Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型,前者面向角色设计与逐句表演指导,后者面向高并发配音与语音智能体。
推荐理由:官方给出两款 TTS 的定位差异、可用入口与基准排名,便于判断语音生成在配音和智能体场景的落地方式。
新模型的发布、开源与迭代:大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款语音生成模型,前者面向角色设计与逐句表演指导,后者面向高并发配音与语音智能体。
推荐理由:官方给出两款 TTS 的定位差异、可用入口与基准排名,便于判断语音生成在配音和智能体场景的落地方式。
Anthropic 发布 Claude Opus 5.5,称其为新 Claude 5.5 家族首个模型,多数任务达到 Claude Fable 5.1 水平,运行成本比 Opus 5 低 40%,并成为 Claude Code 与 Claude 应用的默认模型。
推荐理由:汇总了 Claude Opus 5.5 与 GPT-6 Sol/Luna 同日发布的价格、基准与第三方评测差异,便于横向比较两家新模型的定位。
OpenAI 发布 GPT-6 Sol 和 Luna 两款模型,将前沿智能带入日常工作。两款模型在能力与成本之间提供不同的平衡组合。
推荐理由:OpenAI 一次推出两款 GPT-6 模型,读者可据此了解其在能力与成本上的不同定位。
小米发布 MiMo-V2.6 系列原生全模态开源权重模型,其中 MiMo-V2.6-Pro 为 1.02T 总参数、42B 激活参数,采用 MIT 许可,Artificial Analysis 智能指数为 46,定价为输入 $0.435/M tokens、输出 $0.87/M tokens。
推荐理由:小米首次进入前沿开源模型序列,其 RL 环境与训练配方一并开源,读者可据此判断开源权重竞争的成本门槛变化。
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型,前者面向规模与成本效率,后者面向高复杂度任务与多步推理。
推荐理由:两款语音对话模型同时给出基准成绩与开放入口,读者可据此判断实时语音智能体的能力水位与落地路径。
OpenAI 发布 GPT-6 Astra,称其为面向商业场景能力最强的模型,具备高级推理、电脑操作以及更强的写作与设计判断能力。
推荐理由:OpenAI 官方发布 GPT-6 Astra,读者可据此了解其面向商业场景的推理与电脑操作能力定位。
Google DeepMind 与 Google Research 发布 WeatherNext 3,称其为迄今最先进、最准确的全球天气模型,并已接入 Search、Gemini、Google Maps、Google Maps Platform 和 Cloud。
推荐理由:官方给出分辨率、更新频率与降水精度等具体指标,可据此判断 AI 天气预报在实时数据上的进展。
OpenAI 发布 GPT-6 Astra,称其为迄今最智能、对齐程度最高的模型,在计算机操作、编码、网络安全和科学领域具备 SOTA 能力。
推荐理由:OpenAI 发布新一代模型 GPT-6 Astra,读者可据此了解其在计算机操作、编码等方向的能力定位。
OpenAI 发布 GPT-6 Astra 安全概览,称其是已广泛部署的最强模型,也是首个在 Preparedness Framework 下达到网络安全能力 Critical 级别的模型。
推荐理由:OpenAI 首次披露 GPT-6 Astra 在 Preparedness Framework 下达到网络安全能力 Critical 级别,可了解其安全评估结论。
Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber,称其为迄今最强的推理与编码模型,速度与成本与 3.7 Flash 持平。
推荐理由:官方给出两款 Flash 变体的能力定位与定价,读者可据此判断长程编码与网络安全场景的选型。
OpenAI 表示 Astra 是其首个在 Preparedness Framework 下达到关键网络安全能力阈值的模型,因此发布时将配备更强的安全防护措施。
推荐理由:OpenAI 首次披露有模型触及 Preparedness Framework 的关键网络安全能力阈值,读者可了解其分级与发布防护思路。
Google Research 发布 TimesFM-3,这是其新一代时间序列基础模型,原生支持多变量预测,参数量 3.3 亿,预训练语料超过 1 万亿个时间点。
推荐理由:TimesFM-3 把多变量预测做成零样本单次前向,读者可据此判断时间序列基础模型的当前能力边界。
Google DeepMind 发布 Gemini Omni 1.1 Flash,通过 Gemini API 在 Google AI Studio 提供面向开发者的生成视频控制能力。
推荐理由:原文列出场景延长、首尾帧插值与 4K 放大等具体能力与开放入口,可据此判断生成视频工作流的变化。
Google DeepMind 发布 Gemini 3.5 Transcribe,称其为目前最精确的语音转文本模型,可将原始音频直接转为准确、格式化文本。据 Artificial Analysis 测量,流式场景平均词错误率 4.0%,非流式 2.6%,最终转写时间较上一代 Chirp 3 改善 70%;在 FLEURS 基准上流式 WER 为 5.50%、非流式 5.04%。
推荐理由:官方给出 WER、延迟与多语言等指标,并对比上一代 Chirp 3,便于判断语音转写的能力边界。
IBM Granite 团队发布 Granite 4.2,这是其首个稠密 decoder-only 推理模型家族,包含 3B、8B、30B 三个规模,基于 Granite-4.1 基座后训练而来,全部采用 Apache 2.0 许可。
推荐理由:IBM 公开了 Granite 4.2 从预训练到多阶段 RL 的完整构建流程,可对照其分阶段课程与奖励设计。
Google DeepMind 发布 Gemini 3.7 Flash,称其为面向编码和智能体最强的主力模型,距 Gemini 3.6 Flash 发布仅三周。
推荐理由:官方给出与 3.6 Flash 的多项基准对比和半价定价,可据此判断编码与智能体场景的性价比变化。
Google DeepMind 发布多语言手语转文本模型 SL2T,并在 Pixel 11 的 Gboard 和 Live Transcribe 中上线手语听写功能,首批支持美国手语(ASL)转英文。
推荐理由:官方披露了 SL2T 的训练规模、手语到文本的翻译路径与隐私处理方式,可了解手语 AI 从实验室进入消费产品的技术取舍。
Meta 发布 Muse Glimmer,一个从 Muse 蒸馏到 30B 参数的多模态模型,采用 Apache 2.0 许可,面向本地智能体场景,如编码、文档分析和个人助理。
推荐理由:Meta 开源 30B 多模态模型并给出与 Gemma4、Qwen3.6 的基准对比,可据此判断本地智能体选型。
Google DeepMind 发布 WeatherNext AI 模型,在气旋路径、强度和风场结构预测上达到 SOTA,平均多出一天预警时间,相当于气象领域十年的进步。
推荐理由:原文给出气旋预报精度提升与开源权重,读者可据此判断气象 AI 在业务预报中的可用边界。
OpenAI 在 ChatGPT 中推出改进版 GPT-5.6 Sol,准确性和一致性更好。同时向免费用户扩大 GPT-5.6 Luna 的访问,并提供不限量的日常对话。
推荐理由:官方给出 GPT-5.6 Sol 的准确性与一致性改进,并说明免费用户可用范围的变化。