Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 兩款全新語音生成模型，支援超過 100 種語言的自然語言提示詞聲音設計、30 秒聲音復刻以及逐行臺詞精細導演。
推薦理由：官方釋出的最新語音生成模型提供了細粒度的臺詞導演和聲音定製能力，讀者可以據此評估其在多語言配音與智慧體互動中的實際表現。
Anthropic 釋出了 Claude Opus 5.5，主打 Fable 5.1 級能力與更低執行成本，隨後 OpenAI 推出了降價幅度和價效比更高的 GPT-6 Sol 與 Luna 模型。兩家實驗室均在效率最佳化與定價上展開競爭，同時社群也圍繞基準評測和多Agent擴充套件展開了廣泛討論。
推薦理由：文章梳理了兩家頭部廠商最新旗艦及平價模型的效能與定價策略，讀者可據此對比當前前沿模型的綜合性價比。
Gemini 3.8 Flash‑Lite TTS 與 Gemini 3.8 Flash TTS 現已在 AI Gateway 上線，支援 100 多種語言的文本轉語音，支援長篇朗讀、交付控制和雙人對話。
推薦理由：Gemini 3.8 TTS模型已在AI Gateway上線，支援100多種語言、長篇朗讀和雙人對話，開發者可通過AI SDK輕鬆生成語音。
Anthropic 釋出了 Claude Opus 5.5，其輸入輸出價格較前代降低 20%，快取讀取價格降低 60%，並在高思考級別下遇到了超出最大輸出 token 限制的問題；隨後 OpenAI 釋出了 GPT-6 Sol 與 GPT-6 Luna，價格降至同級前代型號的一半。兩家廠商通過密集釋出新模型和大幅降價，進一步加劇了 AI 模型的市場價格戰。
推薦理由：文章記錄了多款旗艦模型密集釋出與降價的情況，讀者可以據此瞭解當前各大廠商在推理模型定價與效能上的最新競爭格局。
OpenAI 釋出了 GPT-6 Sol 與 Luna 兩個新模型，為日常工作提供了不同能力與成本平衡的選擇。
推薦理由：官方推出了兩個新模型，為日常工作提供了不同能力與成本的平衡選擇。
小米釋出 MiMo-V2.6 系列原生全模態開源模型，其中 Pro 版本擁有 1.02T 總引數和 42B 啟用引數，RL 訓練成本約 300 萬美元。該系列同時開源了訓練環境、程式碼及技術報告，旨在降低強化學習訓練門檻。
OpenAI 的 GPT‑6 Sol 與 GPT‑6 Luna 現已在 AI Gateway 上線，價格低於 GPT‑6 Astra。Sol 適用於複雜編碼與持續性探究的 agent 工作流，Luna 則是低成本的高頻重複工作選項。兩者相較 GPT‑5.6 在事實可靠性、直白溝通和減少誤導性編碼宣告方面都有提升。使用時只需傳入模型 ID，即可在模型演練區體驗。
推薦理由：GPT‑6 Sol 與 Luna 在 AI Gateway 上線，價格更低且在程式碼與專業工作中提升事實可靠性，讀者可評估其高頻工作流價值。
NVIDIA 釋出 Nemotron 3.5 Lightning，這是一款 30B 混合專家語言模型，每個 token 只啟用約 3B 引數，專為高頻工具呼叫與執行層任務設計。
推薦理由：NVIDIA 推出的 Nemotron 3.5 Lightning 以 30B 模型，3B 引數，適合工具呼叫，讀者可評估成本與效能。
Anthropic 的 Claude Opus 5.5 已在 AI Gateway 上上線，支援 1M-token 上下文視窗和 128K 輸出 token。與 Opus 5 相比，速度提升約 30%，成本降低約 40%。
推薦理由：Opus 5.5 在速度和成本上相較前代提升顯著，適合需要大上下文和長任務的智慧體工作，其 1M-token 上下文視窗和 128K 輸出令長任務更易監督，且支援自動工具選擇，提升開發效率。對開發者而言，Opus 5.5 的速度與成本優勢可顯著降低專案迭代週期。
TypeSafe AI 近期推出了名為 Jev 的 System One 決策模型，它接收非結構化文本輸入並返回對應類別的浮點數置信度分數。Jev 僅對輸入收費且價格低至每百萬 token 0.042 美元，支援 Yes/No、多選和評分三類問題並在後臺並行評估。作者指出 Jev 的黑盒特性和偏差問題需要謹慎對待，但社群已圍繞其展開了豐富的創意應用和開源復現嘗試。
