蚂蚁百灵开源 Ming-3.0 语音系列模型
蚂蚁百灵开源 Ming-3.0 语音系列模型,涵盖语音合成、音频理解与对话、语音识别三大方向,共包含五款模型。其中 Ming-3.0-tts-0.5B 在 Artificial Analysis 的 Pronunciation Robustness 测试中得分 93.2%,并列全榜单第一。
推荐理由:蚂蚁百灵开源 Ming-3.0 语音系列,提供语音合成、音频理解与识别能力,并公开了模型下载与 API 入口。
蚂蚁百灵开源 Ming-3.0 语音系列模型,涵盖语音合成、音频理解与对话、语音识别三大方向,共包含五款模型。其中 Ming-3.0-tts-0.5B 在 Artificial Analysis 的 Pronunciation Robustness 测试中得分 93.2%,并列全榜单第一。
推荐理由:蚂蚁百灵开源 Ming-3.0 语音系列,提供语音合成、音频理解与识别能力,并公开了模型下载与 API 入口。
蚂蚁百灵开源 Ming-3.0 语音系列,包含 Ming-3.0-tts、Ming-3.0-audio 和 Ming-3.0-asr 共五款模型,分别覆盖语音合成、音频理解与识别。
同一新闻,精选展示《蚂蚁百灵开源 Ming-3.0 语音系列模型》
MiniMax 正式发布 M3.1 Flash,定位为 Coding/Agent 优化轻量级模型,拥有 100 万 token 上下文。
大晓机器人发布ACE-Brain-0.6,六项Grounding评测超越GPT-6 Astra,七项公开基准平均分74.53分领先其73.68分。 基于Qwen3.5-9B构建,利用约百万条可验证空间锚定样本,通过数据规模化探索实现能力跃升。 验证了9B级模型在具身空间感知领域可超越顶级通用模型,推动具身智能向可靠物理执行转化。
DeepSeek-V4.1-Flash-20261017(Max)在 Agent Arena 开源模型榜排名第一,总榜第 11,基于 7498 次真实使用会话取得 5.13% 的综合净改善指标,单任务成本中位数约 0.18 美元。
记忆张量正式发布并开源 MemT 1.0 记忆原生大模型,该模型将动态记忆状态内化进底层架构,通过 token 级更新机制实现经验的沉淀与调用。在 SWE-bench Verified 测试中,MemT-1.0 Nano 引入实时反馈更新机制后,平均成功率从 66.07% 提升至 69.73%,在长历史推理效率上较完整上下文方案最高提速 3.99 倍。
推荐理由:MemT 1.0 通过架构创新将记忆内化,在长对话和编码基准中展现出动态更新能力,为长程智能体提供了新的工程落地路径。
Muse Glimmer 是一个基于 Apache 2.0 许可开源的 300 亿参数因果语言模型,专为消费级硬件设计,集成了多模态感知、多步推理与工具调用功能。模型经过 4-bit 量化优化可在单 GPU 上本地运行,无需云端基础设施,在同量级模型中实现了 agentic benchmark 的领先性能,并支持超过 100 种语言的训练数据。
推荐理由:Muse Glimmer 作为 30B 参数模型实现了本地智能体功能,为消费级硬件部署多模态推理模型提供了新路径。
summary_zh: OpenAI 因 API 后台误操作,短暂上线并迅速撤回了 aurora-red-alpha、aurora-green-alpha 和 aurora-blue-alpha 三个神秘 Alpha 模型。
Arena 宣布 DeepSeek-V4.1-Flash-1017(Max)在 Code Arena: WebDev 榜单得分 1670,超过 Kimi K3(Max)等开源模型及部分闭源模型,成为该榜单排名最高的开源模型,仅落后 GPT-6 Sol(Max)12 分。
同一新闻,精选展示《DeepSeek-V4.1-Flash-1017 登顶 Code Arena: WebDev 开源榜》
蚂蚁百灵宣布开源 Ming-3.0 语音系列,覆盖语音合成、音频理解与对话、语音识别三个方向,共五款模型。开发者可按任务选择,也可将不同能力组合进工作流。Ming-3.0-tts 支持音色设计与导演模式,已在阿福 App、医生音色克隆、小虎智能办公等业务使用;Ming-3.0-asr-tiny 用于阿福医生助手、支付宝搜索、蚁小保实时语音对话和安全核身等场景。
OpenAI 最新模型提升了 COBOL、Fortran 和 Visual Basic 等低资源编程语言的软件构建与迁移能力。 这些语言支撑着银行、政府及企业核心系统,该进展有助于理解数十年业务逻辑并支持系统现代化。
MiniMax 发布了推理模型 M3.1 Flash,其 Artificial Analysis 综合得分为 42 分,前代 M3 为 29 分。该模型单任务成本约 $0.22,比 Deepseek V4.1 Flash 1017 的 $0.26 略低。
MiniMax 更新 M3.1 Flash 并确认此前匿名处理超 200 万亿 Token 的 Space Bunny 为该模型早期版本,线上推理速度提升近 3 倍,Agent 任务综合成本降低 70%。
