开源圈这周连放三枪：Cloudflare 的 Clef-omni、蚂蚁的 Ling-3.1-flash，还有 The Verge 作者写的本地 AI 使用报告。三件事指向同一个方向——比谁真能用起来。
Cloudflare 把 Clef-omni 的权重直接丢上了 Hugging Face。文本和图像它原生就吃，这回头一次支持音频和完整视频输入。以前处理视频，得先按时间轴拆成一段段，再逐个喂给模型，现在这步省了。做多模态应用的团队，链路能短一截，成本也跟着降。
蚂蚁百灵开源的 Ling-3.1-flash 走的是另一条路：把大模型做小、做便宜。总参数约 560B，每个 Token 只激活约 25B，最高支持 1M 上下文，部署门槛压到 4 张卡。官方说的是"真实可用"，覆盖办公、医疗、软件工程、终端操作这些复杂工作流。10 月 15 日发布，权重在 Hugging Face 和 ModelScope 都能下。目标很直接：业务需求再模糊，也得快速用起来。
但开源归开源，本地跑不跑得动是另一回事。The Verge 的作者不想把隐私数据交给云端，于是开始日常用本地模型。用下来，兴奋是真的，麻烦也是真的：硬件要花钱，配置流程琐碎，还得反复掂量这套东西到底值不值。要操心的事多，过程又麻烦，普通人很难坚持。
三件事拼起来看：多模态在往原生输入走，大参数模型在往低部署成本走，用户真正卡住的地方，还是硬件和易用性。谁先解决这一环，谁就拿下一批真正的本地用户。