近期，人工智能领域再度迎来创新热潮，多家公司接连发布新的AI产品与技术，为行业发展注入强劲动力。
9月14日，Stability AI正式推出企业级音频生成模型StableAudio2.5。该模型在音频细节和生成速度方面实现显著提升，号称能够“仅用2秒钟即可创建3分钟音频曲目”。其核心改进聚焦于音乐生成能力，生成结果更贴合真实编曲逻辑，可呈现完整的前奏、发展与结尾等多段式结构。同时，新版模型对提示词的理解更为精准，在情绪描述和音乐风格词汇的把握上，能给出更符合预期的响应。生成速度的显著提升，得益于研发团队提出的后训练方法ARC。这一技术通过结合相对式对抗训练与对比判别器，在保证音轨质量的同时，大幅降低GPU推理耗时。此外，StableAudio2.5还新增音频修补功能，用户导入自己的音频文件并指定“延展位置”后，模型可依据音频前后内容及整体曲风，一键“延长”音频，为剪辑等场景提供便利。目前，该模型已可通过StableAudio官网直接试用，也支持本地化部署。不过，官方规定用户上传的音频文件不得包含受版权保护的内容，网站将利用自带的内容识别系统进行检测，以确保不侵犯他人版权。
百度也在模型领域发力，推出开源权重“思考”模型ERNIE-4.5。该模型总参数量达210亿，在性能表现上十分亮眼。据百度相关负责人介绍，ERNIE-4.5在多模态理解能力方面取得显著进步，能够进行图形推理、图表分析，还具备理解漫画、歌曲、电影等多模态内容的能力。作为深度思考模型，它在性能上对标DeepSeek-R1，拥有“长思维链”，尤其擅长中文知识问答、文学创作、逻辑推理等任务。同时，该模型增加了多模态能力和多工具调用功能，不仅能理解和生成图片，还可调用工具生成代码和图表等，并且大幅降低了推理成本。
阿里巴巴通义千问团队同样成果丰硕，推出“Qwen3-Next”系列模型，并开源前沿混合专家模型Qwen-Next-80B-A3B等。Qwen3-Next是Qwen系列的最新成员，基于Qwen3架构改进优化。其模型总参数约800亿（80B），但推理时仅启用约3B参数（active参数）参与，大幅减少推理时的计算资源消耗，同时保留强大的表达能力。该模型引入混合注意力机制，如“线性注意力+门控注意力”的混合设计，提升了长输入（longcontext）下的处理效率。
在输入32,000token或更高时，“prefill”阶段比Qwen3-32B快约10.6倍，decode阶段快约10倍。通过架构设计与活跃参数控制，Qwen3-Next的训练成本低于Qwen3-32B，更具成本效益。并且，它支持思考模式与非思考模式，用户可依据任务复杂性进行选择，以平衡速度与准确性。在性能表现上，Qwen3-Next在长上下文情景下，输出第一个token的速度以及decode阶段速度均有大幅提升，在某些任务中的评测结果已等同甚至优于Qwen3-32B。
