ElevenLabs 推出 Eleven Realtime 语音到语音模型系列，包含面向 AI 助手、教师等场景的 v1 Mini 和面向客服、线索筛选及多步骤流程的 v1 Max 两个版本。两款模型支持 90 多种语言和超过 17000 种音色，将语音识别、轮次切换、语音活动检测与语音生成整合为一个系统。在 Artificial Analysis 的评测中，Max 在 Big Bench Audio 上正确回答 98.8% 的问题，Mini 为 75.9%；Max 首音频平均耗时 0.57 秒，Mini 为 0.62 秒；工具调用任务上 Max 完成 87.1%，Mini 为 60.3%。Eleven Realtime 遵循 OpenAI Realtime 规范，开发者只需修改 API 端点和模型名即可迁移，但使用 WebRTC 的集成需改用 WebSockets。
#模型发布#语音#Agent
记忆张量开源发布 MemT 1.0 系列记忆原生模型，包含 36B 参数、激活 3B 的 MemT-1.0-Nano（基座 Qwen3.6-35B-A3B）和 288B 参数、激活 17B 的 MemT-1.0-Flash（基座 DeepSeek-V4-Flash），在选定的 Transformer 模块中加入与注意力并行的记忆计算通路。团队构建了 340 亿 Token 记忆训练语料，其中继续预训练 200 亿、后训练 140 亿。在 11 项记忆基准综合评估中，Flash 和 Nano 平均得分分别为 50.6 和 47.0，位列参与评估的参数化记忆方法前两名；在 500 项 SWE-bench Verified 任务中，Nano 三次全部成功的任务比例从无经验基线的 54.00% 提升到 62.80%。
#模型发布#开源生态#数据/训练
MiniMax 正式发布 M3.1 Flash，即此前在 OpenRouter 上匿名屠榜的 Space Bunny（玉兔）。该模型在 Agents' Last Exam 上得分 29.6%，位列国产模型第一，AA 榜单得分 43；DeepSWE v1.1 拿下 73.7%，CyberGym 82.2 分，BankerToolBench 76.2 分与 Claude Opus 5 并列第一，OSWorld V2 为 61.7 分。模型采用稀疏注意力架构，输出最快 200+ TPS、中位数 170+ TPS，输入每百万 Token 1 元、输出 4 元、缓存读取 0.1 元，综合使用成本相比前代 M3 下降 70%。
#模型发布#Agent#编码
MiniMax 于 10 月 19 日认领匿名模型 Space Bunny，正式发布 M3.1 Flash，采用稀疏注意力架构，428B 总参数、约 23B 激活，推理速度提升近 3 倍，使用成本降 70%，定价为输入每百万 token 1 元、输出 4 元、缓存读取 0.1 元。模型权重将于 10 月 23 日开源，官方预告更高智能上限的 Pro 版不久后推出。作者用四道同类型新题替换社区出圈案例重测，认为其前端 Coding 能力进步明显，且保留了主动打开浏览器试错的自验收行为。
#模型发布#编码#开源生态
英伟达发布面向机器人手术的生成式世界模型 Cosmos3-H-Dreams，同步开放模型权重及配套代码。该模型基于 CMR Surgical 旗下 Versius 系统的临床胆囊切除手术录像与机器人运动学数据微调，支持双臂位姿、钳口开合及电外科能量等 28 维动作输入，可根据初始内窥镜画面和机械臂指令实时生成手术场景视频。官方模型卡显示，在单块 RTX PRO 6000 Blackwell 工作站版 GPU 上以 832×480 分辨率运行时，四步去噪版本为 30 帧/秒，两步版本可达 43.2 帧/秒；配套代码支持动作回放，并可连接 WebXR 兼容头显进行实时交互控制。
#模型发布#具身智能#开源生态
Cloudflare 于 2026 年 10 月 19 日宣布预览提供 AI 模型 Clairic，可从文章和图片中抽取数值、日期等指定类型的值并以 JSON 返回，还能做计算、基于类似案例估算和基于历史趋势预测。该模型在 Workers AI 上以 @cf/cloudflare/clairic 提供，按输入 token 计费，每 100 万输入 token 0.10 美元，模型权重计划后续公开。Cloudflare 用 GLM-5.3 做回复生成的对比显示，由 Clairic 和 Clef 承担抽取与判断后，处理时间从 61.7 秒降至 19.3 秒，费用减少 49%。
#模型发布#数据/训练#部署/工程
Introducing Voxtral 3: state-of-the-art Transcribe and Speech models powering Mistral’s new voice agents API. 🧵 https://t.co/YA9HNVfq0u
#模型发布#语音#开源生态
Introducing Voxtral 3: state-of-the-art Transcribe and Speech models powering Mistral’s new voice agents API. 🧵 https://t.co/YA9HNVfq0u
#产品更新#语音#模型发布
#模型发布#语音#部署/工程
Introducing Voxtral 3: state-of-the-art Transcribe and Speech models powering Mistral’s new voice agents API. 🧵 https://t.co/YA9HNVfq0u
