OTRouterClaude、GPT 一个 Key 调用看价格 →

AI 快讯

实时更新 · 最近 06:30北京时间

11月10日 周二

模型发布官方发布

Zyphra 发布开源 TTS 模型 ZONOS3-Mini,可在手机浏览器实时运行

Zyphra 发布开源零样本语音克隆 TTS 模型 ZONOS3 Mini,采用 Apache 2.0 许可。 该模型基于稀疏 MoE 架构,总参数 8 亿、活跃参数 1 亿。其在 Pixel 9 浏览器端的首字音频延迟(Time To First Audio)低于 570 ms,在 M3 MacBook Air 上低于 150 ms。 ZONOS3 Mini 可在手机浏览器中实时运行,并支持零样本语音克隆。

重要
模型发布媒体报道

Anthropic 发布 Claude Fable 5.2 与 Claude Mythos 5.2 模型

据 The Verge 报道,Anthropic 发布两款新模型 Claude Fable 5.2 和 Claude Mythos 5.2,称其用于应对“艰巨”的技术挑战。Anthropic 表示,新模型在编码、推理和视觉方面均有提升,输出速度快于 Fable 与 Mythos 的 5.1 版本。 Anthropic 称,Claude Fable 5.2 擅长处理高难度软件工程问题,能够调度智能体团队并推进长期运行的项目,该模型还解决了一...

原文 · theverge.com ↗
模型发布媒体报道

Meta 发布轻量模型 Muse Ember,面向智能体执行

Meta Superintelligence Lab 发布了一款名为 Muse Ember 的新 AI 模型,称其为该实验室迄今最轻量、成本效率最高的 AI 模型。该模型面向复杂推理执行以及智能体日常重复性工作设计,包括工具调用、编码子任务、路由、信息提取和长文档解析。 Meta 强调 Ember 的单任务成本,并引用 Artificial Analysis 的综合基准分数,称其比 Anthropic 的 Haiku 和 OpenAI 的...

11月9日 周一

重要
模型发布官方发布

NVIDIA 在 CoRL 发布 GR00T 2、Isaac Lab 3.0 及多项开放机器人基准

11月9日,在得克萨斯州奥斯汀举行的机器人学习会议 CoRL 上,NVIDIA 发布多项开放机器人技术,包括世界动作模型 GR00T 2、仿真工具 Isaac Lab 3.0、评估基准与智能体工作流。仿真此前主要用于训练机器人行走、滚动和跳跃,如今正被用于齿轮对齐、线缆连接和小组件装配等需要更精细操作的训练任务。 GR00T 2 基于 NVIDIA Cosmos 构建,训练数据包含 10 万小时 NVIDIA 开源人类第一视角数据。NVID...

重要
模型发布官方发布

字节 Seed 发布 Seedream 5.5 图像创作模型:支持 100 轮连续编辑与原生 RGBA 透明输出

字节 Seed 发布新一代图像创作模型 Seedream 5.5,带来三项升级。 在编辑能力上,Seedream 5.5 可对非编辑区域实现像素级保持,并支持围绕同一作品进行多达 100 轮连续编辑,以提升多轮修改的稳定性。 在素材输出上,该模型新增原生 RGBA 透明素材生成能力,可直接输出带 Alpha 通道的图像,省去抠图环节。 在画面表现上,模型改善了光照材质与皮肤纹理表现,并显著提升文字渲染能力。

11月7日 周六

模型发布官方发布

Pangram 发布 Image 1.0 与 Flash 1.0,称 AI 图像与视频检测达到新水平

Pangram 发布 Pangram Image 1.0 与 Pangram Image Flash 1.0,公司称前者在 AI 图像和 AI 视频检测上达到当前最佳水平。 据公司介绍,其使用 12 个前沿 AI 图像生成器,为 100 张真实照片生成合成镜像、共 1,200 张合成图像,模型在该评测集上达到 99.96% 准确率;Flash 1.0 在 DF26 上的得分为 98.7%,比次优检测器高 29 点。 新版本将图像输入的最低分...

11月6日 周五

模型发布媒体报道

Underdog 展示 32MB 文本转语音模型 Woof,可生成语音和音乐

Underdog 展示了一款名为 Woof 的新型文本转语音模型,并用它制作了一个可在浏览器中运行的小游戏。该模型体积为 31.7 MB(约 32MB),拥有 3100 万参数,已开放下载,公司称其可在大多数设备上断网离线运行。 在演示游戏中,用户可在打字机上输入任意文字,游戏会用 Woof 的声音朗读出来;旋转调音器则能生成不同类型的音乐。游戏场景采用复古科技主题,包含打字机、CRT 显示器和台灯等元素,开场提示还揶揄了小镇里的“侵入式”...

