OpenMOSS MOSS-Image-Base·MOSS-Image-SFT：文字与物体布局控制，基础与追加训练模型发布
OpenMOSS 公开了可用坐标指定文字和物体位置的图像生成模型代码与权重，提供基础模型和追加训练模型。引入时，应同时考量编写布局输入的负担，以及内存占用与推理时间之间的取舍。
devotd.
AI
了解各主题的新进展及其来源。
按专题日期排列
13 篇文章Cloudflare and OpenAI：扩大页面发现，探索提高搜索抓取效率
Cloudflare和OpenAI表示，在利用网络信号的试点项目中，发现了数亿个新网页并将其加入搜索索引。双方尝试通过反映页面变化和潜在危害的信号减少不必要的抓取，但尚未公布减轻负载的量化结果及实际业务成效。
Fish Audio Drama 3：多说话人演绎控制，分段语音编辑
Fish Audio 预发布了一款语音合成模型，将多说话人声音生成、自然语言演绎指令和现有语音的局部编辑结合起来。引入时需确认大容量显存需求、并发请求带来的响应延迟、训练工具的移除以及许可证标注差异。
FLUX 3 Image Klein：公开权重，56亿参数生成器
Black Forest Labs 公开了一款兼顾生成与编辑的56亿参数图像生成器的权重。考虑自行部署时，需同时确认用于扩展输入描述的独立模型的显存开销，以及有条件商业使用的范围。
OpenAI Codex CLI 0.163.0：设置搜索，通过后续指令调整响应中的任务
这款终端编程工具新增了设置搜索面板，以及在响应过程中接收后续指令的功能。需要区分设置的保存与实际生效，并注意中断任务并不保证自动撤销更改。
EmbeddingGemma 2：可选编码器，向量压缩与检索质量的取舍
EmbeddingGemma 2可以按需加载输入编码器，也能缩短检索向量。前者影响模型内存，后者影响存储空间和检索质量。Google指出，128维会显著降低图像、视频和音频检索质量。
Ai2 GPU 调度器：分层时间预算，最长 8 小时抢占保护
Ai2 将基于优先级的调度器换成 GPU 时间预算、分层公平份额和最短运行时间契约。报告中的 98% 分别是集群占用率和应得时间交付率；抢占之后是否留下有用计算，是另一个问题。
LightOnOCR-3：grounding 模式输出坐标，吞吐量随分辨率而变
LightOn 于 10 月 8 日发布 LightOnOCR-3。grounding 提示会附加区域类型、0–1000 归一化坐标、图像描述和图表表格，输出 token 与渲染分辨率预算也随之变化。
Cohere Embed 5：Pro 与 Fast 共享嵌入空间，可单独选择查询模型
Cohere 于9月30日发布的 Embed 5 Pro 和 Fast 共享嵌入空间。只要输出维度相同，用 Pro 构建的索引可以由任一模型查询，因此更换查询模型无需重建索引。
Gemini 3.8 TTS：发声指示改用 speech_metadata，单次请求默认 WAV
Gemini 3.8 TTS 要把发声指示从台词移到 speech_metadata。单次请求默认返回 WAV，因此原本为原始 PCM 自行添加文件头的代码可能出错。