xAI 发布实时语音对话模型 Grok Voice 3.0，在 Artificial Analysis 的 Speech-to-Speech 指数上以 86.9 分登顶，高于 OpenAI GPT-Live-1 的 83.2 分和 Google Gemini 3.8 Live 的 82.6 分，前代 Grok Voice 2.0 为 81.3 分。该模型在 τ-Voice 客服对话基准上成功率从 56.5% 升至 71.6%，位列第二，落后 GPT-Live-1（Astra, Medium）的 74.5%；人类盲测偏好排名第三，语音输出平均延迟 0.81 秒，价格维持每分钟 0.08 美元。xAI 称其已在特斯拉车辆中每天处理数百万次对话，并在 Starlink 工作日接听约 2 万通客户来电，其中约 70% 无需人工介入，现已通过 API 开放。
#模型发布#语音#评测/基准
SpaceXSI（原 xAI）发布语音到语音模型 Grok Voice 3.0，用于其 Voice Agent API。Artificial Analysis 的 Speech-to-Speech Index 给它 86.9 分，高于 GPT-Live-1 的 83.2 和 Gemini 3.8 Live 的 82.6；Full Duplex Bench 得分 97%。在 Tau-Voice 上 OpenAI 模型以 74.5% 略高于 71.6%，但 SpaceXSI 称其首次出声快约 40%。该模型现已在 Voice Agent API 上线，每分钟 8 美分，与 Grok Voice 2.0 同价。
#模型发布#语音#OpenAI
Nvidia 发布 Nemotron 3.5 系列模型，包括开源的 120B 参数 Super VL、面向本地运行的 Bolt 74B-A9B 24GB，以及本月晚些时候推出的 Bolt E4B 4GB。Super VL 与 Nemotron Coalition 合作构建，支持指令跟随、工具调用、多步业务流程和视觉理解，Nvidia 称其能力接近自家最大推理模型而体积仅为五分之一，输出速度约为同类模型的近五倍。Bolt 74B-A9B 采用混合 MoE 架构，每次激活 74B 中的 9B 参数，并用 2-bit 量化装入 24GB 内存，可在企业工作站或 PC GPU 上本地完成写代码和调试等任务；Bolt E4B 4GB 面向 GeForce RTX、Jetson 和 RTX/GTX Spark 等边缘设备。Nvidia 同时在 Hugging Face 开放智能体工具调用、金融、指令跟随、长上下文、安全、公平性和视觉语言理解等数据集。
#模型发布#Agent#端侧
Meta 发布 Muse Spark Open 的开放权重，该模型自 4 月首发以来一直闭源，此次面向编码和长时间运行的智能体任务开放。模型总参数 816B，每个 token 仅激活 42B，提示词可混合文本、图像、音频或视频，上下文窗口最高 100 万 token。在 Meta 自己的基准表中，Muse Spark Open 在 JobBench 智能体测试得 61.8 分，高于 Thinking Machines Lab 的 Inkling（31.1）和 Nvidia Nemotron 3 Ultra（27.2）；编码测试 Terminal-Bench 2.1 得 76.4，低于 Kimi K3 的 85、GLM 5.3 和 Qwen3.8；工具调用 MCP-Atlas 得 89.2，高于 Meta 列出的所有对手。权重采用新的 Muse Model License，开发者适配或内置到自有软件中不收费，但将其作为托管服务出售且 12 个月总收入超过 2000 万美元的公司需另签协议，产品需标注 Built with Muse Spark Open，禁止军事和关键基础设施用途。发布时有 7 家推理服务商提供托管访问，权重可从 Hugging Face 及 AWS、Google、Microsoft 的模型目录下载。
#模型发布#开源生态#Agent
Meta 发布开源权重模型 Muse Spark Open，称其为目前美国最强的开放权重模型，采用原生多模态架构，总参数 816B、激活 42B，上下文窗口 1M token，面向编码与智能体任务。该模型基于 Apple 最新版 MLX 针对搭载 M5 Ultra 的 Mac Studio 优化，两台机器可合计提供 1TB 统一内存运行完整模型，现已通过 Hugging Face 提供。Meta 称已用 Muse Code 在本地测试智能体工作流，包括向开源 Mastodon 客户端 Ice Cubes 提交 iOS 改动，以及驱动 DaVinci Resolve 逐帧筛选素材并竖版裁切。
#模型发布#多模态#Agent
阶跃星辰正式开放 Step 5 Preview 模型权重，BF16、FP8 两个版本同步上线 Hugging Face 和 ModelScope。该模型采用稀疏 MoE 架构，总参数量 600B、激活参数 27B，支持 100 万 Token 上下文窗口，在 Artificial Analysis 的 Intelligence Index 榜单中取得 44 分，位居全球开源模型前三。截至 2026 年 10 月 15 日，其 Token 用量在 OpenRouter 周榜、日榜均位列第二，近七日用量约 18.8 万亿 Token；据发布时的评测数据，其单任务平均成本为 0.71 美元，约为 Claude Opus 5 的 1/8。