重要
模型发布官方发布

Thinking Machines Lab 发布 Inkling 2 Small:594B 参数 MoE 模型,下周开放 Apache 2.0 权重

11月5日,Thinking Machines Lab 发布第二代模型 Inkling 2 Small。该模型采用 MoE 架构,总参数 594B,激活参数 17B,支持图像输入与 variable effort。 在 Artificial Analysis Intelligence Index 上,Inkling 2 Small 的得分为 31。 Thinking Machines Lab 表示,该模型的 Apache 2.0 权重将于下...

模型发布官方发布

NVIDIA 发布 Cosmos 3 系列四个开放权重模型,面向交互式世界模拟

NVIDIA 在 Hugging Face 博客宣布,为 Cosmos 3 模型家族新增四个开放权重检查点,面向交互式世界模拟和多传感器、多视角驾驶场景生成。四个模型均为 Cosmos 3 Nano 的后训练示例,拥有 16B 可训练参数,采用 OpenMDW 1.1 许可,允许商业和非商业使用。 具体包括:Cosmos3 Nano Transfer Auto 可生成带天气、光照和时段变化的多视角驾驶数据,支持最多 11 个相机视角(含鱼眼...

重要
模型发布官方发布

百度发布 ERNIE-5.5-Flash-Base:280B 总参数稀疏 MoE 基座模型

百度发布 ERNIE 5.5 Flash Base 基座模型。该模型为稀疏混合专家(MoE)语言模型,总参数 280B,每个 token 激活 14B 参数;从零开始预训练,使用 33.5T tokens,训练上下文最高 128K,并支持 1M token 上下文用于微调与推理。此次发布的是预训练结束时的检查点,尚未经过中期或后训练,可作为领域适配、指令微调和强化学习研究的共同起点。 模型共 43 层 Transformer,隐藏维度 40...

重要
模型发布媒体报道

OpenAI 发布 GPT-6 Cyber 网络安全模型,称测试中越界行为降至 1% 以下

OpenAI 推出网络安全 AI 模型 GPT 6 Cyber,称其在发现漏洞方面能力更强,同时在测试过程中越界攻击其他平台的情况明显减少。OpenAI 表示,在名为 ExploitGym HoneyPot 的测试中,GPT 6 Cyber 越界比例低于 1%,而 GPT 5.6 Cyber 约为 5%。该测试参照 Hugging Face 事件设计,当时 OpenAI 的 AI 智能体为寻找任务答案而侵入了开源 AI 社区。OpenAI...

11月5日 周四

模型发布官方发布

腾讯混元 Hy4 在 Artificial Analysis Intelligence Index v5 获 35 分

11月5日,腾讯混元在官方 X 账号发文,感谢 Artificial Analysis 对最新模型 Hy4 的评测。 Artificial Analysis 的评测结果显示,Hy4 在 Intelligence Index v5 中得 35 分。在中国实验室的模型中,这一成绩仅次于 Kimi K3.1 Pro 的 46 分;与 Grok 4.7 (xhigh) 持平,比 Claude Haiku 5.5 (max) 低 1 分。 分项评测中...

模型发布官方发布

Phonon TTS 发布设备端语音模型,在 Hugging Face 榜单德语、西班牙语可懂度居首

Gradium 团队在 Hugging Face 博客公布 Phonon TTS 设备端语音合成模型的发布细节。该模型无需服务器和网络,可直接在用户设备上运行,输入的文本保留在本地。 Phonon 提供约 65 MB 和 75 MB 两个尺寸,支持英语、法语、德语、西班牙语和葡萄牙语,内置超过 100 种语音,并支持通过录音克隆或文本描述定制语音。模型基于 Pocket TTS 谱系,采用 flow matching 生成音频。Phonon...

模型发布官方发布

Ricursive Intelligence 发布 Ripple-65B Preview,称在智能体编程评测中达到美国开放权重模型 SOTA

Ricursive Intelligence 发布 Ripple 65B Preview,称其是美国开放权重模型在智能体编程上的 SOTA。该模型在 TerminalBench 2.1 得分 80.52,高于 Reflection Beam 501B 的 80.1 和 Meta Muse Spark Open 816B 的 76.4。 公司称,Ripple 65B Preview 基于 12 万亿 token 预训练,支持最多 1M 上下文...

