所有文章 · SURL AI News

MiniMax H3 公開 33B 基礎權重，原生同步生成影片與立體聲

MiniMax H3 以單一 Transformer 聯合預測影音 latent，支援文字、首尾幀及多模態參考生成。公開版本可本機產生 768p 影音，但官方 2K 流程仍依賴兩個未開源的雲端模組。

Harness‑IF 將規則分散到系統提示、專案檔案、使用者指令、工具與技能描述，再以實際執行證據逐條評分。12 款前沿模型面對違反自身預設傾向的規則時，準確率一致下降。

VICBench 以人工與代理雙重追溯，標註Python、Java及C++專案中100個CVE的漏洞引入提交。跨檔案搬移與重構令V‑SZZ及LLM4SZZ大量誤判，也暴露受影響版本資料的可靠性問題。

LTX‑2.5 公開 22B 可訓練及八步蒸餾權重，新增跨鏡頭角色、聲音與場景一致性。完整快速入門元件約 66 GiB，Diffusers 支援仍須安裝主分支，模型也受營收門檻式社群授權限制。

阿里千問公開 Qwen3.8‑2.4T‑A95B，以 512 個專家、混合線性與標準注意力支援最長約 101 萬 token。模型可調整推理深度，但只接受文字、不能關閉思考模式，實際部署門檻遠高於一般開放權重模型。

一項新研究把四款開放權重模型的生成上限由 64 提高至 4,096 token，三項推理基準的領先模型均曾改變。排除截斷後仍有 3%至19%題目在增加預算時由對轉錯，顯示單一 token 設定不足以支撐部署選型。

Amazon 研究團隊把既有工具使用基準改造成可控制「重試、切換或停止」的故障環境。Qwen3-4B 加入結構化復原資訊後，受干擾零售任務通過率最高增加 16.8 個百分點，但系統尚未真正驗證不可解任務上的正確棄權。

Anthropic 將為 2026 年 8 月 2 日後推出的 Claude 模型加入模型層文字水印，並為支援的檔案嵌入 C2PA 簽章來源資料。水印只能證明內容可能經 Claude 處理，不能證明作品由 AI 原創，公開偵測工具與實測準確率亦尚未公布。

StateFlow 把物件幾何、姿態、語意狀態及攝影機保存成可編輯的 3D 世界，再讓影片模型負責視覺潤飾。30 人實驗給予其影片預視 4.5／5 的整體評分，但系統依賴多個封閉模型，程式亦尚未公開。

一項強到弱測試時轉移實驗，讓較強模型替固定的小模型編寫路由、格式檢查與確定性求解程式，而不更新其權重。最佳 harness 修正約 83% 的基線錯誤，但成績高度依賴可被編譯成規則的心智理論基準。

Liquid AI 發布 3.1B 參數的 LFM2.5‑VL‑3B，加入畫面定位、版面 OCR、多圖理解與函式呼叫能力。官方在 Apple M5 Max 測得 228 token/s，單張 H100 高併發吞吐約 11,000 token/s，但數據尚待獨立重現。

一項 LoCoMo 實驗發現，通用摘要會保留人物與事件，卻選擇性丟掉日期、時間及持續長度。明確要求逐字保留時間錨點後，時序問題的評審準確率由 15.6%升至 47.0%。