sdxl和sd1.5生态上大部分漫画风格模型结构表现不如照片风格模型。但最近测试的wai illustrators v14在结构表现有一定优势，并且可用分辨率在2.5k以上，正式工作流使用1080p分辨率，比cosmos predict2快不少。
之前尝试使用SD1.5以及LCM版本的微调模型作为高速绘画模型，但分辨率、细节和位置关系等方面表现差一些。今天引入了基于SDXL Lightning的Dreamshaper XL，一定程度上解决了这些问题并且可以在部分场景实现动漫风格。
由于Hidream i1速度较慢以及部分提示词光照有问题，改用Cosmos Predict2 2b作为主力绘画模型，不过细节较多的场景生成效果有一定问题。
Unsloth 刚刚发布了一个强化学习小教程
教程从吃豆人游戏触发，然后简单介绍 RLHF, PPO 再到 GRPO, 然后告诉你如何用 GRPO 开始训练，是个不错的入门小文章。
地址: docs.unsloth.ai/basics/reinforcement-learning-guide
Gemini-2.5-Pro 和 Gemini-2.5-Flash 移除了 Preview 标签了。看来是版本固定了？加下来要向 Gemini Ultra 或者 Gemini-3迈进了
没错进门就是 TRAE, 红色的牌子特别显眼, 这次实装了 doubao-seed-1.6-thinking 很多人都在当场试用
Intel 展位
首先还是最重磅的, Intel 把还没正式发布的 Arc Pro B60 拿过来了, 24G GDDR6, 456 GB/s, TDP 200 W. 从贴纸看这个还是工程样品. 我跟现场的工作人员说能否拔下来多拍几张, 结果被拒绝了, 因为没有螺丝刀. 机器搭配的是平平无奇 DDR5 4800.
面壁智能刚刚发了一堆小模型，包括： MiniCPM4-0.5B/8B/MCP/Survey 等等
- MiniCPM4-0.5B 是面向端侧设备的，8B是旗舰模型
- BitCPM4-0.5B/BitCPM4-1B 是类似 bitnet 的1bit 量化模型
- MiniCPM4-Survey 是个专门用于生成报告的模型
- MiniCPM4-MCP 是个MCP专用模型
另外还有一些视觉模型组件。目前从跑分上看，与 Qwen3-8B 不相上下，感兴趣的朋友可以试试。…
一张图搞定结构化3D建模——PartCrafter
这是一个来自北大+字节跳动+卡耐基梅隆大学的联合项目
简单来说，这个项目实现了从单张RGB图像直接生成多个语义部件的结构化3D模型，彻底告别了传统"先分割再重建"的繁琐流程，提供：
- 端到端生成：无需预分割输入，一步到位生成完整的部件化3D场景
- 组合式潜在空间：每个3D部件用独立的潜在token集合表示，支持灵活编辑…
Mistral 刚又发了个小模型—— Magistral-Small-2506
这是个 Mistral Small 3.1 微调的版本，增加了推理能力的疯狂RL版本。这个大小很适合单卡 32G 跑。至于分数嘛… 跟 Qwen3-4B 差不多。GPQA 会高一些。但AIME甚至没有Qewn3-4B 高。
模型地址：huggingface.co/mistralai/Magistral-Small-2506 Unsloth 量化版本地址：huggingface.co/unsloth/Magistral-Small-2506-GGUF
考虑到提供了Enhance a Video等功能且支持模块化和量化后的VACE模型，虽然显存优化差一些但还是在Comfyui改用WanVideoWrapper而非官方工作流进行部署。
使用文生视频时，8g显存能生成33帧1152x640分辨率的视频，在3070m用时约26分钟。
由于旧版Deepseek R1前端开发能力一般，而GitHub Pages以及这一页面需要展示的网页的开发对模型的前端开发要求较高，因此在Deepseek R1 0528发布后才开发这部分项目。
再来看小米发布的第二个新模型——MiMo-VL-7B-RL
