LLaDA 团队于 9 月 4 日正式开源 LLaDA-Image，推出 60 亿参数（6B） 图像生成模型家族，并同步发布 Base 与 Turbo 两个版本，以及模型权重和推理代码。团队表示，LLaDA-Image 是一个统一的图像生成与编辑模型，无需额外编辑模型即可同时完成文生图和指令式图像编辑任务。
官方介绍，LLaDA-Image 包含两个版本：LLaDA-Image Base 采用 50 步采样，面向高质量图像生成与编辑；LLaDA-Image-Turbo 则通过 Twin-DMD 蒸馏 技术，将采样步数压缩至 4 步，实现更快的推理速度。两者均支持文生图、参考图编辑、VQ 条件生成以及中英文文字渲染。
能力方面，LLaDA-Image 采用统一扩散（Unified Diffusion）框架，将生成模型与编辑模型融合到同一套架构中，可生成具有自然光照、丰富细节和一致场景的高质量图像，同时支持基于自然语言指令的图像编辑，在保留原图主体内容的基础上完成精确修改。
训练方面，团队提出了一套新的训练流程：先通过纯图像预训练（Image-only Pre-training） 学习视觉先验，再引入图文配对数据进行监督训练，最后联合优化图像生成与编辑任务。官方认为，这种训练方式能够提升模型的视觉理解能力，并增强生成质量。
在评测中，官方表示 LLaDA-Image 在 Qwen-Image-Bench 上取得 英文 53.53、中文 53.38 的综合成绩，达到当前公开模型中的领先水平（SOTA）。
开源计划方面，目前团队已开放 模型权重 和 基于 Diffusers 的推理代码，并表示训练代码将在后续发布，进一步完善完整开源生态。
值得注意的是，目前 LLaDA 系列已由蚂蚁集团旗下 Inclusion AI 团队维护。GitHub 官方组织页面显示，Inclusion AI 是蚂蚁集团面向 AGI 研究设立的开源组织，负责持续推进 LLaDA 系列扩散语言模型及多模态模型的发展。
（Github)
OpenAI 于 9 月 3 日发布 GPT-6 Astra，公司称其为「代际跃升」，并表示未来可能被视为通用人工智能（AGI）到来。
官方称 Astra 基于迄今最大规模训练，在得克萨斯州 Stargate 使用逾 10 万块 GPU，并首次让其他模型在监督其训练中扮演重要角色。
模型将先面向 Daybreak Access 计划内有限机构开放，并称「未来几天」面向 ChatGPT Plus、Pro、Business、Enterprise 与 API（gpt-6-astra），并上线 AWS Bedrock 与 Microsoft Azure。
价格方面，API Standard 输入 10 美元 / 百万 Tokens，输出 50 美元；Fast 模式最高约 2.5 倍速度，价格为 Standard 的 2 倍。
OpenAI 此前已将其定为 Preparedness Framework 下首个达到「Critical」网络安全能力阈值的模型。
即日起至模型广泛可用前，OpenAI 将为所有付费用户每天提供一次重置限额的机会。
（综合媒体报道）
其中Grok和Claude的宕机源于SpaceX的Memphis compute center基础设施故障。
今年五月，Anthropic官宣租用了SpaceX（也就是Grok母公司）位于Memphis的SpaceX's Colossus 1算力中心。
据市场消息，OpenAI 计划提前其 Astra 模型到今日（9 月 3 日）发布。
一天前，OpenAI 宣布 Astra 在网络安全能力上实现了重大飞跃，已经触碰到了「严重」（Critical）风险阈值。
一天前，OpenAI 宣布 Astra 在网络安全能力上实现了重大飞跃，已经触碰到了「严重」（Critical）风险阈值。
Meta 发布 Muse Spark 1.3，面向更长程的代理式工作与编码，已上线 Muse Code 与 Meta Model API。官方称 max reasoning 仍在完成额外安全测试后即将上线。相对 Muse Spark 1.2，官方称约减少 20% 的工具调用与 25% 的 token 用量。上下文约 1M token。
官方对比中，Muse Spark 1.3（max）在 DeepSWE v1.1 取得 75.4%，Terminal-Bench 2.1 为 88.8%，与 GPT-5.6 Sol 并列。长上下文 MRCR（256K–512K / 512K–1M）分别为 98.5% 与 98.1%，较 1.2 大幅跃升。知识工作与计算机使用等项（如 GDPVal-AA v2、JobBench、OSWorld 2.0）多贴近但略逊 Claude Opus 5。
API 分为两档价格：Standard（muse-spark-1.3）输入 1.25 美元 / 百万 Tokens，输出 4.25 美元，缓存读取 0.15 美元，数据不用于训练；Contributor（muse-spark-1.3-contributor）输入 0.10 美元，输出 0.20 美元，缓存读取 0.002 美元，允许用请求数据训练后续模型。
（Meta）