推薦理由：原文介紹了 TypeSafe AI 推出的決策模型 Jev 及其獨特的工作機制和定價模式，讀者可以藉此瞭解這類新型模型在分類與檢索重排場景中的應用與侷限。
TypeSafe AI 創始人兼 CEO Diogo Almeida 推出了旨在提升生產環境可靠性的 System One 模型 Jev。該模型採用名為 RLCD（Reinforcement Learning for Calibrated Decisions）的未公開新技術，優化了 System One 任務中的機率校準，以應對傳統 LLM 的幻覺與對齊問題。
Jev 在 AI Gateway 上的首日採用率突破 GPT‑5.6 兩倍，證明專門化決策模型能迅速進入實際工作流程。 - 首日採用率：24 小時內已達 13% 的付費團隊使用，超過 GPT‑5.6 兩倍、Fable 5.1 六倍。
推薦理由：Jev 在 AI Gateway 上的首日採用率突破 GPT‑5.6 兩倍，證明專門化決策模型能迅速進入實際工作流程。
summary_zh: GLM 5.3 FlashX 現已於 AI Gateway 上可用，提供約 200 tokens/second 的推理速度，適用於編碼代理、工具迴圈與互動式應用。
Latent Space 釋出了最新一期 AINews，重點報道了多項前沿 AI 進展：OpenAI 推出了模型失配披露機制，Databricks 針對約 3500 名工程師部署了 GPT-6 Astra，部分團隊開始在生產環境評估智慧體編碼的成本與收益。同時，開源與推理基礎設施持續演進，多款開源模型及量化工具在社群獲得廣泛討論。
推薦理由：原文梳理了近期前沿模型的工程落地表現與行業動態，有助於讀者直接評估智慧體在實際生產環境中的成本與效能表現。
Salesforce 推出了首個 CRM 推理模型 Koa，該模型基於 NVIDIA Nemotron 3 Super 構建並使用 NVIDIA NeMo 工具鏈進行訓練。
Google DeepMind 推出 Gemini 3.8 Live 與 Gemini 3.8 Live Extended Thinking 兩款先進的即時對話模型，帶來並行推理與近即時語音互動升級。
推薦理由：Google DeepMind 推出了 Gemini 3.8 Live 與 3.8 Live Extended Thinking，通過並行推理與近即時語音互動能力在多項語音基準測試中表現突出，讀者可藉此評估其在複雜語音智慧體開發和企業級工作流中的應用潛力。
NVIDIA 在 AI Infra Summit 上釋出了 Vera Rubin 架構與 DSX 平臺，其中 Vera Rubin NVL72 系統在 MLPerf Inference v6.1 預覽測試中展現出顯著的吞吐量優勢。多項生態合作與基準測試顯示，新平臺通過電源最佳化和軟體協同，大幅提升了每瓦 tokens 產出與 agentic ワークロード的執行效率。
推薦理由：原文公佈了 Vera Rubin 架構在多個基準測試中的效能表現，讀者可以據此評估新一代 AI 基礎設施在能效和吞吐量上的提升幅度。
Gemini 3.8 Live 及 Gemini 3.8 Live Extended Thinking 現已可於 AI Gateway 使用，支援即時語音互動與多模態功能。
推薦理由：Gemini 3.8 Live 及其擴充套件思考功能可即時語音互動，開發者可透過 AI Gateway 直接使用 WebSocket 進行即時對話，提升語音助手與多模態應用的互動體驗。
GPT‑6 Astra 提升 Devin 的軟體測試能力，幫助工程師減少程式碼審查量並加速交付。Cognition 通過 GPT‑6 Astra 讓 Devin 能夠自動測試其自身工作並驗證其正確性。
推薦理由：GPT‑6 Astra 提升 Devin 的軟體測試能力，幫助工程師減少程式碼審查量並加速交付。
OpenAI 在 API 中推出 GPT-Live-1，支援同時聆聽與說話的全雙工語音互動，並可將深度推理與工具呼叫委託給後端模型。該模型在 API 中的定價為每分鐘 0.05 美元，具備平滑的中斷處理、語氣與風格控制以及電話網路支援等特性。
