阶跃星辰发布Step 5 Preview旗舰模型，千问开源Qwen-Image-2.1图像生成与编辑模型，TypeSafe AI开放Jev决策模型

9 月 21 日，本期关注模型开放、图像创作与 Agent 开发，并补充近期值得上手的本地模型：Jev 取消候补名单，Step 5 Preview 开放产品与 API，Qwen-Image-2.1 发布权重，将透明图像生成与多图编辑整合到同一模型中。

★ Jev

为软件返回分类、评分和判断概率，现已取消候补名单，开发者可直接开始接入。

TypeSafe AI 宣布，Jev 现已向所有人开放，无需候补名单。开发者可登录官方控制台，在 Playground 中测试输入与问题，再通过 API 将判断能力接入自己的应用。

Jev 面向软件中的高频决策环节。提交一段上下文并定义问题后，它可以从候选项中做选择、按给定标准评分，或返回某个判断为真的概率。同一份上下文可以同时回答多个问题，适合工单分流、内容筛选、任务路由和检索结果评估。

应用可以根据概率设置自动处理与人工复核的分界。当前 Jev 通过云端服务提供，尚未公开模型权重；需要生成文章、代码或解释时，仍需搭配生成式模型。

★ jev-reranker

对检索结果重新排序，并在送入大模型前筛掉无法为回答提供证据的文档。

jev-reranker 是开发者 Yuichi Tateno 发布的 Python 工具，将 Jev 的判断能力用于 RAG 检索流程。它提供普通重排序和相关性过滤两种方式：前者组织候选文档的顺序，后者进一步判断哪些材料值得进入回答上下文。

在作者公布的 NanoHotpotQA 实验中，工具对 50 条查询、每条 100 份候选文档进行处理，过滤约 92% 的候选文档，nDCG@10 达到 0.975。这是特定数据集上的检索结果，实际知识库仍需自行调整过滤阈值，避免丢掉必要证据。

项目采用 MIT 许可证，封装了请求拆分、并发控制与重试。代码可以放在本地应用中运行，但评分依赖 Jev 云端 API，不属于可离线部署的重排序模型。

★ 阶跃星辰 Step 5 Preview

处理长上下文、多轮工具调用与专业工作任务，支持百万 Token 上下文及视觉输入。

阶跃星辰于 9 月 20 日发布 Step 5 Preview，面向软件工程、专业知识工作与金融分析等场景。模型采用稀疏 MoE 架构，总参数量 600B，每 Token 激活 27B，支持 100 万 Token 上下文与文本、视觉输入。

此次发布强调持续执行真实任务：在编程中完成修改、调试与工具调用，在知识工作中收集材料、分析数据并整理交付物。官方展示包括交互式研究报告、多工作表分析文件，以及结合开发文档与摄像头反馈的硬件开发任务。

Step 5 Preview 已通过阶跃产品与 API 提供。完整权重计划于 10 月 15 日发布，当前适合先通过托管服务评估效果；需要私有部署的团队仍需等待权重及相应部署资料。

★ Xing4.0-29B-A4B

面向编程与多步 Agent 任务，提供长上下文能力及可在单张消费级显卡运行的量化权重。

中国电信人工智能科技有限公司于 9 月 17 日开放 Xing4.0-29B-A4B，本期补充收录。模型延续星辰 TeleChat 系列，使用昇腾 NPU 与 MindSpore 训练，重点优化复杂工程任务中的规划、工具调用与长链路执行。

官方标称模型为 29B 总参数、4B 激活参数，原生支持 256K 上下文，可扩展至 512K。权重以 Apache 2.0 许可证发布，同时提供 FP8 与 GGUF 版本，便于根据设备资源选择部署路径。

官方 GGUF 教程已验证 RTX 3090 24GB 的单卡运行方案。当前部署应使用教程指定的适配版本；长上下文还会增加缓存占用，不能把完整上下文上限直接视为单卡方案的默认运行长度。

★ Qwen-Image-2.1

统一图像生成与编辑，原生生成透明背景素材，并支持最多 10 张参考图参与创作。

千问于 9 月 20 日发布 Qwen-Image-2.1 并开放模型权重。其视觉生成组件为 7B 参数，将文生图、图像编辑与透明图像处理整合到同一套模型中，适合设计素材、人物合成与产品视觉内容制作。

模型可以直接生成带透明通道的 RGBA 图像，也能编辑透明图层、从照片中提取主体。编辑时最多接收 10 张参考图，支持通过圈选、涂抹标记或独立蒙版指定修改区域，并强化人物与产品的一致性。

官方提供在线 Demo 与 Diffusers 推理示例，支持通过 CPU 卸载降低显存压力。需要注意，7B 仅指视觉生成组件，实际运行还涉及文本编码器和 VAE；权重采用 Qwen Research License，仅限非商业研究与评估用途，商用须另行获得授权。

★ APUS Fast Browser Use

利用本地模型选择网页操作，可作为 Skill 接入编程 Agent，减少浏览器任务对云端推理的依赖。

APUS AI Lab 发布 Fast Browser Use，将快速决策思路用于本地浏览器自动化。项目基于 Qwen3.5-9B 或 Qwen3.5-35B-A3B，可通过 Skill 接入 Claude Code、Codex 等工具，也提供独立运行方式。

执行时，工具先从页面中整理真实可交互元素，再让模型从受约束的候选操作中选择下一步，随后检查操作对象并记录结果。这种方式减少了自由生成选择器和操作代码的环节，适合点击、导航与表单等网页操作。

项目采用 MIT 许可证，是受 Jev 思路启发的独立实现，未使用 Jev 的私有权重。浏览器决策可在本地完成；如果外层编程 Agent 使用云端模型，其规划环节仍可能调用云服务。

★ Ternary Bonsai 2 27B

以三值权重压缩 27B 模型，将语言模型文件缩至约 5.95GB，支持本地推理与视觉任务。

PrismML 于 9 月 17 日发布 Ternary Bonsai 2 27B，本期作为近期本地模型回顾。它基于 Qwen3.8 27B，采用三值权重表示，面向本地编程助手、文档分析与多模态工具调用。

官方提供两种 GGUF 打包格式：PTQ1_0 约 5.95GB，更节省存储；PQ2_0 约 7.21GB，在部分硬件上具有更好的运行效率。图像输入还需加载视觉组件，运行时也要预留上下文缓存，因此模型文件大小不等于整机内存需求。

权重采用 Apache 2.0 许可证，并提供 GGUF 与 Apple Silicon 的 MLX 路径。部署时需使用 PrismML 提供的适配运行时，不能直接套用普通 llama.cpp 的通用启动示例。