推荐理由：原文给出与 Qwen3.6-27B、Qwen3.7-Plus、Muse Glimmer-30B、Opus4.6 Max 在编码、Agent 和视觉任务上的完整对照数据，读者可据此评估这个 27B 稠密模型在自家工作流中的实际取舍。
Hugging Face · 趋势模型精选AI 评分6767 Aleph Alpha 发布 MoE 推理模型 Kolibri 1，开放 Apache 2.0 权重
Aleph Alpha 开源了 MoE 推理模型 Kolibri 1，总参数 78B、每 token 激活 3.46B，专注德语和英语，支持显式推理模式与工具调用，原生上下文 262,144 tokens，可外推至 1,048,576 tokens，权重采用 Apache 2.0 许可。
推荐理由：模型卡附完整技术报告，给出训练配置、能耗数据与同设置下的德英双语评测对比，可据此评估其实际水平。
Hugging Face · 趋势模型精选AI 评分6161 Cloudflare 发布 9B 多模态决策模型 Clef-Flash，基于 Qwen3.5-9B 后训练
Cloudflare 在 Hugging Face 开放 9B 多模态决策模型 Clef-Flash 权重，由 Qwen/Qwen3.5-9B 后训练而来，Apache-2.0 协议。
推荐理由：模型卡同时给出 Decision Index 全量分数、延迟和四个业务工作流的实测结果，读者可以据此判断这个 9B 决策模型在哪些任务上强于基座。
Hugging Face · 趋势模型精选AI 评分6767 
Lightricks 开放 LTX-2.5 音视频生成模型权重
Lightricks 在 Hugging Face 开放 LTX-2.5 权重，这是一个可本地执行与微调的开放世界模型，可从文本、图像和视频输入生成同步的高保真视频与音频。
推荐理由：官方模型卡完整列出了各组件权重文件、量化变体与运行约束，读者可直接比对 22B 蒸馏与完整版的使用路径和 ComfyUI 兼容性。
Hugging Face · 趋势模型AI 评分4343 
Qwen-Image-2.1 Uncensored GGUF 量化版本发布
abenzerps 在 Hugging Face 发布 Qwen/Qwen-Image-2.1 的 Uncensored GGUF 量化版本，提供 BF16（14.23 GB）到 Q4_0（4.15 GB）等多种量化文件，推荐 Q4_K_M（4.60 GB）以平衡体积与质量。
Hugging Face · 趋势模型AI 评分4242 
convaiinnovations/laya：多语言非自回归 System 1 决策模型
convaiinnovations/laya 是一个多语言非自回归 System 1 决策模型，输入状态与带类型的问题后，单次前向传播（约 33 ms）返回带校准概率的类型化答案，支持 100+ 种语言，通过 RLCD 强化学习训练，不生成文本因此无幻觉。
Hugging Face · 趋势模型精选AI 评分6262 Cloudflare 开源 27B 多模态决策模型 Clef
Cloudflare 在 Hugging Face 开源决策模型 Clef，从 Qwen3.8-27B 后训练而来，以单次前向传播对 schema 化问题逐选项输出概率，无自由文本生成与输出解析，支持文本、JSON、图片和视频输入。
推荐理由：原文附上 Decision Index 与 Jev 等基线的逐项对比和延迟数据，可据此评估该决策模型在不同任务上的取舍。
Hugging Face · 新模型：uncensoredAI 评分4141 
Qwen-Image-2.1 Uncensored GGUF 量化版本发布
用户 laazuri 在 Hugging Face 发布 Qwen/Qwen-Image-2.1 的无审查 GGUF 量化版本，提供 BF16 到 Q4_0 等多种量化文件，体积从 14.23 GB 到 4.15 GB 不等，其中 Q4_K_M 被推荐为体积与质量的最佳平衡。仓库同时打包 ComfyUI 所需的 text encoder（qwen3vl_8b）和 VAE 配套文件，需配合 leejet 的 ComfyUI-GGUF fork 使用。该版本无内置安全检查器或内容过滤，可直接生成成人及 NSFW 内容，采用 Qwen Research License 授权。