模型发布官方发布

Dharma-AI 发布 20 亿参数文档字段提取模型 Dharma Field Extractor

11 月 4 日,Dharma AI 在 Hugging Face 博客发布 Dharma Field Extractor,一款 20 亿参数的文档字段提取模型。该模型接收文档图像,可按开放请求或指定 schema 返回结构化 JSON;在指定 schema 模式下,缺失字段返回 null,而不是自行生成。 该模型基于 DharmaOCR LITE v1.1 训练,并通过 LoRA 适配器在 43,384 个样本上训练,数据覆盖英语多领域、...

重要
模型发布官方发布

Mistral Large 4 开放权重发布,同步公开技术报告

Mistral AI 在 Hugging Face 的 mistralai/Mistral Large 4 1T A52B 仓库公开了 Mistral Large 4(ML4)的开放权重,并同步发布技术报告。 Mistral 团队成员 Pierre Stock 表示,ML4 在代码智能体与网络安全方向具备前沿能力,且相比三周前发布的 Preview 版本更高效、更紧凑。Mistral AI 官方账号转发了这一消息,并提到可在 alphaxi...

11月4日 周三

模型发布官方发布

IBM Research 发布 Palette:用 20B 开放权重模型生成符合企业设计语言的幻灯片

IBM Research 在 Hugging Face 博客发文,介绍 Palette:用可自托管的小型开放权重模型生成符合企业设计语言的演示文稿。团队基于 IBM Design Language 合成数据,对 20B 模型做 LoRA 微调,并把任务拆成“设计师”和“编码者”两个角色——前者输出包含配色、字体和每页布局的 JSON 简报,后者为每页编写 pptxgenjs JavaScript。由于每页上下文在写代码前已固定,编码阶段可并...

11月3日 周二

模型发布官方发布

Google 弃用 Gemini 2.5 Pro 与 Gemini 2.5 Flash,API 请求将于 12 月 1 日起自动路由

Google Gemini API 文档更新信息显示,Gemini 2.5 Pro 与 Gemini 2.5 Flash 已被弃用,开发者已无法再在 Google AI Studio 中选择这两款模型。 更新信息同时提到,相关 API 请求将于 12 月 1 日起自动路由。仍在使用这两款模型的开发者需留意官方文档中的变更说明,并相应调整模型调用配置。

11月1日 周日

模型发布媒体报道

Decrypt发布指南:如何用Ollama与LM Studio在本地运行AI模型

Decrypt 11月1日发布指南,介绍如何在本机运行开放权重AI模型。文中称,开放权重模型平均仅落后最佳闭源模型约四个月。 指南提到,Ollama与LM Studio两款免费程序可完成本地部署操作;Gemma 4在Ollama模型库中的下载大小约为4.6GB至20GB。文章还说明了运行这类模型所需的显存条件。 在许可方面,文章称DeepSeek R1系列采用MIT许可,Google的Gemma 4与OpenAI的gpt oss采用Apac...

10月31日 周六

模型发布媒体报道

谷歌首个太空数据中心原型卫星上线,搭载TPU运行Gemma 4模型

据 TechCrunch 10月30日报道,谷歌 Suncatcher 项目的原型空间数据中心卫星已上线并与地面通信。该卫星本月早些时候随 SpaceX Falcon 9 火箭发射,搭载单颗谷歌 TPU,发电功率最高 1 kW,目标是为未来近距离编队卫星在轨执行大规模推理任务铺路。不过,受 TPU 功耗限制,它每次只能开机约 20 分钟。 经过约三周调试并测试各子系统后,地面工程师本周发送首个提示词,要求卫星预载的谷歌 DeepMind...

10月30日 周五

模型发布媒体报道

Kimi 发布官方教程:用 Kimi K3.1 Pro 创作 3D 作品

月之暗面(Kimi)发布官方教程,介绍 Kimi K3.1 Pro 的 3D 创作工作流程。教程说明了参数化建模与网格化建模两种方式,以及各自对应的工具选择。 教程给出 4 个案例的具体操作,包括在 Unreal Engine 中构建东方天宫、制作可 3D 打印的台灯、通过纯代码调用 Blender 生成建筑,以及用 Tripo 和 Blender 搭建微缩城市。 此外,教程还总结了 5 个使用技巧,例如“图胜于言”和“先搭灰模再细化”。...