Nace AI 发布多模态决策模型 Drex Max，可处理文本、图像与视频

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 👀

据 The Information 报道，Anthropic 本月将发布一款新模型，同时 Google 的 Gemini 4 Carbon 和 OpenAI 一款可能的 Terra 新模型也在筹备中。该 Anthropic 模型尤其擅长在信息有限时判断用户的潜在意图与目标，也更善于跳出常规思维而非重复常识性建议，但目前尚不清楚它属于 Fable 还是 Opus 系列。

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…

MiniMax 正准备发布 MiniMax-M3.1-Flash，API 参考文档中已有说明。 > “MiniMax-M3.1-Flash——具备 1M 上下文窗口和可调思考深度的前沿多模态编程模型。” > “可调思考深度”似乎是 3.1 系列将提供的一项新特性。 即将到来 👀

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。