Hugging Face · 新模型：uncensoredAI 评分4949 
Qwen-Image-2.1 无审查版 GGUF 量化上线 Hugging Face
Hugging Face 用户 natsuto999 发布了基于 Qwen/Qwen-Image-2.1 上游权重的无审查 GGUF 量化版本，提供 BF16（14.23 GB）到 Q4_0（4.15 GB）等多档量化文件，推荐 Q4_K_M 以平衡体积与质量。该版本移除内置安全检查器，可直接生成成人及 NSFW 内容，输出取决于输入提示词与运行环境。模型可配合 ComfyUI 与 ComfyUI-GGUF 本地运行，文本编码器可卸载到系统内存以节省 9–17 GB 显存，许可证为 Qwen Research License。
arXiv · cs.AIAI 评分2626 基于视觉预测力的机器人学习：无需力传感器的柔性夹爪操作方法
研究人员提出通过 Fin Ray 柔性夹爪的形变进行视觉力预测，替代专用力/触觉传感器。方法先训练视觉力估计器为示教数据标注力信息，再训练动作-力提议策略联合生成候选动作及其预期力，测试时执行预测力最接近目标值的动作。在采莓、空罐抓取、手中重定向和插头插入任务中验证有效。
arXiv · cs.AIAI 评分3232 Knossos 与 Ariadne：用视觉语言模型评测并学习完整图表拓扑抽取
论文提出图表拓扑抽取任务，并发布 Knossos 基准：涵盖 6 个领域的 19,200 张图表，含 245,179 个节点和 439,740 条边，符号生成保证图与标注精确对齐。同时提出 Ariadne 框架，将任务分解为节点抽取与源条件边预测，在 Knossos 上取得评测方法中最高的平均 Edge F1，且在真实世界外部基准上也优于未适配的基座模型。代码与基准已开源。
arXiv · cs.AIAI 评分1111 面向神经发育评估的神经多样性感知多模态情感计算：从常模参照分类到情境敏感决策支持
一篇 arXiv 概念性文章提出神经多样性感知的多模态情感计算架构，用于神经发育评估，主张人群相对偏离不足以作为不良功能的充分证据。该架构在推理全程保持可观察信号、模态质量与可用性、情境、群体相对信息、个体内参照及预测不确定性的可区分性，并定义了覆盖校准、子群体评估、可解释性、隐私与人工决策边界的可审计决策支持要求。文章未报告参与者研究或训练系统，贡献属架构层面而非算法层面，证据基础以自闭症为主。
arXiv · cs.CLAI 评分4242 SpeechLLM 如何用对比激活添加（CAA）实现免训练任务定向
一项 arXiv 研究提出免训练的对比激活添加（CAA）方法，从少量标注语音数据中导出 SpeechLLM 的任务导向激活向量，在推理时加入表示空间即可强化目标语音任务。结合提示词后，该方法在 ASR、情绪识别（ER）等多数评测任务上优于仅用提示词，并可迁移到域外数据，还能用脚本规范化方向强制目标语言的书写体系。
arXiv · cs.AIAI 评分2929 PermVLA：将分解顺序作为 VLA 学习的正则化手段
arXiv 论文提出 PermVLA，指出 VLA 策略通常采用固定的从左到右（LTR）分解，并将分解顺序视为一种被忽视的正则化选择。其因果锚定排列（CAP）方法以可调时序前缀采样动作揭示顺序，通过辅助目标让同一共享策略从专家数据块的不同已知子集预测动作，推理时仍保留确定性 LTR 控制。在 LIBERO、LIBERO-Plus 及跨数据集 CALVIN 评测中，CAP 均稳定优于标准 LTR 训练，并可扩展至 diffusion 动作生成器。
arXiv · cs.AIAI 评分3232 ConEx：通过概念感知归因生成人类可解释的显著性图
计算机视觉可解释性研究提出 ConEx 框架，将显著性可视化与基于概念的推理结合。该框架利用概念激活向量（CAV）和特定架构的掩码机制自动发现类别概念，无需人工监督，并生成揭示概念位置及其对预测贡献的忠实显著性图。作者还提出 VCM 和 CCM 两个指标量化概念对齐度，实验显示 ConEx 在忠实性、分割和概念质量基准上达到 SOTA。