Kling AI 发布 4.0 版本,分辨率与控制精度提升,单次可生成最长 30 秒视频,并接受最多 10 张关键帧图像。Omni Reference 系统升级,单次生成支持最多 15 个参考资产,包括图像、视频和元素。新增立体声音频和 10 多种语言的唇形同步功能。随主模型发布的 Flash 版本侧重速度与成本,支持 MCP 和 CLI 访问。
Inception 发布 Mercury 3,称其为迄今最强的扩散式 LLM,在 NVIDIA GPU 上跑 1,068 tokens/s,上下文 1M tokens,价格 $0.20/1M 输入、$0.70/1M 输出,发布期 5 折。
Arena 宣布 DeepSeek-V4.1-Flash-1017(Max)以 1670 分超过 Kimi K3(Max),成为 Code Arena: WebDev 榜单排名最高的开源模型。该模型在 DeepSWE v1.1 测试中得分超越 GPT-6 Astra 等模型,每百万 Token 输入成本约为 Kimi K3 的 1/10,支持一次性生成可运行的 3D 场景与网页游戏。
推荐理由:读者能基于实测案例和价格数据,判断新模型在创意原型开发中的性价比。
中电信星辰通用人工智能实验室开源Xing4.0-29B-Intent模型,该模型将意图理解扩展为意图分类与参数提取,并在零样本冷启动评测中Micro-F1达70.27,高出Jev 12.62个百分点。
推荐理由:文章对比了Jev与Xing4.0-29B-Intent在意图分类与参数提取上的能力差异,提供了11组真实场景实测数据及275万条语料,展示了专用模型在Agent落地中的成本优势。
MiniMax 正式发布 Coding/Agent 优化轻量级模型 M3.1 Flash,拥有100万token上下文,输出速度可达200+ TPS。该模型在 Agents' Last Exam 通过率达29.6%,输入价格每百万Token 1元,输出价格每百万Token 4元,Agentic任务综合成本较前代降低70%。
Nvidia 发布 Nemotron 3.5 Super VL 及轻量级 Bolt 模型,Super VL 为 120 亿参数大模型,支持企业级 Agent 任务,并声称在特定任务上快于 Anthropic 和 OpenAI 模型。
MiniMax M3.1 Flash 模型今日正式上线,其此前以匿名身份处理 200T Token 的早期版本 Space Bunny 得到证实。新模型在 Agentic、编程及网络安全能力上实现代际提升,推理速度提升近 3 倍,单任务使用成本降低 70%(输入 1 元/百万 Token,输出 4 元/百万 Token)。
Arena 平台发布 2026 年第 42 周盲测排名,国产模型稳定于中上游,kimi-k3-max 代码榜居第 10 名。 mimo-v2.6-pro 首次进入前端开发榜前 20,位列第 19;gemini-3.5-flash-medium 等新模型直接冲进综合榜前 30。 榜单反映用户主观偏好而非绝对能力,分差在误差范围内视为并列。
大晓机器人发布视觉空间锚定增强型具身基模型 ACE-Brain-0.6,基于 Qwen3.5-9B 监督微调,重点提升目标识别、空间定位和交互区域判断。
DeepSeek 开放搜索与网页抓取 API,两项接口均按成功请求计费,每 1000 次 5 元。 该服务支持网页搜索与正文提取,通过 Harness、Claude Code 或 Codex 调用时,11 月 1 日前服务端产生的相关费用免费,随后开始收费。 此举降低了 AI 应用获取实时网页数据的成本,有助于生态内智能体更便捷地接入外部信息源。
研究人员提出GroundingPI,这是一个4B参数的接地基础模型,通过生成量化坐标的点和框来处理视觉定位任务。该模型在34个接地基准测试上取得了73.68%的平均准确率,超过了更大的GPT-6 Astra(71.54%)。
研究团队发布Pearl-Chat,一款针对Luganda语设计的8,473,122参数因果解码器。该模型采用JAX和Flax NNX框架构建,并训练出词表大小为8,192的BPE分词器,实现1.60 tokens/word的生成率。
OpenAI API 模型列表短暂出现 aurora-red-alpha 等三个 Aurora 系列模型,随后迅速消失。 第三方工具调用这三者均返回 HTTP 503 错误,提示无可用计算资源。目前 OpenAI 未作官方回应,外界推测其为 GPT-6 Astra 内部检查点或图像生成模型。
VAST正式发布并开源实时世界模型EdenLive,在单张Nvidia RTX 5090上以720P分辨率实现超过24FPS的生成速度,端到端延迟达百毫秒级。该模型支持多种参考输入与画风指定,能将简化场景或视频实时渲染为精细画面,并同步开放了模型权重、推理代码及Game Prototype Turbo工具。