#模型发布#开源生态#Hugging Face
Meta 发布 Muse Spark Open，称其为迄今能力最强的美国开源权重模型，总参数 816B、激活参数 42B，上下文窗口 100 万 token，面向编码与智能体任务。该模型与 Apple 合作适配 Mac Studio，可在两台 512GB M5 Ultra Mac Studio 上通过 MLX 框架运行；512GB 版 Mac Studio 尚未发售，预计本月晚些时候推出。模型权重可从 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 和 Microsoft Foundry Models 下载，也可通过 Baseten、Fireworks AI、Groq、Modal、Nebius、OpenRouter 和 Together AI 的 API 使用，免费下载并采用允许有限商业用途的许可。
#模型发布#开源生态#端侧
Meta 发布开源权重前沿多模态 MoE 模型 Muse Spark Open，总参数 816B，每个 token 激活约 42B 参数，面向编码与智能体任务，支持文本、图像、视频和音频输入，上下文窗口 1M token。模型提供 BF16 与 NVFP4 两种 checkpoint，NVFP4 面向 NVIDIA Blackwell GPU，并已集成 transformers、llama.cpp、vLLM、SGLang 和 MLX，官方还给出在 64 张 H100 上用 TRL 训练 LoRA 适配器的微调配方。
#模型发布#多模态#开源生态
IBM 发布 Granite Switch 4.1-8B 和 4.1-30B，内置一组预编译适配器，可在同一端点提供对话、决策与语音能力。由于适配器共享基座模型的 KV cache，在通用决策适配器之外叠加专用适配器几乎不增加成本，专用适配器在专门分类任务上可超过通用决策模型。在 5 步 RAG 工作流对比中，Granite-Switch-4.1-30B（冻结基座 Granite + 4 个专用 aLoRA）快于 Jev-27B（冻结基座 Qwen + 1 个通用决策 LoRA）；其 3B 版本在 Doom 游戏中达到 60-100 次决策/秒，并可在游玩时进行叙述和回答问题。IBM 计划在 Mellea 中发布用于训练适配器的 Adapter SDK，并支持社区用自定义及第三方适配器组合自己的 Granite Switch 模型。
#模型发布#开源生态#推理
Black Forest Labs 发布 FLUX 3 Image Klein，一个 5.6B 参数的开放权重模型，支持文生图、图像编辑和最多 10 张参考图的多参考生成，具备原生 4K 生成、像素级编辑和边界框控制能力。官方内部评测称其在文生图、多参考生成和图像编辑上排名第一，超过更大的开放权重模型以及 Ideogram V4.5 和 FLUX.2 [pro]；相比 FLUX.2 [klein] 9B，文生图提升 91 Elo、图像编辑提升 70 Elo，参数少 38%。模型以 FLUX Kommunity License 发布，含基础模型、步数蒸馏模型以及 FP8、INT8、NVFP4 版本，INT8 版本可在 8GB 显存的 NVIDIA GeForce RTX GPU 上通过 ComfyUI 或 Diffusers 运行，蒸馏模型加 INT8 在 RTX 5090 上约 4 秒生成 1MP 图像，RTX 4070 上不到 9 秒；API 定价每 1K 图像 0.009 美元起。
#模型发布#图像生成#开源生态
微软 AI 宣布完成新一代基础模型 MAI-Base-2 的预训练，这是一个 80B 激活参数、2.8T 总参数的 MoE 模型，在内部留出评测上优于其测试的所有开放权重模型。微软称其预训练 FLOPs 效率比最强的开放基础模型 DeepSeek-V4-Pro-Base 高 4-12 倍，训练使用 16k 块 GB200 GPU、历时 38 天，平均 MFU 21%、goodput 89%。该模型基于有机数据训练、不涉及其他模型蒸馏，目前正进行后训练，微软计划通过 Foundry 向可信伙伴授权模型权重。
#模型发布#数据/训练#Microsoft
Fish Audio 本周发布 Drama 3，一个 35B 参数的混合专家（MoE）文本转语音模型，每 token 约 3B 参数激活，权重已上传 Hugging Face 并同步上线 Fish Audio API。模型支持 83 种语言，可用方括号内的自然语言表演指令控制语气，单次请求最多支持 16 个说话人。在 Artificial Analysis 发音鲁棒性评测中整体得分 93.2%，其中品牌、地名与技术术语 95.9%，代码、路径、邮箱等精确序列为 86.3%；自托管需至少 48 GB 显存的 NVIDIA GPU 并以 FP8 运行，API 标价每 100 万字符 50 美元，11 月 12 日前为 10 美元。
#模型发布#语音#开源生态