#产品更新#语音#部署/工程
A new frontier for on-device speech. We're open-sourcing Phonon, a suite of TTS models under 50m parameters, setting a new standard for naturalness and accuracy across languages, with the broadest inference support to date. Phonon-31m is available under Apache 2.0. https://t.co/d3qa9qmnzY🧵
#模型发布#语音#端侧
Beyond OCR. Meet OXR. Only 1.3B. Open source. #1 on olmOCR-Bench, OmniDocBench & DocParsingBench🏆 #1 in parsing speed among open-source models⚡ RSI-powered. A first in document parsing. Turn documents into Agent-Friendly data. If OXR helps, give us a star on GitHub! 🌟 https://t.co/kQlsq8oIdN
#模型发布#开源生态#推理
#模型发布#开源生态#具身智能
Introducing FLUX 3 Max, the latest post-trained video model from fal Research in partnership with @bfl_ai. FLUX 3 Max is tied for #1 in image-to-video quality on independent third-party benchmarks, generating a 10-second, 720/768p video in ~12 seconds. For the next three weeks, FLUX 3 Max is 75% off, making it the most affordable frontier video model at its quality level.
#评测/基准#视频#图像生成
#评测/基准#Agent#编码
#模型发布#语音#评测/基准
新加坡具身创企 Ropedia 联合南洋理工大学、杜克大学、加州大学圣地亚哥分校及清华大学发布跨本体移动操作世界模型 Ropedia W0，通过统一动作表示预测人类、机械臂和人形机器人执行动作后的第一视角场景变化。该模型在 DreamDojo、Ψ₀、ω-HOME、AgiBot 和 Xp-Teleop 五个评测基准的 11 项测试中均排名第一，未经后训练即在 Ψ₀ 和 ω-HOME 上超过使用全量数据后训练的 Cosmos3-Super。团队还构建约 1.3 万小时的 Xp-Data 数据集，并推出 50 亿参数的稠密模型 Ropedia W0 5B 和采用 MoE 架构、激活参数量 140 亿的 Ropedia W0 A14B。
#模型发布#具身智能#多模态
NVIDIA 于 2026 年 10 月 20 日发布 Cosmos3-H-Dreams，这是一个面向机器人手术的实时、动作条件生成式世界模型，基于 CMR Surgical Versius 系统的临床胆囊切除录像微调，模型权重与配套代码同日公开。模型约 151.7 亿参数，采用 Mixture-of-Transformers 架构，在单张 RTX PRO 6000 GPU 上以 832 x 480 分辨率实现 30.0 FPS（四步去噪）和 43.2 FPS（两步去噪）。模型卡称其按 NVIDIA Open Model License 可用于商业或非商业用途，GitHub 仓库采用 Apache-2.0 许可，并附有教师微调与 Self-Forcing 蒸馏的步骤说明。
#模型发布#开源生态#多模态
Inception AI 发布旗舰扩散语言模型 Mercury 3，在自家 12 项基准中 8 项超过 GPT-6 Luna 和 Claude Haiku 5.5，速度为其 4 到 8 倍。官方称在 NVIDIA GPU 上达到每秒 1068 tokens，Haiku 5.5 约 240、GPT-6 Luna 约 130；上下文窗口提升至 100 万 tokens，参数量未披露，仅称超过 Mercury 1 的 40 倍。定价为每百万输入 tokens 20 美分、输出 70 美分，发布期五折，可通过 Inception 平台及 OpenRouter、Baseten、Vercel 调用。
#模型发布#推理#编码
OpenAI 表示新模型在 COBOL、Fortran、Visual Basic 等老旧语言的编写与迁移上明显更强。其自建的 MultiLangBench 要求模型用 20 种语言从零构建兼容 SQLite 的数据库引擎，GPT-6 Astra 平均通过率 87.4%，GPT-5.6 Sol 为 26.8%，其中 COBOL 从 10.9% 升至 72.1%。在 COBOL 迁移到 C++、Java、Kotlin、Python 或 Rust 的测试中，GPT-6.1 Sol 在低推理强度下准确率 86.6%，API 成本为 61%，GPT-5.6 Sol 同设置下为 5.4%，高推理强度下达到 97.9%。
#模型发布#编码#评测/基准