元旦快乐！
2025大家都收获了啥？
元旦快乐！
更多动态
试了下 Qwen-Image-2512
，这可能是目前开源界最顺手的生图模型。 1️⃣ 文字排版真的强：直接 Prompt 生成带字布局，不仅单词拼对率高，连字体设计感都在线，不用再开 Canva 二次加工。 2️⃣ “AI 味”少了很多：以前用 SD 跑真人都自带磨皮滤镜，这个版本把皮肤纹理和光影还原得很“糙”，做 Landing Page 素材反而更有质感。 目前看 AI Arena 的盲测数据，它在开源梯队里确实属于第一梯队。虽然本地部署对显存有点要求，但作为生产力工具，这点配置投入值得。 #AI工作流 #QwenImage #开源模型 #独立开发 #效率工具
试了下刚更的 Qwen Code v0.6.0，体感比之前「顺滑」了不少
。 1️⃣ 自定义 Skills 真香：以前每次都要重复教 AI 怎么写符合我习惯的 Unit Test，现在能把这套逻辑封装成 Skill。需要时一行指令调用，感觉像是给 AI 发了个标准 SOP，不用反复费口舌。 2️⃣ 自动压缩省 Token：新版的 /compress 和 /summary 命令终于支持非交互模式了。我跑长脚本时它能自动压缩上下文，不用担心聊着聊着 Token 爆炸，对独立开发者的钱包很友好 💸。 3️⃣ 模型选择更灵活：原生支持接入 Gemini 和 Anthropic 了。我这两天实测：复杂架构设计切 Claude，简单搬砖切回 Qwen，配合起来效率最高。 虽然配置新 Provider 时要改下环境变量，但跑通后是真舒服。 #AI工作流 #QwenCode #本地部署 #独立开发 #效率工具
美团 LongCat-2.5发布了。
1.6T 总参、激活约 48B，原生多模态，主推长程智能体，全程国产算力训练。 图像量化成多级离散 token，Visual Coding 与 3D 受益。 大规模长程 RL，把失败轨迹转成可验证训练任务。 W4A4 推理，prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。
商汤开源 SenseNova Loop-9B-Preview。
它不堆参数，堆"层数"。32 层解码器，中间 4–27 层同权重跑两遍 → 前向 56 层计算，只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72，超 Qwen3.5-27B；Terminal Bench依旧落后。
