·技术调研
1 分钟0
AI 每日调研 · 2026年09月19日｜Qwen全模态模型发布、具身智能户外全自主直播
今日速览 1. 阿里发布Qwen3.8-Omni-Flash原生全模态模型，支持1M上下文，音视频理解能力大幅提升 2. 乐享科技完成全球首次具身智能机器人1小时户外全自主直播，覆盖点单、烧烤全流程 3. 移动云发布国内首个国产GPU+类脑芯片大模型异构混合推理系统，为AI应用提供自主可控算力
HalfSugar
半甜不要腻 · 记录学习、算法与 AI 前沿
152
篇文章
49
个分类
这里是 HalfSugar 的个人博客，分享大模型与多模态前沿论文解读、工程实践、算法题解， 偶尔也有小游戏和生活碎片。内容按主题归档，欢迎用标签或搜索自由探索。
最新精选
最近文章
展示 15 / 152 篇·技术调研
1 分钟0
AI 每日调研 · 2026年09月18日｜阿里发布Qwen3.8-Omni、移动云推国产异构推理系统
今日速览 1. 阿里巴巴推出新一代原生全模态模型Qwen3.8-Omni-Flash，支持文本、图像、音频、视频输入及1M上下文，音视频Agent成本下降九成。 2. 移动云联合多家机构发布国内首个国产GPU+类脑芯片大模型异构混合推理系统，为国产算力支撑大模型推理提供新路径。 3. 紫东太初
·技术调研
1 分钟0
AI 每日调研 · 2026年09月17日｜OpenAI GPT-6将发、Qwen3.8全模态模型上线
今日速览 1. OpenAI 预告参数量超4万亿的GPT-6大模型1个月内发布，GPT-6 Astra已上线工作场景，大模型迭代带动算力产业链关注度提升。 2. 阿里千问发布Qwen3.8-Omni-Flash原生全模态模型，支持1M上下文，音视频输入成本最高下降98%，全模态能力较上一代提升
·技术调研
1 分钟0
AI 每日调研 · 2026年09月16日｜GPT-6 Sol待发、AI智能体手机落地、Vidu S2发布
AI 每日调研 · 2026年09月16日 今日速览 1. 大模型领域头部厂商密集迭代：OpenAI 9月已推出GPT-Live-1、GPT-6 Astra，o1系列推理模型与200美元/月的ChatGPT Pro套餐同步公布；生数科技发布Vidu S2实时互动与视频编辑双模型，全量开放
·技术调研, 论文解读
1 分钟0
LLM-as-a-Judge 不是神谕：自我改进 Agent 为什么需要确定性护栏
> 论文：LLM-as-a-Judge Is Not an Oracle: Why Self-Improving Agents Need Deterministic Guardrails > 作者：Vansh Wahi（滑铁卢大学，AI Research Engineer） > arXiv：
·技术
1 分钟0
2026外滩大会全记录：共创AI新经济——智能体商业、具身智能与AI新经济的三个切面
2026年9月9日至12日，以「共创AI新经济」为主题的2026 Inclusion·外滩大会在上海黄浦世博园区举行。这是外滩大会自2020年连续举办的第四届1。和往届聚焦金融科技技术前沿不同，本届大会最大的变化，是把聚光灯从「AI能升什么级」转向「AI能不能真的帮人办事、帮人交易、走进工厂和田
·技术
1 分钟0
什么是 Agent，Agent 又是怎么被评测的？——从定义、核心循环到 SWE-bench、GAIA、tau-bench 一张图讲清
"Agent"（智能体）大概是 2024 年以来被用得最滥、也最容易引起误解的一个词。挂个工具调用就叫 Agent，套层 while 循环也叫 Agent，加个规划模块还叫 Agent。与此同时，围绕 Agent 的评测也在两年内迅速膨胀：SWE-bench、GAIA、WebArena、OSWorl
·技术
1 分钟0
全双工语音模型精读①：Moshi——第一个实时全双工语音大模型，双流建模与 Inner Monologue
