◆ AI 总结

阶跃星辰的开源语音模型在架构和性能上均有突破，特别是其模态锚定推理技术，将推动音频AI向更本质的声学理解发展。同时，通义千问的生态持续活跃，社区开发者正基于其图像编辑模型进行垂直功能优化。

模型动态

Gemini

阶跃星辰发布并开源端到端语音大模型 Step-Audio-R1.1

模型特性：33B参数，65K上下文，采用双脑架构解耦推理与语音生成，实现0.92秒低延迟。 性能表现：在S2S（语音到语音）和S2T（语音到文本）基准测试中表现优异，后者甚至超过Gemini 2.5 Pro。 技术亮点：核心为MGRD框架，让模型直接基于音频声学特征进行推理，而非依赖转录文本，解决了“想得越多错得越多”的问题。 应用落地：已搭载于吉利银河M9海外版，为首个端到端语音模型量产车型。[1]
Qwen

开发者发布基于Qwen-Image-Edit-2511的LoRA模型LightingRemap Alpha 0.2

功能：专门用于优化图像的光影效果，提供更精准的高光和阴影控制。