OpenAI 推出 GPT-6 Astra，作為其迄今為止最具智慧與對齊能力的模型，現已在 ChatGPT Work、Codex 及 API 中可用。該模型在計算機使用、瀏覽、軟體工程及網路安全等專業任務上表現領先，API 定價為每百萬輸入 token 10 美元、每百萬輸出 token 50 美元。
推薦理由：原文公佈了新模型的各項能力基準、定價及企業級安全控制，讀者可以據此評估其在複雜工作流中的成本效益。
一位 MIT 研究員使用 GPT-5.6 Sol 配合 Codex 自主執行量子計算實驗、分析結果並對量子位元進行校準。該方案展示了先進模型在科學研究領域的實際應用方式。
Google DeepMind 和 Google Research 釋出全新的全球天氣大模型 WeatherNext 3，支援每小時即時衛星資料輸入並提供高達 5 公里解析度的預測。該模型在降水預測精度上取得顯著提升，並增加了清潔能源變數預測，現已整合至 Search、Gemini、Maps 和 Cloud 等產品中。
推薦理由：該模型通過融合即時衛星資料與高解析度網格，提升了全球天氣預報的精度和更新頻率，為清潔能源規劃和區域氣象服務提供了更可靠的資料支援。
Hugging Face 團隊推出了 NeoMME，這是一個包含 260M 和 800M 引數的多語言多模態基礎編碼器系列。該模型不使用單獨的視覺塔或因果語言模型，而是通過單個雙向 Transformer 同時處理文本 token 和原始影像塊。
推薦理由：原文釋出了不依賴獨立視覺塔的多模態雙向編碼器，讀者可以瞭解其單塔架構和檢索效能。
Google DeepMind 釋出 Gemini 3.8 Flash 與 3.8 Flash Cyber 兩款新模型，帶來更強的長程推理、編碼和智慧體任務能力。
推薦理由：原文公佈了新模型的架構變動、基準成績與具體定價，讀者可以據此評估它在成本與長程智慧上的價效比。
Google DeepMind 推出了適用於 Gemini 最新模型的智慧體影片理解功能，通過動態檢索視覺幀、音訊和字幕，將影片分析的 token 消耗降低最高 88%、成本降低最高 66%，並將準確率提升最高 7%。
推薦理由：原文公佈了功能特性與具體最佳化資料，讀者可以據此瞭解該技術如何降低影片處理成本。
Google Research 推出 TimesFM-3，這是一個擁有 3.3 億引數、原生支援多變數預測的零樣本時間序列基座模型。該模型採用解碼器架構與交替注意力機制，支援單次前向傳遞生成整個預測區間，在 Gift-Eval、FEV-Bench 和 Time 等基準測試中表現優於其他預訓練基座模型，目前已在 GitHub 和 Hugging Face 上線。
推薦理由：谷歌釋出了面向多變數時間序列預測的基座模型 TimesFM-3，它通過交替注意力架構和單次前向傳遞實現了零樣本預測，在多項公開基準測試中表現領先。
Microsoft Research 釋出了 GigaPath-Flash 與 GigaTIME-Flash 兩款高效病理基礎模型。GigaPath-Flash 採用 22M 引數 ViT‑S tile encoder 與 21M 引數 LongNet slide encoder，推理成本比原版低 50 倍，效能僅落後 3%。
Google DeepMind 推出了 Gemini Omni 1.1 Flash，帶來場景延伸、首尾幀插值、4K 超解析度升級、360p 高效草稿生成及影片參考等多項專業級影片生成與控制功能，現已通過 Gemini API 及 Google AI Studio 面向開發者開放。
推薦理由：原文給出了新模型的生成能力與接入方式，讀者可以據此瞭解其在影片製作中的具體控制選項。
Google DeepMind 推出 Gemini 3.5 Transcribe，這是其迄今最精準的語音轉文本模型，支援即時流式傳輸與預錄音頻處理，字錯誤率在流式傳輸和非流式場景下分別達到 4.0% 和 2.6%。該模型支援超過 85 種語言的自動檢測與轉錄，具備智慧糾錯、自定義詞彙識別及多說話人識別等功能，目前已在 Google AI Studio 等平臺面向開發者開放公測。
推薦理由：官方推出的最新語音轉文本模型給出了具體的錯誤率和多語言支援資料，讀者可以據此評估其實際語音互動效能。
Granite 4.2 是 IBM 推出的三種規模（3B、8B、30B）的稠密解碼器推理 LLM，基於 Granite‑4.1 預訓練模型，使用約 15T 令牌的五階段訓練策略，擴充套件上下文視窗至 512K，並通過監督微調和多階段強化學習（包括 agentic RL）實現鏈式思考、工具呼叫與低成本思考模式。
