Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral 发布 Voxtral 3 语音模型家族,包含支持 50+ 语言的转写模型 Voxtral Small Transcribe 3、支持 35+ 语言和 50+ 方言的合成模型 Voxtral Mini TTS 3,以及基于 LiveKit 的语音智能体 SDK。
推荐理由:原文给出语音转写与合成模型的基准对比和每分钟定价,可据此判断语音智能体的部署成本与选型空间。
Mistral 发布 Voxtral 3 语音模型家族,包含支持 50+ 语言的转写模型 Voxtral Small Transcribe 3、支持 35+ 语言和 50+ 方言的合成模型 Voxtral Mini TTS 3,以及基于 LiveKit 的语音智能体 SDK。
推荐理由:原文给出语音转写与合成模型的基准对比和每分钟定价,可据此判断语音智能体的部署成本与选型空间。
Black Forest Labs 发布 FLUX.3 Image Klein,一个模型同时支持文生图、多参考图生图和用边界框做布局控制,两个开放 checkpoint 已上线 Hugging Face。
推荐理由:原文给出两个开放 checkpoint、布局控制用法和 H100 上的实测耗时,可据此判断接入成本与显存门槛。
Google 公开发布 Deep Review,这是一个面向复杂文档提供严格反馈与技术核查的智能体系统,最初用于计算机科学论文分析,现已扩展到法律、金融等领域。
推荐理由:原文交代了 Deep Review 的四阶段智能体流程与会议试点规模,可据此判断自动审稿工具能承担哪部分核查工作。
NVIDIA 宣布 RTX Spark 笔记本将于 10 月 16 日上市,最高 128GB 统一内存和 1 petaflop AI 算力,生态伙伴同步推送本地 AI 软件更新。
推荐理由:原文列出 RTX Spark 上市前生态伙伴的软件更新清单,读者可据此了解本地智能体在 PC 上的落地形态。
DeepSeek-V4-Pro 正式版已在 APP、网页端和 API 同步上线,API 调用方式不变,模型名设为 deepseek-v4-pro 即可使用。官方称正式版大幅增强 Agent 能力,并给出 HLE(wo / w tools)42.7/60.0、Terminal Bench 2.1 87.9、NL2Repo 61.5 等基准数据。
推荐理由:官方更新日志列出 V4-Pro 正式版的 Agent 基准成绩、Responses API 适配与三档思考强度,便于对照现有工作流评估升级。
DeepSeek-V4-Flash 正式版 API 上线公测,模型名设为 deepseek-v4-flash 即可调用,调用方式不变。
推荐理由:官方更新日志列出正式版 V4-Flash 在多项 Agent 基准上的成绩,并说明与 Preview 的结构一致、仅重做后训练。