arXiv · cs.CLAI 评分5151 arXiv 论文提出 DCAT：在多模态 LLM 中实现方向性跨模态对齐迁移
arXiv 论文（arXiv:2610.04580）提出 DCAT（Directional Cross-modal Alignment Transfer）框架，将数据充足、对齐良好的源模态 MLLM 的文本对齐迁移到数据稀缺的目标模态，无需进一步微调即可提升目标模态性能。
arXiv · cs.AIAI 评分1010 Surya 太阳基础模型跨模态适配：从 He I 10830 Å 合成 EUV 图像与冕洞分割
研究人员将 Surya 太阳基础模型适配，从 He I 10830 Å 全盘氦线观测生成 SDO/AIA 94、193、304 Å 图像及冕洞概率图。在留出的观测数据上，三个 AIA 通道的日盘内相关系数分别达 0.8196、0.8885 和 0.8398，冕洞分割 IoU 为 0.4360。可选残差精修器将合成 AIA 304 与 SOHO/EIT 304 参考的相关性从 0.6511 提升至 0.7085，支持用氦线观测重建历史太阳 EUV 形态。
arXiv · cs.CLAI 评分2424 HSA-HER：面向放射报告生成的同质语义对齐与层级专家路由框架
论文提出用于放射报告生成（RRG）的两阶段框架 HSA-HER（Homogeneous Semantic Alignment and Hierarchical Expert Routing）。该框架先在潜在空间引入同质分布约束消除视觉与文本特征的跨模态分布偏移，再以疾病语义锚点引导层级专家路由，动态激活专家网络并对多源证据自适应分配融合权重。在三个主流基准数据集上达到 SOTA 表现。
arXiv · cs.CLAI 评分2323 基于 Twitter 数据的 Emoji 情绪排序系统研究
一项 arXiv 研究基于 2020-2025 年间收集的 100,000 条含 emoji 的 Twitter (X) 回复，构建 emoji 感知情绪分析框架，对每条消息分类 Happy、Angry、Sad、Fear、Surprise 五种基本情绪，并聚合情绪分数建立 emoji 情绪排序系统。
arXiv · cs.AIAI 评分4141 SNAP：更少 Decoder 更强 Encoder——从新视角合成学习几何表示
论文提出 SNAP，一种自监督 encoder-decoder transformer，通过位姿条件局部 decoder 和潜空间重建目标，解决新视角合成中空间表达力过强的 decoder 稀释场景 encoder、低层像素目标阻碍特征学习的问题。
arXiv · cs.AIAI 评分4545 4DCodeBench：通过代码生成评测智能体动态场景逆向图形能力的基准
4DCodeBench 是一个面向 4D 逆向图形的基准，要求智能体从视频中重建动态场景并生成可执行的图形程序，涉及形变、流体流动和断裂等物理现象。基准包含真实视频与合成场景，对前沿模型的测试显示，静态重建能力强并不代表能可靠重建复杂动态。
arXiv · cs.AI精选AI 评分5454 EyeRobot 2.0：用主动注视实现无需腕部相机的精准操作
研究者提出 EyeRobot 2.0 框架，仅用单个立体相机通过主动注视实现精细双手操作：双目视点转向对准 3D 注视点，图像按中央凹方式分配更多视觉 token。
推荐理由：原文给出主动注视框架在 1000 次真实与 1800 次仿真试验中的成功率对比数据，可据此评估去掉腕部相机后的实际代价与补偿效果。
arXiv · cs.AIAI 评分2424 转录组信息驱动的多模态 AI 从乳腺癌活检预测新辅助治疗疗效
研究者开发两阶段 AI 模型，从乳腺癌活检病理切片预测新辅助治疗的病理完全缓解（pCR）。第一阶段基于 8,742 名患者、32 种癌症数据从组织病理学推断转录组，第二阶段用推断表达和临床变量预测 pCR，在 1,412 名患者九个队列中达到合并 AUROC 0.79（95% CI 0.73-0.85），优于组织病理学标志物。
arXiv · cs.AIAI 评分3030 面向海洋环境监测的星载异常检测方案