推薦理由：Granite 4.2 通過多階段 RL 訓練實現強推理與工具呼叫能力，讀者可瞭解其技術細節與效能提升。
本期 Import AI 介紹了用於評估模型環境探索與創造力的 DiG-bench 基準測試，其中 Opus 5 與 Fable 5 在該測試中表現較好；同時探討了 Inherent 推出的 Faraday 科研智慧體模型以及 Meta 創始人馬克·扎克伯格關於 AI 未來的最新文章。
Google DeepMind 釋出了多語言手語轉文本翻譯模型 SL2T，並將其整合到 Gboard 和 Pixel 11 的 Live Transcribe 中。該模型支援將美國手語直接轉換為英語文本，它基於超過 10 萬小時的資料訓練，通過處理姿勢關節點來保護隱私並實現流式輸出。
推薦理由：該模型將手語翻譯直接帶入消費級產品，為聽障使用者提供了更自然的手語輸入方式。
Microsoft Research 推出了研究模型 CARE-X，這是一款旨在兼顧自由文本推理與確定性輸出的統一胸部 X 光 VLM。該模型結合了生成式與判別式能力，並通過強化學習（DAPO）在多工設定中最佳化臨床準確性。研究還線上路實驗中搭配了 Qwen3-VL-4B-Instruct 與確定性測量工具以評估效能。
Meta 推出了全新的 30B 引數開源多模態模型 Muse Glimmer，採用 Apache 2.0 協議釋出，專門面向本地智慧體和隱私保護應用。該模型結合了 2B 的視覺感知編碼器與 28B 的文本解碼器，支援影像、影片理解以及多模態工具呼叫，並提供 transformers、llama.cpp 和 vLLM 的首日支援。
推薦理由：文章詳細介紹了 Meta 開源多模態模型 Muse Glimmer 的架構設計與本地部署方法，讀者可以據此瞭解其在端側智慧體和多模態任務中的應用潛力。
Google DeepMind 推出了 WeatherNext AI 模型，在氣旋的路徑、強度和風力結構預測上達到了 SOTA 精度，平均可提供額外一天的預警時間。該研究成果已在 Nature 發表，團隊宣佈開源 WeatherNext 2 與 WeatherNext Cyclones 模型程式碼及權重。
推薦理由：該模型實現了氣旋路徑和強度預測的大幅準確率提升，並開源了程式碼與權重，為氣象研究和防災減災提供了新工具。
Mistral AI 釋出了 Shieldstral，這是一款 3B 引數的開源多模態安全分類模型，採用 Apache 2.0 協議開源。該模型將內容稽核轉換為策略自適應的問答任務，允許在推理時通過自然語言指定策略，從而無需重新訓練即可統一處理文本和影像安全評估。
推薦理由：該模型通過將內容稽核轉化為推理時的自然語言問答任務，避免了傳統方案因固定分類體系而需要重新訓練的限制。
微軟研究團隊推出了 Echoverse，這是一個包含 10 個深度領域世界和 2 個能力世界的訓練環境集合，旨在為計算機操作智慧體提供高保真、狀態相干且具備可信資料庫驗證的合成訓練世界。
推薦理由：微軟開源了用於訓練計算機操作智慧體的深度演化環境 Echoverse，通過提供高保真和可複用的訓練世界，為提升模型在複雜閉環工作流中的泛化能力提供了新途徑。
NVIDIA 推出 Cosmos-H-Dreams，這是一個針對手術機器人的即時、動作條件生成式模擬器。該模型將 Cosmos-H-Surgical-Simulator 的能力蒸餾為因果學生模型，並通過 FlashDreams 庫在單張 NVIDIA RTX PRO 6000 GPU 上實現每秒約 160 幀的互動式執行，支援在閉環中進行策略評估和資料生成。
推薦理由：官方推出的即時動作條件生成模擬器展示了手術機器人的互動式環境，讀者可以據此瞭解世界模型在醫療機器人領域的即時推理與應用進展。
Google DeepMind 推出 Gemini 3.6 Flash、3.5 Flash-Lite 以及 3.5 Flash Cyber 三款新模型，旨在以更高效率和更低延遲支撐大規模 AI 智慧體工作流。
推薦理由：官方釋出了三個新的 Gemini Flash 系列模型，給出了詳細的效能指標與價格，讀者可以據此評估其在智慧體工作流和高吞吐任務中的成本與效率。