文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
可灵发布Kling 4.0大版本更新，主打真实、可控、专业，将于10月正式上线，同时推出Kling 4.0 Flash并于9月28日开放小范围体验。Kling 4.0支持10-bit HDR与4K或1080P输出、单次原生生成最长30秒、最多15项参考素材（10张图片、5段视频、7个主体及3个视频主体）以及9种语言和多种口音方言的口型匹配。
推荐理由：可灵4.0的实测展示了10-bit HDR、多关键帧与多语言口型等具体能力，读者可据此判断国产视频模型在专业流程中的位置。
AMD 以 82 亿美元全股票收购李飞飞的 World Labs，交易预计 2026 年底前完成，仍须取得监管批准。交割后李飞飞将加入 AMD 担任执行副总裁兼首席科学家，直接向苏姿丰汇报，联合创始人 Justin Johnson 和 Ben Mildenhall 继续带领团队并入 AMD。
推荐理由：AMD 以 82 亿美元收购 World Labs，读者可了解空间智能模型为何成为芯片巨头的新算力战场。
爱范儿实测了近期在 OpenRouter 和 OpenCode 上刷屏的匿名模型 Space Bunny Alpha，把随手画的草图丢给它，不到 5 分钟就能生成可打开的网站，还能做出可交互的 3D 网页。
推荐理由：作者用草图转网页、3D 游戏和发动机展台等实测，呈现这只匿名模型的速度与交付边界。
DeepSeek 正式发布 DeepSeek-V4.1-Flash，这是其新架构家族中最小、原生支持多模态视觉理解的模型，官方称新架构面向更高能力上限、更快推理和更高吞吐。
推荐理由：官方给出新架构家族最小模型的完整基准与 API 变更，可据此判断多模态调用与旧模型迁移成本。
DeepSeek 在 API 平台上线实验性多模态视觉理解模型 DeepSeek-V4-Flash-Vision-Exp，可通过设置 model='deepseek-v4-flash-vision-exp' 调用。
推荐理由：官方给出实验版视觉模型的调用名与多项基准分数，可对照纯文本版本判断多模态智能体能力差距。