MiniMax 将发布 M3.1-Flash

Cartesia 推出 Sonic 3.5 和 Ink 2 两个模型，作为单一实时语音栈，分别负责文本转语音和语音转文本。Ink 2 在 Artificial Analysis 的流式语音转文字排行榜上排名第一。Sonic 3.5 在实时文本转语音中位列榜首，首音频延迟约 82ms。Cartesia 成为目前唯一同时拥有 #1 听与说模型的提供商。

谷歌 I/O 🔥：GEMINI OMNI FLASH 已发布，现已在 GEMINI 和 GOOGLE FLOW 上可用。 GEMINI OMNI PRO 即将推出 🤩

OPENAI 🚨: GPT-5.5 Instant 正在向所有 ChatGPT 用户推出！"gpt-5.5-chat-latest" 也将进入 API。 > 更加简洁。更好的记忆。更个性化。 即时测试时间 👀

MiniMax 官方宣布 MiniMax M3.1 Flash，即此前在 OpenRouter 上代号 Space Bunny 的模型。该模型 DeepSWE 得分 74%，官方称 Automation-Bench 62%、ALE 30%、BabyVision 91%，定价为每 1M input/output tokens $0.15/$0.60，缓存读取 $0.015/1M tokens，速度为 M3 的 3 倍、成本为其 1/3。模型权重将于 10 月 23 日放出，M…

终于有机会试用了 OpenAI 的新 "Aurora" 图像模型，目前正在 Arena 上测试。 绿色 🟢 > 红色 🔴 > 生成的图像感觉像是 Nano Banana 和 GPT Image 模型联手打造的作品。 > Aurora 的输出比 gpt-image-2.5-flare 好得多，尤其是在配色方案上。 Nano Bana 3 Pro 将面临激烈竞争。

DeepSeek 发布开源权重模型 DeepSeek-V4.1-Flash-1017，在 DeepSWE 1.1 基准上取得 77% Pass@1，据称超过 GLM-5.3、Kimi K3、GPT-5.6 Sol 和 Opus 5。模型已上线 DeepSeek Chat、API 和 HuggingFace，官方称相比上一版性能更强、任务完成更快、输出更短，并在性能与成本上实现 Pareto 改进。

Elorian 发布其首个 AI 模型 Glimpse，定位为可在思考中途回看图像或视频细节的视觉思考模型。它能在推理时返回视频特定时间点、放大细节，或以更高帧率回放半秒视频后再作答。

Black Forest Labs 发布开源权重图像模型 FLUX 3 Image Klein，参数量 5.6B，可在单张消费级 GPU 上运行，支持原生 4K、bounding boxes 和像素级编辑。开发者可进行后训练和微调，官方提供低延迟版用于更快生成和自托管，以及 FP8、NVFP4、INT8 量化版本，原生 4K 蒸馏模型也将通过 BFL APIs 提供。

微软 MAI 宣布 MAI-Base-2 预训练完成，MAI-Base-3 训练周期已在筹备中。MAI-Base-2 在留出评测上超越所有受测开放权重模型，预训练 FLOPs 效率比最强开放基座模型 DeepSeek-V4-Pro-Base 高 4-12 倍，节省的算力被用于训练更大模型。微软称已在 MAI 内部建成 3T 参数级别的 SOTA 预训练基座模型，后训练结果即将公布。

突发 🔥：Meta 即将发布 Muse Spark Open，这是 Muse Spark 1.2 的开放权重版本！ 据预告，它将是美国最强的开放模型，用户将能在新款 Mac Studio 设备上本地运行。