研究者提出一套用于搭载多光谱/高光谱传感器的对地观测卫星的海洋事件检测管线，利用自监督神经网络编码器将卫星图像压缩到低维潜空间，再用机器学习异常检测模型识别海洋环境异常，并与 Isolation Forest、One-Class SVM、Local Outlier Factor 等传统算法对比。
arXiv · cs.AIAI 评分4141 LoGo：用局部-全局奖励实现长时程一致的视频生成
LoGo 是一种面向相机控制视频模型的后训练方法，将全局奖励与空间局部奖励结合：局部奖励提供细粒度 credit assignment，显著改善 3D 一致性，全局奖励则保持相机跟随与视频质量。在三个基础模型上，LoGo 在 DL3DV 与新基准 TrajectoryBench 上表现更优，有效减少局部物体偏移、伪影和全局场景变化。
arXiv · cs.AIAI 评分4848 HyperBrowseComp：面向网页浏览智能体的多语言多模态压力测试基准
研究者推出浏览智能体基准 HyperBrowseComp，包含 423 道人工编写并经人工校验的题目，覆盖 13 种语言，答案需通过多步线索链或检查视频、扫描文档、图像、地图等异构证据才能得出。团队在统一智能体协议下用厂商原生搜索与共享外部检索工具评估多个模型，并对部分题目做了人类评测作对照。
Google · AI 博客AI 评分2525 
Google 2026年9月AI动态汇总：Gemini 4 Argon、Gemini 3.8 Flash 与 WeatherNext 3
Google 发布9月AI动态汇总，主打新前沿模型 Gemini 4 Argon，具备高级推理与 1-million-token 输出上限，正通过 Fairwind Program 向可信网络防御者分阶段推出。
arXiv · cs.CLAI 评分4444 研究单语 RAG 中推理语言与查询语言对齐的作用
一项 arXiv 研究构建了基于桌游 The Dark Eye 的全德语单语 RAG 问答测试床，发现让 agentic RAG 系统的推理语言与查询和检索文档对齐能提升效果：强制德语推理优于强制法语，且检索上下文越丰富、越具结构感知时优势越大；但德语推理仅达到模型原生英语推理水平而未能超越，表明仍需原生多语推理。测试床与 QA benchmark 已公开。
Hugging Face Blog精选AI 评分7070 
Hugging Face 推出 Open TTS Leaderboard：多语言 TTS 与语音克隆的可扩展评测
Hugging Face 推出面向开源与多语言 TTS 的 Open TTS Leaderboard，用客观指标替代难以扩展的 arena 式人工投票。评测维度包括基于 Qwen3 ASR 的 WER/CER 可懂度、H200 GPU 上的 RTFx 与 TTFA 速度、以及 WavLM 嵌入余弦相似度（SIM）衡量说话人相似度，将单模型评测从数周缩短到数小时。
推荐理由：用 WER、SIM、TTFA 等客观指标把评测周期从数周缩到数小时，并解释了开源模型在 arena 榜单上代表性不足的原因。
Hugging Face · 趋势模型精选AI 评分5252 
复旦与腾讯混元等开源 Prism 动态稀疏注意力框架，支持 2K 原生视频音频联合生成
复旦大学、腾讯混元与浙江大学团队发布 Prism，一个面向 2K 分辨率原生视频音频联合生成训练的动态稀疏注意力框架，相比全注意力训练提速 2.5 倍且生成质量更高。项目页、训练/推理代码、技术报告与 preview 模型权重已在 Hugging Face 开放，预览模型支持 720p、1080p 和 2K 原生联合生成，训练需 32 至 64 张 NVIDIA 80 GB GPU，技术报告为 arXiv:2610.05416。
推荐理由：项目放出了预览权重并完整公开训练与推理代码，还给出各分辨率的 GPU 需求，便于读者评估复现成本。
Google · AI 博客AI 评分1515 
Google 展望 AI 的社会影响：从科研走向现实应用
Google 盘点了 AI 在社会影响领域的落地成果，涵盖疾病检测与防治、自然灾害预测、拓展学习机会和创造经济机会四大方向。这些能力已从理论研究转变为可衡量的现实影响，Google 正与全球社区和研究者合作，推动 AI 机遇惠及更多人。