本文介绍如何将AceData Cloud提供的10个MCP Server（涵盖音乐、绘画、视频、搜索等）接入Google的Gemini CLI终端AI助手。文章详细说明了获取API Token、通过CLI命令或配置文件添加MCP的步骤，并提供了使用示例、计费方式及常见问题解答，帮助用户扩展Gemini CLI的多模态能力。

智谱发布GLM-5.3-Flash模型，价格低廉，支持多模态理解，并发率提升至50，速度快，性能可与Opus媲美。相比之下，DeepSeek涨价后优势减弱，作者对其兴趣下降。

智谱发布并开源GLM-5.3 Flash模型，即此前海外爆火的神秘模型“牛来”。该模型为320B参数、原生多模态，能力超越更大体量模型，在AA榜单获57分，价格仅为Claude Opus 4.8的1/40。实测中能精准配字幕、制作电影解说和还原设计稿。其采用混合注意力架构，运行于国产芯片，支持1M上下文，并已全面开源。

Z.ai的GLM-5.3-Flash模型（即Ox-alpha）以超低推理成本和高性能引发关注，性能接近Claude Opus 4.8和GPT-5.6 Terra，尤其在AI代理任务中表现优异。该模型支持多模态输入，基于中国AI芯片优化，推理成本远低于竞争对手，凸显中国开源模型在性能与成本上的竞争力。

STARFlow2提出统一多模态生成模型，结合冻结视觉语言模型与自回归归一化流，通过残差连接和统一因果掩码实现连续、单遍生成。它支持文本与图像交错输出，直接进入KV缓存，无需重编码，在图像生成和理解基准上表现优异，验证了自回归流作为统一多模态建模基础的可行性。

智象未来CEO梅涛在世界机器人大会论坛上演讲，提出高IQ不等于全能，强调世界模型对具身智能的重要性。公司发布原生全模态交互式世界模型HiDream-O1-World，支持多模态输入和长时程时空一致性，应用于AI影游、仿真和3D生成，并构建“数据—认知—行动—反馈”闭环飞轮，推动Physical AI商业化。

Muse-Glimmer-30B是Meta推出的300亿参数多模态智能体模型，支持本地运行，融合推理、工具调用和多模态理解，性能优异。文章还介绍了HyperAI平台更新的数据集、教程及社区内容，涵盖人物画像、车辆检测、分子处理、语音识别等AI资源。

DeepSeek发布多模态视觉理解模型V4-Flash-Vision-Exp，上线API平台，补齐视觉能力。该模型纯文本能力与V4-Flash持平，多模态Agent能力接近Opus-4.8，支持PPT生成、网站重构等场景。API按token计费，图片最多384 tokens，价格与V4-Flash一致，并推出免费Files API，降低开发者接入门槛。

Thinking Machines发布开源模型Inkling，采用混合专家架构，总参数9750亿，但每次推理仅激活约410亿参数。该模型结合滑动窗口与全局注意力层，支持百万级token上下文，并使用相对位置编码以避免外推问题。Inkling支持图像和音频输入，并引入可调推理努力参数，旨在便于用户定制和微调。

Qwen3.8-27B开源，拥有270亿参数，支持原生多模态和262K上下文，可扩展至100万Token。在SWE-bench Pro和QwenSWEBench上超越Claude Opus 4.6 Max，Agent和多模态评测表现优异。内置推理档位可调，支持关闭Thinking模式，默认开启preserve_thinking。量化后可在24GB显存显卡运行，支持Transformers、vLLM等部署。

Qwen3.8系列模型正式开源，所有开发者、科研机构和企业可免费下载、部署及商用。其中27B参数模型支持原生多模态和262K上下文，编程和办公性能大幅提升，新增推理控制功能。模型以Apache2.0协议开放，累计开源460余个模型，全球下载超30亿次。

OpenAI发布GPT-5.6 Luna，性能与DeepSeek V4相当，但速度快三倍，价格仅为后者的1/860，并支持多模态。Luna降价80%后免费开放给十亿用户，而DeepSeek计划涨价。文章认为，大模型竞争胜负取决于成本，而非智商，OpenAI正以价格优势重塑市场格局。

Google发布Gemini 3.7 Flash，半价促销至年底，四个月后价格翻倍。性能提升但迭代过快，疑为价格调整载体。竞争激烈，多模态有优势但API门槛高，开发者信任受损。此策略或为市场防御，但生命周期短于促销期，开发者应观望。

本文介绍Gemini Chat Completion API的申请与使用方法。需先在Ace Data Cloud控制台获取API Token，填写authorization、model和messages参数即可调用。支持多模态图片/视频输入、流式响应及多轮对话，并提供了Python、Java等代码示例及错误处理说明。

中科院团队提出GMC核心集剪枝方法，解决视觉语言模型Token冗余问题。该方法免训练，通过互补证据筛选和群体信息传输，保留关键视觉信息，减少80%以上Token，性能保持99%以上，并抑制幻觉，兼容Qwen、LLaVA等模型，提升推理速度，降低显存占用。

摩尔线程基于AI训推一体智算卡MTT S5000及MUSA软件栈，在MiniMax H3开源当日完成极速适配，仅用3小时打通推理路径。H3支持多模态输入，可生成2K视频，价格低至0.8元/秒，具备商用性价比。双方合作旨在加速多模态模型创新与AGI产业化落地。

本文系统研究了多模态大语言模型（MLLMs）中的偏好对齐问题，将算法分为离线（如DPO）和在线（在线DPO）两类，发现两者结合可提升性能。作者提出无需额外标注或外部模型的新型数据构建方法“偏差驱动幻觉采样”（BDHS），在多个基准上达到与现有对齐工作相当的竞争力，并分析了偏好数据集构建细节对模型表现的影响。