SpaceXAI 发布语音到语音模型 Grok Voice 3.0，在 Artificial Analysis Speech-to-Speech Index 上以 86.9 分排名第一，高于 GPT-Live-1（Astra, medium）的 83.2 分和 Gemini 3.8 Live Extended Thinking 的 82.6 分。该模型通过 /v1/realtime WebSocket 端点以 grok-voice-3.0 提供，仅托管 API、无开放权重，价格维持 $0.08/分钟，首音频延迟 0.81 秒。其 τ-Voice 得分 71.6%，仍低于 GPT-Live-1 的 74.5%。
#模型发布#语音#Agent
NVIDIA 发布 Nemotron 3.5 Super VL，这是一个 120B 参数、每 token 激活 12B 的 MoE 开源视觉语言模型，支持文本、图像、文档和视频输入，上下文最高 1M tokens，权重以 OpenMDW-1.1 许可发布。NVIDIA 报告其在 GPQA-Diamond 得 89.90、SWE-bench Verified 得 71.07，但在 tau3-bench banking 仅 17.78。模型可在 1x DGX Spark、1x H200、2x H100 或 1x GB200 上运行 NVFP4 检查点，并已上线 Hugging Face、OpenRouter、ModelScope 和 NVIDIA NIM，同时发布面向本地智能体的 Nemotron 3.5 Bolt 74B-A9B。
#模型发布#多模态#Agent
阶跃星辰宣布开放 Step 5 Preview 模型权重，包含 BF16 与 FP8 两个版本，在 AI 编程、软件工程、专业知识工作、金融等任务上达到前沿水平。权重已上线 Hugging Face 和 ModelScope，开发者可通过 vLLM 或 SGLang 部署兼容 OpenAI 接口的 API 服务，也可用 Transformers 离线推理。华为、壁仞科技、沐曦股份、摩尔线程随后宣布提供 0Day 支持，其中昇腾基于 vLLM 推理引擎实现 0Day 支持，首套 1024 卡 Atlas 950 SuperPoD 液冷超节点同步上线点亮。
#开源/仓库#部署/工程#Hugging Face
英伟达推出开放多模态模型 Nemotron 3.5 Super VL，采用 MoE 架构，总参数 1200 亿、激活参数 120 亿，面向持续运行的多步骤智能体任务。英伟达称其在单张 GPU 上执行智能体任务的吞吐量最高可达同规模其他开放模型的 5 倍，并将推理、指令遵循、工具调用与文本、图像、文档、视频理解整合在同一模型中。同期发布的还有 Nemotron 3.5 Bolt 74B-A9B 24GB 端侧模型，通过原生 2 位量化压缩至 24GB，支持 llama.cpp、vLLM、Ollama 等；Bolt E4B 4GB 计划于 10 月 23 日推出。
#模型发布#多模态#Agent
蚂蚁百灵开源 Ling-3.1-flash 模型，总参数约 560B，每个 Token 激活约 25B，最高支持 1M 上下文。在 Artificial Analysis 公开评测中，其智能指数为 41，输出速度约每秒 210 Token。团队对 routed experts 采用 MXFP4 量化、dense 层保持 block-FP8，权重占用从约 534GB 降至 292GB，Hopper GPU 测试配置下服务部署由 8 卡降至 4 卡。模型还提供长上下文并行推理方案（PCP / DCP），并加强对 JSON Schema 的工具调用支持。
#开源/仓库#数据/训练#部署/工程
Meta 于当地时间 10 月 15 日发布开放权重 AI 模型 Muse Spark Open，官方宣称其为迄今能力最强的美国开放权重模型。该模型采用原生多模态架构，总参数量 816B（激活参数 42B），支持 1M token 上下文窗口，专为代码构建与智能体协作设计。模型权重已上线 Hugging Face、Amazon SageMaker AI、Google Cloud Model Garden 与 Microsoft Foundry Models，并适配 SGLang、vLLM、TensorRT-LLM 等推理引擎。
#模型发布#多模态#开源生态
快手可灵 AI 宣布 Kling 4.0 正式全量上线 klingai.com，单次生成视频最长可达 30 秒，并支持多次续拍延展至 2 分钟。新版本支持单次输入最多 10 张图片、5 段视频及 7 个主体组合使用，输入长度提升至 8000 tokens，同时升级了镜头运动、音频与口型匹配等能力。Kling 4.0 能力已接入 MCP / CLI，面向企业客户与开发者的 API 服务将于近期开放。
#产品更新#视频#多模态
Black Forest Labs 的 FLUX 3 Image Klein 已在 ComfyUI 原生支持，该模型为 FLUX 3 家族中紧凑的开源权重版本，参数量 5.6B，提供 base 与蒸馏（-sd）两种权重。它保留大尺寸 FLUX 3 Image 的边界框控制，支持多参考生成与编辑、文本渲染与编辑、参考图风格迁移，并原生生成 4K 图像。官方称在内部评测中其文生图与多参考生成得分高于 Qwen-Image 2.1；配合 INT8 ConvRot 量化与步数蒸馏，1024×1024 文生图比 BF16 50 步基线快 4.3 至 9.3 倍，RTX 5070 上单图从 71 秒降至 8 秒以内。
#产品更新#图像生成#开源生态