智谱开源GLM-5.3-Flash多模态模型

智谱开源 GLM-5.3-Flash 原生多模态模型

8 月 26 日，智谱（Z.ai）发布并开源 GLM-5 系列首款原生多模态模型 GLM-5.3-Flash（320B-A18B）。该模型采用 MoE（混合专家）架构，总参数量为 3200 亿，每个 Token 激活约 180 亿参数，支持文本和图像输入以及 100 万 Token 上下文，并以 MIT 许可证开放模型权重。

在 Artificial Analysis Intelligence Index v4.1.1 评测中，GLM-5.3-Flash 得分为 57 分，与 Claude Opus 4.8 Max Effort 持平。智谱自研的 Z.ai Code Bench v1.0 测试显示，该模型在最高推理档位下得分为 29.0，Claude Opus 4.8 为 29.5。

架构方面，GLM-5.3-Flash 结合稀疏注意力与线性注意力，并引入流形约束超连接（Manifold-Constrained Hyper-Connections，简称 mHC），以降低长上下文推理的计算开销和 KV Cache 占用。模型还将视觉能力整合到 Coding 和 Agent 工作流中，可结合 Browser Use 与 Computer Use 处理网页、用户界面和代码执行反馈。

除软件开发外，GLM-5.3-Flash 还支持办公、金融研究和专业文档处理等场景，可结合外部工具完成分析、建模，并生成 PPTX、PDF、DOCX、XLSX 等格式的文件。目前，该模型已接入 ZCode、GLM Coding Plan 和官方 API，模型权重也已在 Hugging Face 开放。

价格方面，智谱表示，GLM-5.3-Flash 的常规 API 定价约为 GLM-5.3 的十分之一，限时折扣期间约为二十分之一。来源

Perplexity AI 推出 Portable Computer

8 月 25 日，Perplexity 携手 NVIDIA 推出端侧 AI 智能体 Portable Computer。该产品支持在设备端完整运行 Perplexity Computer 的核心工作流，实现文件分析、本地检索与任务调度等操作的纯本地化处理，仅在获得用户授权后按需协同调用云端模型。

硬件与模型适配方面，Portable Computer 首发支持运行 Linux 系统的 NVIDIA DGX Spark，可直接运行 Qwen 3.8 27B 以及 Perplexity 自研后训练的 PPLX 27B 模型，且所有在本地完成的任务均不消耗 Perplexity Credits。未来还将逐步引入 NVIDIA Nemotron 3.5 Lightning 及其针对快速响应深度优化的微调版本。

目前，Portable Computer 已面向 Perplexity Pro 和 Max 用户开放；对 Windows 系统以及搭载 GeForce RTX / RTX PRO GPU 的 PC 支持也将在后续陆续推出。来源

明基推出 Creative Pro PV50 系列专业显示器

8 月 25 日，明基（BenQ）发布 Creative Pro PV50 系列专业显示器，包括 32 英寸 PV3250U 和 27 英寸 PV2750U 两款型号。两款显示器均采用 4K UHD 分辨率，面向视频剪辑和后期调色等工作。

色彩方面，PV50 系列针对 Rec.709 工作流和 Gamma 2.4 工作流进行调校，支持 Dark-Tone Clarity（暗部清晰度）功能，用于改善暗部细节表现，减少黑位压缩和色调偏移。该系列还支持全屏色彩与亮度均匀性，以及 16-bit 3D LUT 硬件校准，校色数据可存储在显示器内部。

工作流功能方面，显示器提供 Shadow Check（暗部检查）、Marker（画幅标记）和 Area Zoom（局部放大）等工具，并配备磁吸式遮光罩和 Hotkey Puck 控制器。接口方面，PV50 系列支持 Thunderbolt 4，可通过一根线缆传输视频和数据，并提供最高 96W 的反向供电。来源

Google 推出 Gemini 3.5 Transcribe 语音转文本模型

8 月 26 日，Google 推出语音转文字（ASR）模型 Gemini 3.5 Transcribe。该模型支持实时流式转录和预录音频转录，可自动删除「嗯」「呃」等语气词、重复内容和口误，并根据用户随后的自我修正调整转录结果，生成更适合阅读的文本。

Google 表示，Gemini 3.5 Transcribe 的端到端转录延迟较上一代 Chirp 3 缩短约 70%。在 FLEURS 多语言基准测试中，其流式和非流式语音识别词错误率（WER）分别为 5.50% 和 5.04%；Artificial Analysis 的测试结果显示，该模型在流式和非流式场景下的平均 WER 分别为 4.0% 和 2.6%。此外，模型还改进了噪声环境下的转录表现，以及对订单号、邮政编码等字母数字组合的识别能力。

