N全部新闻

全部新闻

星期日12 条

  1. 阶跃星辰 StepFun一手模型发布
    AI 评分55

    阶跃星辰发布 Step 5 Preview 旗舰智能体模型

    阶跃星辰发布面向智能体工作的新旗舰模型 Step 5 Preview，采用 600B 总参数、27B 激活的 MoE 架构，支持 1M 上下文与视觉能力，在同等智能水平下任务成本明显更低。该模型覆盖软件工程、Web 应用、3D 工作流与可编程硬件，在最长 24 小时的运行测试中能跟踪先前结果、依据执行反馈决定下一步并持续迭代，任务包括 GPU kernel 优化和自动化后训练。官方称其权重将于 10 月 15 日开放。

    同一事件 · 5 条报道

    #模型发布#Agent#推理

  2. 阶跃星辰 StepFun一手模型发布
    AI 评分73

    阶跃星辰发布 Step 5 Preview，600B MoE 旗舰模型面向智能体工作

    阶跃星辰发布旗舰模型 Step 5 Preview，面向智能体工作，在软件工程与专业知识工作上达到前沿水平，金融领域表现尤为突出。该模型为 600B 总参数、27B 激活的 MoE 架构，支持 1M 上下文与视觉，在同等智能水平下任务成本大幅降低，并能在长时程任务中持续执行。官方称将于 10 月 15 日开放权重。

    同一事件 · 5 条报道

    #模型发布#Agent#推理

星期六3 条

  1. 通义千问 / Qwen一手模型发布
    AI 评分62

    Qwen 发布实时同传模型 Qwen3.8-LiveTranslate

    Qwen 发布新一代实时同声传译模型 Qwen3.8-LiveTranslate，基于 Interleave 架构，在 60 种语言上把平均延迟（LAAL）从 2.8s 降到 2.3s，并提升忠实度、流畅度和简洁度。新能力包括实时说话人分离，可在多方语音中区分说话人并通过更稳定的声音克隆保留各自音色；双语同步显示，原文与译文同屏呈现；长上下文消歧，利用对话历史澄清人名和术语以保证译文一致。模型已在 QwenCloud 上线，官方同时给出博客和案例链接。

    #模型发布#语音#多模态

  2. 通义千问 / Qwen一手模型发布
    AI 评分62

    Qwen 发布 Qwen3.8-LiveTranslate 实时同传模型

    Qwen 发布下一代实时同声传译模型 Qwen3.8-LiveTranslate，基于 Interleave 架构，在 60 种语言上把平均延迟（LAAL）从 2.8s 降至 2.3s，并提升忠实度、流畅度与简洁度。新增能力包括实时说话人分离，可在多方语音中区分说话人并通过更稳定的声音克隆保留各自音色；双语同步显示，原文与译文同屏呈现；长上下文消歧，利用对话历史澄清人名和术语以保证翻译一致。官方同时给出博客与 QwenCloud 试用入口。

    #模型发布#语音#多模态

星期五5 条

  1. Qwen Blog一手模型发布
    AI 评分65

    阿里 Qwen 发布 Qwen3.8-LiveTranslate 实时同传模型

    Qwen 团队发布 Qwen3.8-LiveTranslate，采用 Interleave 架构把音频与文本交织为单一流，平均延迟（LAAL）从上一代的 2.8 秒降至 2.3 秒。新版本在原有 60 种语言基础上增加实时说话人分离、双语同屏对照输出和长上下文消歧三项能力，模型基于 Hybrid-MoE 的 Thinker–Talker 双模块设计。官方同时给出通过 DashScope API 接入的完整实时翻译客户端示例，说话人标识与源语言文本由服务端随译文一并返回。

    #模型发布#语音#多模态

  2. Qwen Blog一手模型发布
    AI 评分78

    阿里千问发布 Qwen3.8-Omni-Flash 及实时版

    阿里千问发布 Qwen3.8-Omni-Flash，支持图像与音频输入，可通过 DashScope 兼容接口调用，并支持 enable_thinking 与 xhigh、medium、low 三档 reasoning_effort。同系列还提供 Qwen3.8-Omni-Flash-Realtime，支持 WebSocket 和 WebRTC 连接，可开启摄像头和麦克风进行实时音视频对话。官方同时开源 Qwen-MM-Plugins 多模态插件套件，支持 Codex、Claude Code、Qwen Code、Gemini CLI 等 agent harness，提供图像、音视频理解与长视频记忆等能力。

