ElevenLabs 发布 Eleven v4 语音模型，提升表达力和长内容一致性

ElevenLabs 正在发布 Eleven v4 语音模型，称其能更准确遵循方向提示，并在长制作中保持声音一致。Eleven v4 支持 90 多种语言、每次请求最多 10,000 个字符，Turbo 变体面向实时语音智能体，约 150 毫秒开始生成语音。

OpenAI 发布 GPT-6.1 Sol，性能接近 Astra 且价格为五分之一

OpenAI 发布 GPT-6.1 Sol，称其在 agentic coding、computer use 和 office work 上接近 GPT-6.1 Astra，成本约为后者的五分之一。

OpenAI 发布 GPT-6.1 Sol，称其接近 GPT-6 Astra 且成本更低

OpenAI 在 DevDay 活动上展示 GPT-6.1 Sol，称其在智能体编码、计算机使用和专业工作上接近 GPT-6 Astra，标准输入和输出 token 价格为 1/5。

GPT-6.1 Sol 在 Amazon Bedrock 正式可用，面向智能体编码和专业工作负载

GPT-6.1 Sol 已在 Amazon Bedrock 正式可用，为编码、computer use 和高频专业工作负载带来更强推理能力。OpenAI 称它在 DeepSWE v1.1 上以约 one-fifth 的每任务成本匹配 GPT-6 Astra，并比 GPT-6 Sol 最佳分数高 6.4 percentage points。

Sam Altman@samaAI 评分4949

6.1 Sol 的价格是 Astra 的 1/5，并且缓存读取折扣 95%！能力极强的模型。

OpenAI@OpenAIAI 评分5757

OpenAI 发布 GPT-6.1 Sol，称其具备接近 Astra 的智能，价格为其五分之一。OpenAI 还称，它是目前同等性能下成本效率最高的模型。

OpenAI 发布 GPT-6.1 Sol

OpenAI 发布 GPT-6.1 Sol，称其在编码、计算机使用和专业工作上接近 Astra 智能水平。其标准 API 输入和输出 token 价格为 Astra 的五分之一。

GPT-6.1 Sol 在 GPT-6 Sol 发布 7 天后取代其位置，智能接近 GPT-6 Astra

GPT-6.1 Sol 在 GPT-6 Sol 发布仅 7 天后取代它，在 Artificial Analysis Intelligence Index 中仅比 GPT-6 Astra 低 1 分，Cost per Task 不到后者 1/4。

internlm/AdvancedMathBench-AutoVerifier：自动评估数学证明的模型

AdvancedMathBench-AutoVerifier 是用于 ProverBench 的自动评分器，可评估自然语言数学证明、解释错误并定位最早错误步骤。

Anthropic@AnthropicAI精选AI 评分8080

Anthropic 宣布 Claude Sonnet 5.5 现已可用。引用的 @claudeai 内容称，Claude Sonnet 5.5 是 Claude 5.5 系列的第二个模型，相比 Sonnet 5 有明确升级，运行速度快 30% 以上，多数工作的成本最高降低 30%。

上海人工智能实验室开源 Intern-Decision 多模态决策模型

上海人工智能实验室研究团队开源 Intern-Decision，包含 0.8B、2B 和 4B 三款多模态决策模型，称其平均指标超越 Jev 和相关开源模型。团队在 RTX4090 上测试称，Intern-Decision 相比 Jev 有 2-3倍效率提升，4B 端到端推理时延低于每 query 45ms，0.8B 和 2B 可达到每秒约30次推理。

internlm 发布 Intern-Decision-2B 多模态结构化决策模型

internlm 发布 Intern-Decision-2B，这是一个由 Qwen3.5-2B 微调而来的多模态结构化决策模型，可接收共享状态、命名问题 schema 和可选图像，并在一次模型前向中为每个问题返回答案分布。

Intern-Decision：基于 Qwen3.5 的多问题决策模型项目

Intern-Decision 将状态、可选图像和多类问题转换为带概率的决策，并微调 Qwen3.5 语言骨干。Intern-Decision-4B 在七个测试套件平均准确率达 90.02%，RTX 4090 本地平均延迟为 44.16 ms。