Gemini 3.5 Transcribe 支持 85 种以上语言，可自动识别语言并处理多语种切换。用户还可以提供自定义词汇表，以提高行业术语、品牌名和专有名词的识别准确率。对于预录音频，模型支持说话人区分和字词级时间戳。

开发者可通过 Google AI Studio、Google Antigravity 和 Gemini API 使用公开预览版。普通用户可在 macOS 版 Gemini App 以及部分地区 Android Gboard 的「Rambler」功能中体验相关能力，Chrome 浏览器的集成支持将在后续推出。来源

Google 同步推出了 Gemini Omni 1.1 Flash 多模态视频生成与编辑模型，面向视频创作和编辑场景。该模型新增场景扩展、首尾帧插值、视频参考和高分辨率输出等功能。

在扩展已有视频时，模型可以分析最长 10 秒的前序内容，并以每次 10 秒的长度继续生成，累计时长最长可达 40 秒。用户还可以指定视频的起始帧和结束帧，由模型生成两者之间的动态过渡。此外，模型支持输入最长 3 秒的参考视频，用于保持角色、动作和场景的一致性。

模型还提供 360p 草稿模式。与标准 720p 模式相比，该模式的系统吞吐速度最高可提升约 60%，生成成本约为后者的三分之一。完成内容确认后，用户可以生成 1080p 或最高 4K 分辨率的视频。

Gemini Omni 1.1 Flash 按视频时长计费，360p、720p、1080p 和 4K 视频的 API 价格分别为每秒 0.03、0.10、0.15 和 0.30 美元。目前，该模型已通过 Google AI Studio、Gemini API 和 Gemini Enterprise Agent Platform 向开发者开放，并在 Google Flow 中提供给 Google AI Plus、Pro 和 Ultra 订阅用户。来源

8 月 26 日，NVIDIA 宣布扩展 NVLink Fusion 半定制 AI 芯片平台，并推出面向定制 XPU 的 NVHBM 高带宽内存技术。NVHBM 采用 NVIDIA 定制的 HBM 基础裸片，将内存控制器集成到 HBM 3D 堆叠内部，以减少定制 AI 加速器集成 HBM 时的芯片面积、功耗和工程验证成本。

NVIDIA 表示，与标准 HBM4e 相比，NVHBM 的内存带宽最高可提升 30%，HBM 功耗最高可降低 15%。由于减少了 XPU 主芯片侧 PHY 和控制逻辑的占用，该方案可为计算裸片释放最多 25% 的额外面积；在特定芯片布局下，主计算裸片的可用面积最高可增加约 30%。更简化的接口设计还可以减少先进封装中介层的布线压力，为计算单元和专用加速模块留出更多空间。

NVHBM 面向大规模模型训练和推理等对内存带宽要求较高的工作负载，可用于处理模型权重、KV 缓存和激活值等数据。NVIDIA 表示，已与多家内存厂商完成相关技术的设计和验证，后续将通过多家供应商提供 NVHBM 方案，以帮助 NVLink Fusion 客户缩短定制 ASIC 或 XPU 的流片和系统验证周期。

在合作方面，亚马逊旗下芯片设计公司 Annapurna Labs 将成为首家与 NVIDIA 合作引入 NVHBM 的厂商。双方此前已确认，下一代 AI 芯片 Trainium 4 将支持 NVLink 6 和 NVLink Fusion，但 NVIDIA 尚未明确说明 Trainium 4 是否会采用 NVHBM。来源

微软 Xbox 团队宣布推出实体光盘数字化功能

8 月 26 日，微软 Xbox 官方宣布推出「实体光盘数字权益」功能（Physical Disc Digital Entitlement），Xbox Insider 预览体验成员将于 8 月 31 日率先开启测试。该功能允许玩家将受支持的 Xbox One 与 Xbox Series X 实体游戏光盘与个人微软账户绑定，在保留实体光盘原生读盘能力的同时，解锁对应的数字版游玩权限。

在具体使用上，玩家只需在配备光驱的 Xbox One 或 Xbox Series X 主机上登录账户，插入兼容光盘并启动游戏，即可领取数字权益。绑定完成后，玩家后续游玩时无需频繁插入光盘，可直接以数字形式启动游戏；若该作品支持 Xbox Play Anywhere（XPA）或 Xbox Cloud Gaming，还能进一步在 Windows PC、掌机及云游戏平台上跨端游玩。

