Meta 将推出 Muse Spark Open 开放权重模型

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 👀

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。

Krea AI 发布新图像模型 Krea 3，主打快速精准的图像编辑，可将角色、服装和场景的独立参考合并为单一画面，并保持面部与色调一致。在真实图像编辑基准 CPI-Bench 上，Krea 3 Ultra 得分 4.81/5，仅次于 GPT Image 2.5，高于其他所有图像模型。

NVIDIA 宣布发布开源模型 Nemotron 3.5 Super VL，总参数量 120B、激活参数 12B。该模型支持推理和工具调用，可理解文本、图像、文档和视频，面向长时间运行的 AI 智能体。

NVIDIA 预告下周将有一款新模型发布，可能落在周三 21 日的 GTC 活动上，外界猜测是近期在官方文档中现身的 Nemotron 3.5 Super VL。

Paper Instruments 发布开源模型 Ultramarine 1 Flash，面向银行、律所和咨询公司的文档密集型工作，称可按每任务几美分的成本产出 Excel 模型、幻灯片或 Word 备忘录。

Grok Voice 3.0 已公布，在多项基准和 Artificial Analysis Speech-to-Speech Index 上成为 SOTA 语音到语音模型，延迟降低 40%。引用内容称其擅长处理客服来电，响应不到一秒，成本低于其他前沿模型；对比图中 Grok Voice 3.0 的 Agent 成功率为 71.6%，高于 GPT-Live-1 的 74.5% 图中标注的 68.6% 与 Grok Voice 2.0 的 56.5%。作者表示将进行 AI 呼叫…

Liquid AI 发布 LFM2.5-24B-A2B，为 LFM2.5 系列最大成员，总参数 24B、每 token 激活 2B，上下文扩展至 131K tokens，是推理模型。模型面向笔记本和 PC 本地运行多步智能体任务，在智能体和工具使用任务上与总参数和激活参数均多约 50% 的 Qwen3.6-35B-A3B 表现相当，开放 base 和 post-trained 权重，已上架 Hugging Face。