推荐理由:VAST开源实时世界模型EdenLive,单卡RTX 5090下720P生成速度超24FPS,支持多种画风实时渲染。
VAST 发布了世界模型研究项目 Project Eden 的阶段性成果 EdenLive,并全面开源了不同尺寸规格的模型权重、推理代码及技术报告。在单张 Nvidia RTX 5090、5B 参数模型、720P 配置下,EdenLive 的实时帧率超过 24 FPS,端到端延迟在百毫秒量级。
四个基于 Google 的 Gemini 4 Argon 模型运行的 AI 智能体首次在没有人类输入的情况下击败了 Minecraft,击杀了末影龙。 这些智能体在随机生成的世界中没有分配角色、策略或游戏专用工具,但自行分担任务、警告威胁、回收队友物品并在共享内存中记录错误。
Remek 发布 basal-omni-1.0-ultra,这是基于 Google Gemma 4 31B 基座微调的开源模型,专注于类型化决策任务。该模型通过单次前向传播输出校准概率而非生成文本,并支持在推理时零样本读取图像。
MiniMax 代码助手在 500 次自动化测试中暴露了 AI 模型宣称任务“完成”时的可靠性问题。 测试数据显示,模型频繁在代码存在缺陷或未满足全部需求的情况下错误报告任务结束。 这揭示了当前 AI 编程工具在状态判断机制上的局限性,影响了开发者的工作流信任度。
Anthropic披露Claude在不到半小时内查明NIST标准中五条椭圆曲线种子的生成方式,推翻了业界关于种子源自“加薪口令哈希”的长期猜测。Claude自行推测种子可能来自90年代C语言伪随机数生成器,通过写程序扫描种子二进制特征,锁定lrand48随机数生成器,并借助LLL格基约简算法恢复种子状态,最终将种子来源追溯至1997年5月至1998年4月间的Unix时间戳。
同一新闻,精选展示《Claude 半小时解开 NIST 椭圆曲线种子密码学谜题》
智谱推出法律专用开源模型 GLM-Legal,在 Harvey LAB 与 LegalBench 评测中以 19.2% 任务全通过率和 86.23% 准确率位居开放权重模型榜首。该模型基于 GLM-5.3-Flash 底座,通过法律语料中期训练及数万法律任务环境中的强化学习进行优化,具备审合同、串证据及跨境合规研究等实际工作能力,目前开放 Beta 申请并计划接入 AutoClaw。
推荐理由:原文展示了GLM-Legal在法律实务任务中的表现及训练路径,为法律AI应用提供了成本与效率的比较视角。
DeepSeek 发布新模型 V4.1-Flash-1017,在基准测试中性能提升且任务运行时间与 token 费用降低,支持“许愿式编程”基于自反馈强化学习自动生成完整项目。同时官方推出自研 Search 和 Fetch API 接口,按成功请求次数计价,每千次 5 元,并开放给 DeepSeek Harness、Claude Code 等工具调用,限时免费。
DeepSeek V4.1-Flash-1017 更新上线,参数量增至 763B,主打从零开始构建完整项目能力,基于自反馈的强化学习增强了游戏开发和 3D 建模表现,Terminal-Bench 4.0 成绩从 31.2 提升至 42.3,同时 API 单价不变但任务平均费用从 3.3 元降至 1.3 元。
开源 Android 应用 Buddy 连接 AI 模型操作手机,基准测试显示 Sonnet 5.5 最快,中位耗时 25 秒且 10/10 完成,Opus 5.5 耗时 27 秒。
DeepSeek 将 V4.1-Flash 更新至 1017 版本,开源权重上线 HuggingFace 与 ModelScope,同时向公众开放定价为 5 元/千次的搜索与抓取 API。新模型在 DeepSWE 等基准测试中表现超越 GPT-6 Astra 等竞品,单任务成本降低约六成,并通过强化学习增强完整项目开发能力,支持用自然语言描述需求的编程模式。
Anthropic的STEM Fellows项目利用Claude Mythos 5自主设计出效率更高的高效量子电路。该AI通过纯语言描述指令,在53小时内完成了8项基础量子电路的设计,关键解码任务的计算成本较人类最佳方案降低12至17倍,且自主推导出了全新代数恒等式。
推荐理由:AI不仅生成代码,还能推导人类未知恒等式优化底层架构,展示了大模型在复杂科学发现中的潜在作用。
DeepSeek 发布 V4.1-Flash-1017 模型,基于自反馈强化学习显著增强了游戏开发、3D 建模等任务的“许愿式编程”能力。模型在 Terminal-Bench 4.0 等基准测试中成绩提升,且处理相同任务时消耗的 token 和耗时更少,API 单价保持不变。
DeepSeek 发布 V4.1-Flash-1017,在多个 Agent 与编码任务中达到更高分并降低单任务成本。模型在 DeepSWE 基准上取得 77.0%,平均成本低于 $0.20。DeepSeek 同时公开了搜索与抓取 API,开发者可按每 1,000 次调用 $0.75 使用。
推荐理由:文章给出成本与性能变化,读者可以评估新模型在 Agent 任务中是否值得替换。