腾讯开源AuK语音生成与编辑模型，上海AI实验室发布Intern-S2 正式版科学推理模型
原创 每日发现最新 2026-09-15 18:31 中国香港
语音生成与编辑模型腾讯AuK / AuK-Flash，科学推理模型Intern-S2-397B，搜索Agent Iris-mini / Iris-pro，多模态理解模型Agnes-3.0-Flash Preview，图原生事务数据库阿里巴巴NeuG，Agent经验学习框架RSIAgent。
9 月 15 日，今天关注的项目覆盖语音编辑、科学推理、多模态理解与 Agent 开发：腾讯 AuK 扩展本地推理支持，Intern-S2-397B 正式版开放模型权重，NeuG 将图关系、语义和关键词检索整合到同一份数据上。
🎙️ 语音生成与编辑
★ 腾讯 AuK / AuK-Flash
用自然语言生成语音、修改台词和情绪，并完成降噪、人声提取与声音分离。
腾讯 AuK 将语音生成和编辑放进统一的指令接口：既可以根据声音描述生成台词，也可以输入一段录音，要求替换其中的内容、调整情绪和语速，或保留指定说话人的声音。项目已开放代码与权重，提供 AuK 和 AuK-Flash 两个版本，后者采用固定 4 步生成，面向更快的推理。
本轮值得关注的是部署更新：继 9 月 9 日开放项目后，官方在 9 月 13 日增加了 Apple Silicon 的 MLX 推理分支，以及 CUDA 推理的 CPU 卸载功能。开发者可以通过 Python 接口、命令行或 ComfyUI 工作流，将语音处理能力接入现有制作流程。
需要区分模型本体与完整推理链：AuK 的生成模型为 1.5B，但运行时还需要编码器与 VAE。官方在 A800 上的短音频测试中，开启 CPU 卸载后的显存分配峰值约为 17 GiB；这是特定测试条件下的结果，不是所有音频长度的最低配置。
上手门槛
开发接入：🟢 较低｜提供 Python 接口和 ComfyUI 工作流
自行部署：🟡 中｜需组合语音模型、编码器与 VAE｜支持 CUDA CPU 卸载及 Apple Silicon MLX 分支
🔬 科学推理
★ Intern-S2 正式版
结合科学文献的文字与视觉信息，支持科学问题求解和需要持续调用工具的长任务。
上海人工智能实验室开放 Intern-S2 正式版模型权重。此次收录的是不带 Preview 后缀的正式版，面向科学智能与长程 Agent 任务，官方同时提供部署说明和工具调用示例。
其预训练方法强调直接从科学文献原始页面学习，将文字、符号与视觉关系放在一起建模，减少中间解析对页面信息的割裂。在此基础上，模型结合多任务强化学习与长程 Agent 强化学习，面向需要理解材料、组织推理并与外部工具交互的工作。
官方支持 LMDeploy、vLLM 和 SGLang，项目采用 Apache 2.0 许可证。部署上仍需按 397B 级模型规划资源：官方 vLLM 服务示例采用8 卡张量并行，适合已有大型模型基础设施的团队。
上手门槛
自行部署：🔴 极高｜397B 级模型｜官方提供 8 卡并行服务示例
🔎 搜索 Agent
★ Iris-mini / Iris-pro
自主决定搜索什么、如何阅读结果，以及何时继续调查或结束搜索。
AllSpark Research 的 Iris 面向需要多轮调查的搜索任务，提供 Iris-mini 和 Iris-pro 两个开放权重版本，分别基于 Qwen3.6-35B-A3B 与 Qwen3.5-397B-A17B 进行后训练。训练目标覆盖从提出搜索请求、阅读返回内容，到判断证据是否足够的完整过程。
除模型权重外，项目还公开了 Iris-Harness，包含 Agent 循环、工具、上下文管理策略和评测流程。官方报告中，Iris-mini 与 Iris-pro 的 BrowseComp 成绩分别为 82.2 和 88.6；这些成绩使用指定的上下文管理设置，反映模型与执行框架的组合表现。