这是个视觉模型，主打视觉推理，宣传也是在7B这个规模达到了领先，另外一个亮点是，它支持UI识别，因此可以当作各种界面操作MCP的前置模型。
由于官方没有放出在线使用地址，以及视觉测试我基本都没什么感知，所以感兴趣的朋友只能自己试试了。
地址：huggingface.co/XiaomiMiMo/MiMo-VL-7B-RL …
“昨天的我狙击了今天的你”
小米刚刚发布了两个新模型，我来给大家分别介绍，这个是第一个—— MiMo-7B-RL-0530
这是一个文本推理模型，跟 DeepSeek-R1 是一个类型。小米宣称这个新模型在 7B 规模这个是目前最强的模型。
官方比较的也是之前 DeepSeek-R1 蒸馏的 Qwen2.5-7B, 甚至说 AIME24 数学测试超过了旧版 R1，估计是也没料到 28 号 DeepSeek 发布了新蒸馏的 Qwen3-8B。 我把数据整理到一起给大家看。结论就是——没打过 DeepSeek-R1-0528-Distilled-Qwen3-8B. …
有数据显示 DeepSeek-R1-0528 的后训练数据可能是使用 Gemini 合成的, 之前的旧版R1则是用 OpenAI 模型合成的。图中是一个针对 DeepSeek 输出内容进行聚类的树，可以看到新版的 R1 在输出内容聚类上更靠近 Google Gemini, 而之前的 R1 则更靠近 OpenAI
AI能挖掘 0-day 漏洞了?
看到个安全研究员的博客, 使用 OpenAI o3 成功发现了个 linux 内核 0-day 漏洞. 当然发现过程并不是直接把内核4000万行代码扔进去. 而是有针对的分析.
blog 作者一直在审查 ksmbd (内核中的 samba3 协议服务器) 相关漏洞, 并且构建相关验证场景. AI 最大的用处是帮助人分析代码, 相关的代码片段大概 3300 行, o3 目前上下文召回也是最强的, 所以很适合这个场景, 然后 o3 就发现了个变量释放的引用计数器bug, 导致其它线程可以访问.
由于前段时间使用的Hidream i1 full等模型速度较慢，近期希望查找速度更快的模型用于非正式作品，总体要求是绘画模型在3070m上生成时间10秒内，视频模型单帧生成时间4秒内。
绘画模型用LCM比较快，但有LCM的模型较少，考虑速度因素，选择了以SD1.5为底模的Cyberrealistic v32，在人物等用途的总体效果也优于不少专用模型，只有航拍效果略低于ArchitectureRealMix。30步生成1024x680分辨率的图片在3070m上用时8.2秒。至于其它底模，SANA Sprint速度还要快不少但生成效果较差。
视频模型考虑速度和效果，选择了AnimateLCM SVD xt，是SVD xt的LCM版本，虽然后段画质有一定下降但总体上能用，8步生成1024x680分辨率的视频在3070m上单帧用时3.8秒。至于其它模型，AnimateDiff Lightning和LTX Video 0.9.6速度更快，但前者细节表现较差，后者只适用于部分题材。
以下是几组生成案例： …
Qwen 又发新模型了！ ParScale-1.8B-P1 （P2，P4，P8）
这个 P 是什么意思？没错，就是这个模型最新颖的点。大家知道提升模型能力要么增加参数量，要么疯狂推理（类似QwQ一个问题要想3分钟）。于是 Qwen 团队又搞出了一个新方法，干脆并行推理。于是他们发明了新的方法——ParScale
简单讲 ParScale，首先使用 n 个并行流进行推理 (就是模型后缀的Pn)，但这些不是相同的推理启动多个，而是使用可学习的差异化变换（transformations），这些输入的内容在模型中前向传递（使学习变换后的内容具有关联性）。最后使用动态聚合机制合并所有输出结果。
Qwen 团队验证，使用这个方法能近似相当于给模型扩展参数，使用P个并行流的扩展相当于将参数数量增加 O(log P) 倍。比如 30B 的模型，如果 8 个并行，那么效果相当于一个 42.5B 的模型。 …
