AMD 宣布全新 AMD Software: Adrenalin Edition AI Bundle 软件包将于 1 月 21 日上线。该软件包专为简化和加速本地 AI 环境搭建设计，提供单一、简化的安装流程，帮助用户快速配置运行 AI 工作负载所需的工具，省去复杂设置步骤。新增支持 Windows 版 PyTorch，并集成图像生成和本地大语言模型等热门应用，助力用户轻松探索 AI 开发。此功能与 CES 2026 锐龙 AI 400 处理器同步推出，进一步提升 AMD 平台的 AI 性能体验。

12月25日，阿里通义千问宣布开源图像编辑AI模型Qwen-Image-Edit-2511。该版本在角色一致性、工业设计能力及几何推理能力等方面进行了显著提升，尤其在多人合照生成中表现优异，可实现两张人物照片的高质量合照效果。此外，新模型集成了Lora能力，支持打光、多场景应用等特效，并可直接生成辅助线效果，适用于工业产品设计与材质替换等工程场景。Qwen-Image-Edit-2511已在ModelScope和Hugging Face平台开源，为开发者提供强大工具。

12月23日，阿里通义Qwen团队发布全新图像编辑模型Qwen-Image-Edit-2511。该模型在前代基础上优化了角色一致性、几何推理能力，并新增LoRA集成，适用于精准图像修改场景。其亮点在于强大的指令遵循能力，用户只需输入自然语言指令（如“将猫换成狗”），即可自动完成复杂编辑，无需掌握专业修图技术。新模型还能高保真融合多人合影，保留光影与纹理一致性，并支持开箱即用的光照增强等功能。此外，其强化的几何推理能力可生成辅助构造线，助力工业设计。此次开源上线为开发者和设计师提供了高效AI工具，进一步推动视觉生成领域发展。

10月23日，Reddit起诉AI公司Perplexity及三家数据抓取企业，指控其未经授权通过谷歌搜索结果获取和使用Reddit论坛数据。Reddit此前已与谷歌、OpenAI达成数据使用协议，并于7月起诉另一家AI初创企业Anthropic。Reddit首席法律官Ben Lee指出，AI公司为获取优质人类内容正催生‘数据洗钱’经济，而Reddit成为主要目标因其拥有大规模活跃对话数据。Perplexity发言人回应称，公司坚持原则性做法，支持公众获取公共知识的权利，并强调其AI服务以准确性和开放性为核心，不会威胁公众利益。

正文：9月29日，阿里通义千问发布Qwen-Image-Edit-2509模型更新，现于HuggingFace和魔搭社区开源，并可通过Qwen Chat免费体验。新版支持多图编辑（如“人物+人物”“人物+商品”“人物+场景”等），显著提升单图一致性（包括人脸、商品、文字编辑）。此外，新增原生支持ControlNet功能，可基于深度图、边缘图等进行操作。此次更新强化了多场景适配能力，适用于海报设计、老照片修复、表情包制作等任务。

标题：大模型“精细化”对齐，真实性提升25.8%刷新SOTA！token级精准编辑，无需训练即插即用 正文： 一种名为Token-Aware Editing (TAE)的新方法显著提升了大语言模型的对齐能力，在TruthfulQA任务上真实性指标提升25.8%，达到当前最优性能。TAE是一种无需...

9月22日消息，Reddit正与谷歌就新版AI合作协议展开谈判。距离双方首次达成数据授权合作已过去1.5年。据彭博社17日报道，Reddit希望优化流量转化，通过与谷歌产品团队合作，将更多通过AI搜索进入Reddit的用户转化为活跃用户，以扩大论坛生态流量。同时，Reddit也在探索为AI合作伙伴提供更高质量数据的方式。此外，Reddit认为此前的固定付费模式低估了其数据价值，计划推动动态定价机制，使其收入能随内容在AI答案中的重要性提升而增长。此举或为双方合作注入新动力。

2025年9月18日，Reddit正与谷歌展开新一轮内容授权协议谈判，寻求更高收益和动态定价机制。此前，Reddit与谷歌的首份协议价值约6000万美元，现希望借助数据整合推动平台增长并为AI训练提供更多资源。Reddit还计划与OpenAI探讨类似合作模式，摆脱传统一次性授权方式。数据显示，Reddit内容在AI问答中被高频引用，但谷歌流量转化有限。与此同时，AI公司因数据使用引发法律争议，如纽约时报起诉OpenAI，Anthropic支付15亿美元达成版权和解。Reddit高管表示将持续评估其高价值数据的授权策略，目前与谷歌的讨论进展积极。

2025年8月，扩散模型领域核心DiT遭网友质疑，称其数学、形式均错误，甚至怀疑其无Transformer。作者谢赛宁迅速回应，批评标题党行为并强调科学精神，指出评价需基于假设与实验。DiT融合Transformer与扩散模型，性能超越U-Net经典模型，广泛应用于图像视频生成。质疑者依据论文《TREAD》提出六点反驳，包括架构隐含特性及训练效率问题。谢赛宁否认Tread与“DiT是错的”有关，称其为正则化提升的结果，并推荐升级版Lightning DiT。他还总结团队改进方向，如内部表征学习方法REPA及相关技术优化，同时指出sd-vae是当前主要瓶颈。

2025年8月，一篇关于DiT架构缺陷的帖子在社交媒体引发热议。博主引用论文指出，DiT存在隐性架构问题，如FID过早稳定、后层归一化不稳定及adaLN-zero限制表达能力等。DiT作者、纽约大学助理教授谢赛宁回应称，质疑需基于实验而非空想，并解释DiT的改进方向，包括Lightning DiT升级版和VA-VAE等方法。他承认DiT有硬伤，如sd-vae效率低，但强调其仍是当前主流架构。谢赛宁呼吁科学质疑应基于假设与验证，而非仅为吸引关注。