公司与模型
阿里千问 Qwen 系列的模型发布与开源更新，从旗舰大模型到能装进手机的小模型。
10 条精选近 30 天 10 条共收录 95 条
腾讯微信视觉团队发布开源视觉语言模型 WeVisOne-VL，提供 2B（2.44B 参数）和 4B（4.83B 参数）两个版本，用单个模型完成检测、指代、计数、指向、OCR、分割和 alpha matting。
能用一个 2B/4B 模型加 9.6M 像素解码器替掉检测器、OCR 和分割器三套组件，单卡 BF16 跑 Transformers 或 vLLM 即可；代价是 GGUF 出不了 mask，微调代码还没放出来。
GPUStack 团队在 DGX Spark（GB10、aarch64、121GB 统一内存）上部署了 Qwen-Image-2.1，通过 GPUStack 网关对外提供 OpenAI 兼容的文生图、图改图、RGBA 透明底和 LoRA 四项能力，硬件零改动。
能拿走一套 ARM 上跑 vLLM-Omni 镜像的排查顺序和只新增不替换的依赖锁法，落到本地模型部署这条线；代价是要自己写几十行参数翻译层，且 LoRA 只验了加载链路。
作者在 80 逻辑核双路 Xeon 服务器上实测 llama-cpp-python 跑 Qwen3-0.6B-Q8_0，8 线程达到峰值 36.27 tok/s，20 线程掉 24%，80 线程只有 11.04 tok/s，退回单线程水平。
能直接拿走线程扫描表、taskset 绑 NUMA 节点和 numactl --cpunodebind 加 --membind 的组合，落到本地模型部署线；代价是绝对 tok/s 是共享负载下的下限，只能看相对趋势。
商汤开源 Code2Video，一个基于 Qwen3.8-27B 微调的 27B 模型，不直接生成像素，而是为每个镜头写程序、渲染、看帧后改代码。文字、公式和图表数字从源数据输入，避免乱码；每个元素是命名对象，改一处只需小编辑而非整段重生成。
能拿走 skill 文件、需求转 brief 模板和含消息与工具调用的生产日志，复刻写代码渲染再改的产线；代价是只适合动效与图表类视频，实拍风格不适用。
阿里 ATH-MaaS 团队 10 月 20 日发布 OvisOCR3 技术报告，一个基于 Qwen3.5-0.8B 的统一 OCR 模型，单模型覆盖文档解析、通用 OCR、KIE、图表描述和跨页表格重建五类任务，权重已在 HuggingFace 开源。
能拿走双归一化分支加权重融合、关系优先奖励两套配方，落到 RAG 数据管道和本地部署；代价是四阶段无消融、教师算力账未披露。
作者用 Codex Skill 把知识解说视频链路拆成 DeepSeek 分镜、Qwen-TTS 逐句配音、汇影AI 素材检索和 capcut-meta 生成剪映草稿四段，各环节定好输入输出契约。
能拿走强制 visual/comment 二分类的分镜提示词与 JSON Schema，把文案到剪映草稿的机械环节自动化，落到视频产线；代价是要自己处理素材链接过期、片段重叠和编码不统一。
GVS5H 提出免训练的 ledger-based zero-shot 自编排方法，让同一模型的新实例通过共享文件系统交换计划、笔记和当前解法来拆解问题。
能拿走的是多智能体共享文件系统做计划与解法的编排脚本和跑分命令，可接到软件工厂的编码评测线上；代价是要 uv、各家 API key 和 128k token 预算，且部分模型反而变差。
Meowcute 项目用单张 RTX 4090 加全离线 Qwen-Image-2.1，把游戏角色四视图做到可用，单套约 1~1.5 分钟、峰值显存 14.7GB。
能拿走一套四视图做法，正视图文生图、侧背右以正视图为参考逐张指令转身、numpy 拼板，落到游戏素材产线；代价是 470 字八段指令工程和 40 步画质底线，90° 正侧面仍会丢背包。
作者在 48GB 显存被推理服务占满的情况下，用 CPU 对 2B 以下模型做 LoRA 微调，同任务同数据耗时约为 GPU 的 11 倍，精度差在小数点后三位。
能拿走 CPU 跑 LoRA 的四个具体坑和修法，包括 device 与精度成对切换、qwen3_nothink 模板、8bit 量化、LFS 指针检查，落到本地模型部署这条线，代价是 2B 以下窄任务要等 11 倍时间。
阿里云云原生团队介绍开源本机路由引擎 HiRoute 如何用百炼 System One 的 Jev 决策模型判断任务类别、复杂度和上一阶段完成质量，再决定交给经济模型还是主力模型。
能拿走一套可复用的路由决策请求结构，把分类、复杂度、阶段胜任度拆成独立问题一次调用，落到本地模型部署和软件工厂的模型选型上；代价是要自己写评分标准和阈值，历史裁剪与证据完整性得单独处理。