    #产品更新#多模态#推理

  3. 通义千问 / Qwen一手模型发布
    AI 评分80

    阿里千问发布全模态模型 Qwen3.8-Omni-Flash

    阿里千问发布首个围绕智能体能力构建的全模态模型 Qwen3.8-Omni-Flash，原生支持音视频理解、推理与工具调用。官方称其音视频能力接近 Gemini 3.8 Flash，在 WildClawBench-MM 与 UniClawBench 上智能体表现平均提升 19.5 分；支持 1M token 上下文，在 OmniVideoBench 上比静态理解少用 51.8% token。视频输入成本较 Qwen3.5-Omni-Plus 降低约 89%，同时开源 Qwen-MM-Plugins，Qwen-Live Harness 即将推出。

    #模型发布#多模态#Agent

  4. 通义千问 / Qwen一手模型发布
    AI 评分83

    阿里千问发布 Qwen3.8-Omni-Flash 全模态模型

    阿里千问发布 Qwen3.8-Omni-Flash，称其为 Qwen 首个围绕智能体能力构建的全模态模型，将原生音视频理解、推理与工具调用整合在一个模型中。官方称其在音视频能力上接近 Gemini 3.8 Flash，在 WildClawBench-MM 与 UniClawBench 上智能体性能平均提升 19.5 分；支持 1M token 上下文，在 OmniVideoBench 上比静态理解少用 51.8% token，视频输入成本较 Qwen3.5-Omni-Plus 降低约 89%。同时开源 Qwen-MM-Plugins，Qwen-Live Harness 即将发布。

    #模型发布#多模态#Agent

  5. xAI News一手模型发布
    AI 评分66

    xAI 发布 Grok Voice Transcribe 2.0 语音转写模型

    xAI 发布 Grok Voice Transcribe 2.0 语音转写模型，称其准确率是 Grok Voice Transcribe 1.0 的两倍，价格不变。该模型在 Artificial Analysis 公开榜单的 32 个流式模型中准确率排名第一，并支持批量与流式转写、词级时间戳、说话人分离、多声道转写和关键术语偏置等功能。批量转写定价为每小时音频 $0.10，流式为 $0.20，该模型将很快成为 Speech-to-Text API 的默认选项，1.0 版本将在未来几周内弃用。

    #模型发布#语音#xAI

星期四2 条

  1. 阶跃星辰 StepFun一手模型发布
    AI 评分60

    阶跃星辰发布 StepAudio 3 Music 音乐生成基础模型

    阶跃星辰与 ACE Studio 联合发布 StepAudio 3 Music，这是阶跃星辰首个音乐生成基础模型，可根据提示词和歌词生成完整歌曲。该模型集成歌曲生成、伴奏生成、音乐翻唱和人声转歌曲编曲四种工作流，由 ABC-COT 在合成前规划音乐结构与编曲，用户可改写提示词、编辑 ABC 记谱并迭代。Hugging Face Space 演示和 API 文档已放出，ABC-COT API 即将推出。

    #模型发布#语音#Hugging Face

  2. 阶跃星辰 StepFun一手模型发布
    AI 评分62

    阶跃星辰与 ACE Studio 发布音乐生成基础模型 StepAudio 3 Music

    阶跃星辰与 ACE Studio 联合发布 StepAudio 3 Music，这是阶跃星辰首个音乐生成基础模型，可根据提示词和歌词生成完整歌曲。用户可描述曲风、情绪、人声特点、乐器、调性与 BPM 以及歌曲结构与编曲，模型支持歌曲生成、纯器乐生成、音乐翻唱和人声转歌曲编曲四种工作流。该模型由 ABC-COT 驱动，在合成前先规划音乐结构与编曲，ABC-COT API 即将推出，官方同时开放了交互式 demo。

    #模型发布#语音#多模态

星期三8 条

  1. gihyo.jp模型发布
    AI 评分65

    TypeSafe AI 发布判断专用模型 Jev 早期访问版

    TypeSafe AI 于 9 月 15 日发布面向软件内判断处理的 AI 模型 Jev 的早期访问版，开发者可通过官网加入等待名单。Jev 不生成文本，而是按预先指定的选项或评分尺度返回结构化判断结果与置信度，支持 Choice、Score、Noul 三种提问形式，并采用 RLCD 强化学习做置信度校准。定价为输入每 100 万 token 0.042 美元、输出免费，官方称相比 LLM 快 20 至 200 倍、成本降至 1/40 至 1/400。9 月 21 日追加消息称等待名单已取消，所有用户可直接从开发者控制台使用，并获赠 5 美元初始额度。