关于兼容性与授权机制，微软表示首批将覆盖数千款作品，未来会逐步扩大适配名单，每张实体光盘仅对应一份「可撤销」的数字授权。来源

Apple 宣布将于北京时间 9 月 10 日凌晨 1 点召开新品发布会。来源

8 月 27 日，铁三角（Audio-Technica）ATH-CKD30C USB-C 有线入耳式耳机正式在美国市场开售。ATH-CKD30C 采用 USB-C 即插即用设计，可直连电脑、平板与智能手机，耳机线控模块集成麦克风。声学规格方面，耳机搭载 10mm 动圈单元并内置 DAC，频响范围为 5Hz 到 25kHz，最高支持 96kHz/24-bit USB 音频输入；同时预设 Bass Boost 低音增强与 Clear Voice 人声强化两种 EQ 模式。佩戴与配置方面，ATH-CKD30C 采用密闭入耳式结构，可提供被动隔音，但不支持 ANC 主动降噪。耳机随附 XS、S、M、L 四种尺寸的耳塞套。目前美国版提供黑、白两种配色，部分零售渠道标价为 224.99 美元。来源

理光映像（Ricoh Imaging）于 8 月 27 日宣布正在研发新一代高端便携数码相机 RICOH GR IVx。新机延续 GR 系列高画质、轻巧便携与快速抓拍的设计理念，并配备全新研发的 40mm 等效 GR 镜头，与采用 28mm 等效广角镜头的 GR IV 形成焦段互补。影像配置方面，RICOH GR IVx 搭载 26.1mm ƒ/2.8-16 镜头，35mm 等效焦距约为 40mm，官方称其视角更接近人眼的自然视野，适合人文纪实与日常街头快拍。机身内置约 2574 万有效像素的 APS-C CMOS 传感器，支持五轴传感器位移防抖，原生 ISO 感光度范围为 100-204800。发售与产品线方面，RICOH GR IVx 计划于 2026 年冬季或之后上市，售价待定。与此同时，受部分零部件停产断供影响，现款 GR IIIx、GR IIIx HDF 及 GR IIIx Urban Edition 预计将在日本市场完成今年 10 月的出货后陆续停产。来源

8 月 27 日，据 Windows Latest 援引熟悉微软 Windows 现代化计划的消息人士报道，微软仍计划逐步将控制面板中剩余功能迁移至 Windows 设置或其他现代化界面，但在打印机、网络设备、驱动程序及企业软件等传统组件完成兼容性改造前，控制面板暂时不会被直接移除。据悉，微软已经在 Windows Insider 测试采用 WinUI 重构的新版「运行」和「自动播放」对话框，新版「打印管理」应用也已进入 Release Preview Channel；文件资源管理器传统「属性」窗口同样正在进行现代化改造。这些组件预计将在后续 Windows 11 更新中逐步替代现有的 Win32 或 MMC 旧界面。来源

Google 宣布将收紧 Android 应用的性能和换机体验要求。Android 17 将根据设备 RAM 为应用设置内存上限，目前已在 Pixel 设备上启用，并计划逐步推广至更多 Android 厂商。应用达到上限后，系统可能压缩内存、限制性能或终止进程。从 2027 年 2 月起，Google Play 将检查应用的动态内存、Bitmap 内存和 DEX 代码优化情况。代码优化、缩减和混淆覆盖率均须达到至少 25%。未达标的应用和游戏可能被降低曝光，部分发布功能也可能受到限制。从 2027 年 4 月起，支持账户登录的应用还须接入 Zero-Tap Sign-In。用户换机并恢复数据后，应用应通过 Restore Credentials API 自动恢复登录状态。游戏目前暂不受此要求约束。来源

新一季少数派会员启航，更新权益，更多惊喜，还有实体纪念卡。点击了解

能让 AI 助手通过自然语言指令直接与您的 Quote/0 摘录墨水屏交互的 Dot Skill 已上线。点击了解

💻 来自 1997 年的迷你笔记本电脑，东芝 Libretto 50M 怀旧手记

🐧 日常使用 Linux 的第六个年头，这些经验希望能打消你的顾虑

🌟 新玩意 250｜少数派的编辑们最近买了啥？

下载 少数派 2.0 客户端、关注 少数派公众号，解锁全新阅读体验 📰

实用、好用的 正版软件，少数派为你呈现 🚀