Google DeepMind@GoogleDeepMindAI 评分6464

Google DeepMind 推出新的文本转语音模型，用于创建和部署自定义音频。Gemini 3.8 Flash TTS 可设计带有不同口音和特征的独特声音；Gemini 3.8 Flash-Lite TTS 面向效率和规模，可从用户创建的风格或其生产就绪库中选择。

Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Flash-Lite TTS

Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两个文本转语音模型，用于生成自定义角色声音并逐行控制场景对白。

NVIDIA DeepSeek-V4.1-Flash-NVFP4 量化模型发布

NVIDIA 在 Hugging Face 发布 DeepSeek-V4.1-Flash-NVFP4，这是 DeepSeek AI 的 DeepSeek-V4.1-Flash 的 NVFP4 量化版。

Google DeepMind@GoogleDeepMindAI 评分7070

Google DeepMind 推出 Gemini 3.8 Live 和 3.8 Live Extended Thinking，称其为自家最好的对话式 AI。这些模型可以对话、思考，并在后台处理任务而不打断用户流程。

InternLM 发布 Intern-S2-397B 多模态基础模型

InternLM 发布 Intern-S2-397B，称其是面向科学智能和长周期 Agent 的多模态基础模型。该模型结合新的视觉语言预训练范式、大规模多任务强化学习和长周期 Agent 强化学习，覆盖 20 多个科学领域，并在文本推理评测中使用最高 256K tokens、在多模态评测中使用最高 64K tokens。

Google 发布 GNM v3.0 3D 人头参数模型权重

Google 在 Hugging Face 发布 GNM v3.0 官方权重，这是用于人类头部的参数化 3D 统计模型，支持对面部身份、表情、头部姿态和眼球、牙齿、舌头等内部解剖结构进行解耦控制。

World Labs 推出用于空间智能的世界模型 Atlas

World Labs 推出下一代世界模型 Atlas，它从零预训练，可原生处理文本、图像、视频和 3D，并采用多模态自回归扩散 Transformer 架构。Atlas 支持相机控制生成、空间重建、时空模拟和图像生成，可从 1 到 6 张输入图像生成最高 1 分钟、1440p 视频，也能输出点云或 3D Gaussian splats。

zai-org 发布 GLM-5.3-BF16，基于 GLM-5.2 后训练提升编码与网络安全能力

zai-org 发布 GLM-5.3-BF16，使用与 GLM-5.2 相同的基座模型，提升来自后训练。

zai-org 发布 GLM-5.3-Flash，GLM-5 系列首个原生多模态模型

zai-org 发布 GLM-5.3-Flash，称其为 GLM-5 系列首个原生多模态模型，拥有 320B 总参数和 18B 激活参数。官方称它在基准和真实工作负载中超过 GLM-5.2，价格为其十分之一，并在编码和智能体基准上接近 Claude Opus 4.8。

Google 发布 TimesFM 3.0 官方 PyTorch 权重和配置

Google Research 发布 TimesFM 3.0 的官方 PyTorch 权重和配置，这是一个用于时序预测的预训练时序基础模型。

美团 LongCat 发布 LongCat-Flash-Lite-Sparse 稀疏 MoE 模型

美团 LongCat 在 Hugging Face 发布 LongCat-Flash-Lite-Sparse，这是基于 LongCat-Flash-Lite 的非思考 MoE 模型，拥有 69B 总参数、每 token 约 3B 激活参数，并原生支持最高 1M tokens 上下文。

MiniMaxAI 发布 MiniMax-H3 全模态生成系统

MiniMaxAI 在 Hugging Face 发布 MiniMax-H3，这是一个通用全模态生成系统，支持文本、图像、视频和音频组成的多模态上下文理解，并可生成带原生立体声音频的视频。

Mistral 发布 Mistral-Medium-3.5-128B-EAGLE 推测解码模型

Mistral 发布 Mistral-Medium-3.5-128B-EAGLE，用于为 Mistral Medium 3.5 执行推测解码。

Moonshot AI 开源 Kimi-K2.6 原生多模态智能体模型

Moonshot AI 在 Hugging Face 发布 Kimi-K2.6，这是开源的原生多模态智能体模型。该模型采用 MoE 架构，Total Parameters 1T、Activated Parameters 32B、Context Length 256K，支持长周期编码、coding-driven design、Agent Swarm、图像和视频输入。