当前开放范围包括模型权重和评测框架，数据构建与训练流程尚待发布。部署时也不能只看 3B、17B 的激活参数：两个版本的总参数分别为 35B、397B，还需要配套搜索工具与模型服务。
上手门槛
自行部署：🔴 高（mini）／🔴 极高（pro）｜总参数分别为 35B、397B｜搜索工具与模型服务需配套部署
👁️ 多模态理解
★ Agnes-3.0-Flash Preview
理解文字、图像与视频，支持工具调用和可调推理强度，开放 33B 预览版权重。
Agnes-3.0-Flash Preview 是一款开放权重的多模态模型，具备 262,144 Token 上下文，支持图像和视频输入、工具调用，以及不同强度的推理模式。开发者可以根据任务需要选择推理强度，或关闭思考模式。
这里需要特别区分版本：仓库最初以 Agnes-3.0-Flash 命名，官方模型卡现已明确它属于较早的 Preview 检查点，与线上生产/API 版本不同。线上版本的 1M 上下文配置和评测成绩，不能用于描述这份开放权重。
模型采用 Apache 2.0 许可证，并提供配套实现与推理示例。官方 BF16 部署路径使用单张 H100 80GB 或 H200；因此，33B 的参数规模仍对应数据中心级显存需求，长上下文使用还需预留额外空间。
上手门槛
自行部署：🔴 高｜官方 BF16 路径为单张 H100 80GB 或 H200｜需要配套自定义模型实现
🗂️ Agent 数据检索
★ 阿里巴巴 NeuG
在同一份数据上完成图关系查询、向量相似度检索与关键词搜索。
NeuG 是面向 Agent 应用的图原生事务数据库，可嵌入应用进程，也可作为服务运行。官方 9 月更新列出了 v0.2 的三项能力：HNSW 向量搜索、BM25 全文搜索和显式事务，让结构关系、语义相似度与准确关键词能够围绕同一份数据进行查询。
例如，运维 Agent 可以先沿服务依赖关系找到相关手册，再检索与故障描述语义相近的内容，最后用错误码定位具体段落。NeuG 将这些检索方式放到共同的数据基础上，并让图数据与索引变更原子提交，减少多套存储之间保持一致的工作。
项目采用 Apache 2.0 许可证，提供 Python 接口、Cypher 查询及安装包。它适合知识检索、关系分析和 Agent 数据层建设；向量生成与上层 Agent 逻辑仍需由应用侧配套实现。
上手门槛
开发接入：🟢 较低｜提供 Python 接口与 Cypher 查询
自行部署：🟢 低｜支持嵌入式运行｜Windows 通过 WSL2 使用
项目与使用说明：https://github.com/alibaba/neug
🧠 Agent 经验学习
★ RSIAgent
通过自主探索、执行验证和持久记忆，让 Agent 积累陌生软件环境中的操作经验。
AetherLabsAI 开放了 RSIAgent，一套无需更新模型参数的多 Agent 框架。它先安排多样化任务，让 Agent 广泛熟悉环境，再针对难点、隐藏约束和失败案例深入练习，把经过验证的操作步骤、脚本与失败教训保存为可复用记忆。
框架由三个角色协作：Curriculum Agent 选择探索任务，Actor Agent 操作软件并整理经验，Verifier Agent 根据实际执行结果进行检查。后续任务使用已经积累的记忆；在测试阶段，模型参数和记忆均保持固定。
项目采用 Apache 2.0 许可证，目前提供 OSWorld 与 Agents’ Last Exam 的集成，适合研究软件操作 Agent 如何从环境经验中改善表现。它仍需要配套模型服务与任务环境；官方也指出，验证遗漏和错误记忆可能限制改进效果，不能把“自我改进”理解为每轮都能稳定提升。
上手门槛
开发接入：🟡 中｜需对接任务环境及模型服务｜当前提供 OSWorld 与 ALE 集成