    #模型发布#推理#部署/工程

  2. 阶跃星辰 StepFun一手模型发布
    AI 评分73

    阶跃星辰发布 StepAudio 3 系列 5 款音频模型

    阶跃星辰发布 StepAudio 3 系列，包含实时语音、语音识别、语音生成、音频生成和音乐共 5 款音频模型。其中 Realtime 在 Artificial Analysis 的 Conversational Dynamics 和 Speech Reasoning 两项分别达到 98.9% 和 99.7%，均排名第一；ASR 的词错率为 1.7%，与榜单最好成绩持平。该系列可用于构建能处理打断、边说话边推理并调用工具的语音智能体，现已通过 Voice AI Lab 和博客开放。

    同一事件 · 2 条报道

    #模型发布#语音#Agent

  3. 阶跃星辰 StepFun一手模型发布
    AI 评分62

    阶跃星辰发布 StepAudio 3 系列 5 款音频模型

    阶跃星辰发布 StepAudio 3 系列 5 款音频模型，覆盖实时语音、语音识别、语音生成、音频生成和音乐。其中 Realtime 在 Artificial Analysis 的 Conversational Dynamics（98.9%）和 Speech Reasoning（99.7%）两项排名第一，ASR 的 WER 为 1.7%，与榜单最佳结果持平。官方称可用于构建能处理打断、边说话边推理并调用工具的语音智能体，现已开放 Voice AI Lab 和 API。

    同一事件 · 2 条报道

    #模型发布#语音#多模态

  4. Philipp Schmid模型发布
    AI 评分80

    Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking

    Google 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，延续上月 3.5 Transcribe 之后对实时语音智能体的投入。官方给出的数据包括 Artificial Analysis Quality Index 82.6 排名第一、输入 $0.005/min 与输出 $0.018/min，以及 τ-banking 智能体任务完成率 35.1 排名第一。3.8 Live Extended Thinking 可在后台思考并异步执行工具调用，同时保持对话不中断，用于协调多步工具使用。该模型已在 Google AI Studio 的 Gemini API、Google Search 和 Gemini App 上线，也可通过 LiveKit、Pipecat、LangChain、Vercel 的合作伙伴插件使用。

    #产品更新#语音#Agent

  5. Google AI模型发布
    AI 评分75

    Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 音频模型

    Google 发布两款 Gemini 音频模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking，主打更自然的语音对话与任务执行。Gemini 3.8 Live 面向规模、速度和成本效率，支持句中打断、在 97 种语言间即时切换并理解视觉上下文，可在 Search Live 中对着摄像头拍摄故障处获取分步语音指导。Gemini 3.8 Live Extended Thinking 面向更复杂任务，边推理边说话，并能叙述自己的执行进度，用于活动策划等多步骤项目。

    同一事件 · 2 条报道

    #模型发布#语音#多模态

  6. Google AI模型发布
    AI 评分74

    Google 发布 Gemini 3.8 Live 与 Live Extended Thinking

    Google 发布 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking。Gemini 3.8 Live 面向消费者上线 Search Live，开发者可通过 Gemini API 在 Google AI Studio 公开预览，企业版通过 Gemini Enterprise 私有预览。Gemini 3.8 Live Extended Thinking 面向消费者上线 Gemini App 的 Gemini Live，并向 Google AI Pro 和 Ultra 订阅者开放 Google Docs，向所有 Google AI 订阅者开放 Gmail 和 Keep；开发者同样在 Gemini API 公开预览，企业版通过 Gemini Enterprise 私有预览。

    #产品更新#Google#多模态

  7. Odyssey一手模型发布
    AI 评分51

    Odyssey 发布 Odyssey-3 世界模型，可生成供 AI 行动与学习的环境

    Odyssey 发布 Odyssey-3，称其是基础世界模型的一次重大进展，可控制机器人、驱动人形机器人、驾驶汽车、训练 AI、操控无人机，甚至玩电子游戏。Odyssey-3 还能生成供 AI 栖身的环境，让智能体在其中采取行动并从结果中学习，官方称这类世界支持递归学习系统，一个智能体运行在另一个智能体内部，彼此推动能力提升。

    同一事件 · 2 条报道

    #模型发布#具身智能#Agent

  8. Odyssey一手模型发布
    AI 评分62

    Odyssey 发布基础世界模型 Odyssey-3

    Odyssey 发布基础世界模型 Odyssey-3，称其可控制机器人、驱动机器人本体、驾驶汽车（在印度的道路上）、训练 AI、操控无人机，甚至玩电子游戏。Odyssey 将 Odyssey-3 视为面向物理智能体的模型，能原生对接物理与虚拟系统，还可生成供 AI 栖身、行动并从结果中学习的环境，形成一层智能运行在另一层智能之中的递归学习系统。

    同一事件 · 2 条报道

    #模型发布#具身智能#多模态