Qwen新TTS雙版本登場
Qwen 發布 Qwen-Audio-3.0-TTS，分為主打即時互動的 Flash 與高品質生成的 Plus 版本。新模型支援 16 種語言，可透過行內標籤與自然語言控制耳語、憤怒、呼吸及笑聲等表現，並能從含雜訊的參考音訊產生乾淨輸出。
X @Alibaba_Qwen單一來源
完整日報
AI 日報 2026-07-23
24 則值得知道的變化
要聞
3 則Inkling 開放權重模型登場
Thinking Machines 發布 Inkling，這款 975B 參數、41B active 的 MoE 開放權重模型，可接收文字、影像與音訊並輸出文字。模型支援 BF16 與 NVFP4，並可透過 Transformers、vLLM、SGLang 等框架在本地部署。
HF Trending一手來源
Gemma 4 31B登上熱門
Google DeepMind 的開放權重指令模型 google/gemma-4-31B-it 登上 Hugging Face 熱門榜。模型支援文字與圖像輸入、最高 256K context，並具備推理、程式開發及原生函式呼叫能力。
HF Trending一手來源
模型發布
2 則NVIDIA發布Cosmos3-Edge
NVIDIA 在 Hugging Face 發布 4B 參數的 Cosmos3-Edge，並登上熱門模型榜。該模型採用 Mixture-of-Transformers（MoT）架構，可處理文字、圖像、影片與動作軌跡等多模態輸入，支援世界模擬、未來預測、動作推理及 Physical AI 應用。
HF Trending一手來源
阿里發布 Qwen-Image-3.0
阿里於 7 月 21 日發布第三代圖像生成與編輯基礎模型 Qwen-Image-3.0，最高支援 4.5K Token 文字輸入，長度為前代的 4.5 倍。新模型強化複雜指令、空間版面與多層資訊理解，並支援 12 種語言及 20 多種字型的原生算繪。
InfoQ 中國多家報導