> 全双工语音模型系列精读第 1 篇。本文基于 Moshi 官方论文 arXiv:2410.00037v2 与开源代码，梳理其设计动机、架构与评测。配套总览见《全双工语音大模型全景调研》。 一、为什么它是"鼻祖" 在 Moshi 之前（2024 年 9 月之前），所有语音助手都是级联流
·技术
1 分钟0
全双工语音模型精读②：Freeze-Omni——冻结 LLM、8 张卡 6 万条数据做出全双工语音对话
> 全双工语音模型系列精读第 2 篇。本文基于 Freeze-Omni 论文 arXiv:2411.00774v5 与官方项目页，梳理其"冻结骨干"路线。配套总览见《全双工语音大模型全景调研》。 一、它要解决的痛点：语音数据太少，微调会"变傻" GPT-4o 展示端到端语音交互后，2024
·技术
1 分钟0
全双工语音模型精读③：GLM-4-Voice-9B——175bps 单码本、12.5Hz、INT4 可本地跑的中文语音助手
> 全双工语音模型系列精读第 3 篇。本文基于 GLM-4-Voice 技术报告 arXiv:2412.02612 与官方开源仓库，梳理其端侧中文实时语音方案。配套总览见《全双工语音大模型全景调研》。 一、定位：要"像人"、要实时、还要能本地跑 GLM-4-Voice（智谱 AI，Zeng
·技术
1 分钟0
全双工语音模型精读④：Qwen3-Omni——Thinker-Talker MoE，音频首包 234ms 的开源全模态旗舰
> 全双工语音模型系列精读第 4 篇。本文基于 Qwen3-Omni 技术报告 arXiv:2509.17765 与官方开源仓库，梳理其 Thinker-Talker MoE 架构。配套总览见《全双工语音大模型全景调研》；下一代 Qwen3.5-Omni 见该文第五节。 一、定位：首个"全模
·技术
1 分钟0
全双工语音模型精读⑤：Gander 论文精读——腾讯混元的全双工语音智能体，如何把"实时对话"和"长任务干活"缝进一个模型
> 全双工语音模型系列精读第 5 篇。本文逐节解读《Omni Interaction Agent Technical Report》（Gander，arXiv:2609.08977v2，2026 年 9 月 9 日）。该研究由腾讯混元语音团队（Hunyuan Speech Team, Tence
·技术
1 分钟0
全双工语音模型精读⑥：Qwen3.5-Omni Realtime——Hybrid-MoE、ARIA 文音对齐与语义打断的全模态旗舰
> 全双工语音模型系列精读第 6 篇。本文基于 Qwen 官方博客《Qwen3.5-Omni: Scaling Up, Toward Native Omni-Modal AGI》（2026-03-30）与阿里云百炼 Realtime API 文档。配套总览见《全双工语音大模型全景调研》；上一代 Qw
·技术
1 分钟0
全双工语音模型精读⑦：OpenAI gpt-realtime 与 GPT-Live——从端到端 S2S API 到全双工前台/后台委派
> 全双工语音模型系列精读第 7 篇。本文基于 OpenAI 官方博客与官方帮助文档，梳理 OpenAI 语音线两代产品：gpt-realtime（2025-08-28 GA）与 GPT-Live（2026-07-08）。配套总览见《全双工语音大模型全景调研》。 一、OpenAI 语音线的两
·技术
1 分钟0
全双工语音模型精读⑧：Google Gemini Live API——原生多模态全双工、视觉在环与主动开口
> 全双工语音模型系列精读第 8 篇。本文基于 Google 官方 Gemini API 文档（Live API）梳理其原生多模态全双工方案。配套总览见《全双工语音大模型全景调研》。 一、定位：把"视觉在环"做成 Live API 标配 Gemini Live API 是 Google 面