10月12日，今天值得关注的项目覆盖模型推理、图像生成、文档理解与机器人控制：GLM-5.3-Highspeed 出现社区灰度反馈，Qwen-Image-2.1-Turbo 开放权重，腾讯的解析与检索模型则进一步细分了多模态文档处理流程。
★ GLM-5.3-Highspeed
在 Zcode 社区反馈中出现高速生成灰度版本，普遍开放范围尚待官方确认。
据量子位10月12日报道，部分用户反馈在 Zcode 3.15.1 订阅账号中随机获得 GLM-5.3-Highspeed。现阶段能确认的是社区灰度动态，尚不能视为官方完整发布。
报道截图中的 490 tokens/s 来自个人测试，不代表官方稳定性能。普遍开放范围与 API 定价仍未核实；第三方模型目录虽已收录该名称，也不能代替官方的开放说明。
Zcode 官网：https://zcode.z.ai
社区动态报道：https://www.hstong.com/news/detail/26101208365966651
第三方模型目录：https://pi.dev/models/zai/glm-5-3-highspeed
★ Microsoft-Decision-1
通过一次前向计算完成是非判断、候选选择和量表评分，服务分类与路由任务。
微软10月9日发布 Microsoft-Decision-1，基于 Qwen3.5-9B 后训练，将模型能力集中到评分与选择。它适合判断工单类别、选择任务去向或评估检索结果，不以生成通用长文为目标。
模型用单次前向计算返回决策结果，并支持围绕同一份上下文同时提出多个问题。目前已在Foundry 公开预览及 OpenRouter 提供托管接入，应用可利用返回的概率设置自动处理与人工复核的分界。
上手门槛
开发接入：🟢 较低｜Foundry 托管决策接口｜需创建模型部署
模型目录：https://ai.azure.com/catalog/models/Microsoft-Decision-1
API 文档：https://learn.microsoft.com/en-us/azure/foundry/foundry-models/how-to/use-foundry-models-microsoft-decision
发布说明：https://commandline.microsoft.com/microsoft-decision-1-model-foundry/
★ Qwen-Image-2.1-Turbo / Pro API
以8步去噪完成文生图和图像编辑，Turbo 权重与 Pro、Turbo 托管 API 已开放。
Qwen-Image-2.1-Turbo 于10月9日开放权重，Pro 与 Turbo API 也已在阿里云 ModelStudio 上线。Turbo 支持8步去噪生成与编辑，并可通过前缀缓存复用文本和参考图上下文。
其视觉生成组件为7B，并不代表整个流水线只有7B；自行部署还需加载文本编码组件，现已支持 Diffusers。开放权重仅限研究、评估等非商业用途，商用需另行授权；云端 API 则提供另一条使用路径。
上手门槛
开发接入：🟢 较低｜阿里云 ModelStudio 托管生成与编辑 API
自行部署：🟡 中｜需同时加载图像生成与文本编码组件｜权重商用需另行授权
项目地址：https://github.com/QwenLM/Qwen-Image-2.1
Turbo 模型权重：https://huggingface.co/Qwen/Qwen-Image-2.1-Turbo
Pro API：https://modelstudio.console.alibabacloud.com/ap-southeast-1/model/market/detail/qwen-image-2.1-pro?ref=list&serviceSite=international
Turbo API：https://modelstudio.console.alibabacloud.com/ap-southeast-1/model/market/detail/qwen-image-2.1-turbo?ref=list&serviceSite=international
★ MGFlow
通过分布匹配后训练，让已有视觉生成模型以单步完成图像生成。
MGFlow（Mixture Gradient Flow）研究如何把视觉生成压缩到单步完成。它在冻结的特征空间中对齐真实与生成样本的分布，并用高斯混合描述不同样本群，帮助模型学习多样的视觉内容。
项目覆盖 JiT、pMF 的 ImageNet 生成，以及 FLUX.2 [klein] 4B 文生图。训练、采样、评估代码及后训练权重均已开放；代码采用 MIT 协议，底座模型和数据仍遵循各自协议。文生图使用需要加载 FLUX 底座与后训练权重。
上手门槛
自行部署：🟡 中｜文生图需加载 FLUX 底座及后训练权重
项目地址：https://github.com/shihaoyang0423/MGFlow
模型权重：https://huggingface.co/shy0423/MGFlow
★ 腾讯 Youtu-Parsing-Omni
将文档、图像、音频和视频统一解析为结构化 JSON，保留空间与时间信息。
Youtu-Parsing-Omni 是5B全模态结构化解析模型，可将文档页面、自然图、图表及音视频转换为统一的 OmniSchema JSON。它关注提取结构与内容，适合为后续检索、分析和业务处理准备数据。
文档结果包含布局坐标、阅读顺序、文字、表格和公式；视听结果可包含时间戳、转录及声学事件。权重、推理代码和 vLLM 插件已开放，并支持 Transformers；自定义许可证包含欧盟使用地域限制，部署前需核对适用范围。
上手门槛
自行部署：🟡 中｜5B 全模态模型｜需接入官方推理插件与媒体解析流程
模型权重：https://huggingface.co/tencent/Youtu-Parsing-Omni
项目地址：https://github.com/TencentCloudADP/youtu-parsing/tree/main/youtu_parsing_omni
★ 腾讯 EVIE-8B / EVIE-4.5B
将查询与文档页面转为多向量，通过细粒度匹配找到相关页面。
EVIE 面向视觉文档检索，将文本查询与页面图像转换为多向量表示，再通过细粒度匹配计算相关性，保留布局、图表和小字信息。模型适合为文档检索系统提供页面表示与相关性评分。8B 版本优先考虑精度，4.5B 蒸馏版提供更轻量的选择。
4.5B 版本支持将向量截取为64至2048维，并通过层次聚合减少每页向量数量，便于权衡检索效果与索引空间。权重和代码采用 Apache 2.0 协议开放，支持 ColPaliEngine 和 SentenceTransformers；实际使用需为文档页面建立多向量索引。
上手门槛
自行部署：🟢 较低｜可选4.5B或8B模型｜需建立文档页多向量索引
8B 模型权重：https://huggingface.co/tencent/EVIE-8B
4.5B 模型权重：https://huggingface.co/tencent/EVIE-4.5B
项目地址：https://github.com/Tencent/EVIE
★ UNITAS
在统一三维坐标系中生成机器人动作，并预测动作引起的场景变化。
跨维智能联合研究团队提出1.7B的3D原生世界动作模型 UNITAS，将观察、机器人动作和场景动态放进同一三维坐标系，以点轨迹统一表示人手与机器人的运动。模型既规划动作，也学习动作会怎样改变周围场景。
项目方报告其在 LIBERO 仿真评测中的任务成功率达到99.8%。当前论文与演示已公开，权重、推理代码、训练代码和数据仍待发布，暂不能按可部署的开源模型使用。
项目地址：https://github.com/DexForce/UNITAS
论文地址：https://arxiv.org/abs/2610.12099