一条模型消息里，同时塞进了 770B、1M、MIT License 和 24 小时直播。

今天中文科技圈的关键词很直白，模型还在变大，但真正开始分叉的是它们准备被放到哪里去。有人把多模态模型推给 Agent，有人把超长上下文当作云端入口，也有人已经拿它做一刻不停的直播间。参数并不稀奇，落点才是。

DeepSeek 把多模态 Agent 放进开源的牌桌

DeepSeek-V4-Flash-Vision-Exp 已在 Hugging Face 开源，采用 MIT License。RSS 摘要显示，这是 DeepSeek 首个多模态模型，权重、Tokenizer 和 Prompt Encoder 均对外公开，方向明确指向视觉理解与 Agent 任务。

这类模型的看点，不只是「能看图」。对开发者来说，视觉输入一旦进入 Agent 的工具链，网页、界面截图、表单和图表就不再需要先被拆成一堆脆弱的 OCR 与规则。它离可靠地操作真实系统当然还有距离，尤其是界面理解、权限控制和错误恢复仍是难题，但开放权重至少让团队可以自己测、自己改。

来源，IT之家 RSS。 原文

智谱开源 GLM-5.3，重点落在编程与防御

智谱宣布开放 GLM-5.3 模型权重，主打智能体编程、长程任务与防御性网络安全。摘要提到它支持本地运行和定制，并给出了 AA 综合智能指数 60 分的成绩。

我更在意「防御性」这个限定。安全能力很容易被包装成一张能力清单，工程上却必须有审计、沙箱和最小权限。把模型放进真实研发流程，能不能少制造一次事故，比排行榜多几分更重要。

来源，IT之家 RSS。 原文

腾讯混元把 1M 上下文和开源放在同一张牌上

腾讯混元发布 Hy4 preview，官方摘要给出的规格是 770B 总参数、49B 激活参数、1M 上下文，并已开源，同时上线腾讯云 TokenHub 与 OpenRouter。

1M 上下文很容易让人想到「把整个仓库塞进去」。实际用过的人都知道，长上下文不是自动理解。检索、任务拆分、上下文压缩和评测一个都躲不开。它更像把工作台扩大了，不是替你收拾工作台。

来源，腾讯混元公众号。 原文

MiniMax 的 24 小时 AI 直播，开始测试视频模型的生产力

MiniMax 将 H3 Max 的 768P、480P 能力接入开放平台和 MiniMax Design。摘要中提到，海外开发者已经拿它搭建 Twitch 直播与 24 小时「AI 电视台」。

这件事有点意思。视频生成从演示片段走向连续播出，考验的不再只是单帧好不好看，而是角色一致性、叙事持续性、成本和故障恢复。一个永不停播的频道，才会把这些不浪漫的问题全部逼出来。

来源，MiniMax 公众号。 原文

语音转写继续变成基础能力，Gemini 3.5 Transcribe 盯上细节

Google 发布 Gemini 3.5 Transcribe。RSS 摘要称，它提供说话人分离、词级毫秒时间戳，支持 85 种以上语言自动识别与代码切换。

转写工具真正拉开差距的地方，往往不是「能不能转」。会议纪要里谁说了什么、哪一句需要回听、中文夹英文术语会不会断裂，这些细节才决定它会不会进入日常工作流。国内做会议、客服与内容生产工具的团队，值得盯住这条线。

来源，Google AI Developers RSS。 原文

Midjourney 试水 V8.2 编辑，图像工作流还在往可控走

Midjourney 面向所有用户开放 V8.2 图像编辑模型测试，支持指令编辑、图生图、局部重绘、扩画，并可同时引用最多 4 张参考图。

生成图已经不缺，缺的是修改时别把原本正确的东西也毁掉。对设计和内容团队而言，参考图数量、局部编辑和风格约束都是更贴近日常的能力。这里没有魔法，只有一次次减少返工。

来源，Midjourney Updates RSS。 原文

今天留下的一个判断

这批消息看起来很散，开源模型、超长上下文、视频直播、转写、图像编辑各说各话。但它们都在往同一个方向挪，模型不再只负责回答问题，而是被塞进一条具体的生产流程。

模型的数字会很快过期，工作流里省下的那一步不会。

以上内容基于今日 AI HOT RSS 汇总，产品规格与开放范围以各公司后续公告为准。