微软MAI语音转录与语音模型上新

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 👀

Grok 4.7 正在 Grok 网页版和移动应用中推出，成为所有模式下的基础模型，包括 Fast、Expert、Build 和 Heavy。作者提到明天的每日 AI 简报预计会因此变得更好。

Google 发布 Gemini 4 Argon 前沿模型，面向真实软件工程、法律与金融等企业知识工作和网络防御的复杂工作流，DeepSWE v1.1 得分 77.9% 为新 SOTA。作者称其在多项基准上优于 GPT-6 Astra、Claude Opus 5.5 和 Claude Fable 5.1，即将首先向付费 API 客户和 Google AI Ultra 订阅用户推出。Sundar Pichai 称该模型在复杂工作流、网络防御和软件工程方面表现出前沿性能，团队已…

Ideogram 发布 Ideogram 4.5 图像模型，主打精准编辑。模型已在 Ideogram、API 及合作服务上可用，原生 2K 分辨率下每张图价格 0.8 至 22 美分，团队还计划尽快发布该模型的开源权重。

OpenAI 开始在 Codex 和 ChatGPT Work 中推出 GPT-6.1 Sol，模型标识为 gpt-6.1-sol。官方称其在处理复杂工作时性能接近 Astra，但成本更低，适合跨代码、应用和文档的重复性长时间运行任务，可用性取决于用户的计划、客户端和工作区设置。

Anthropic 官方发布 Claude Sonnet 5.5，为 Claude 5.5 家族第二款模型。官方称其较 Sonnet 5 快 30% 以上，多数任务成本降低最多 30%，接近 Opus 5.5 的性能，并称其为新的默认模型。附图显示 Artificial Analysis 在预发布部署上测得 Sonnet 5.5 与 Opus 5.5 在 AA-Briefcase v1.1 各努力档位的 Elo 表现接近。

Anthropic 开始在 Claude 和 API 上推出 Claude Sonnet 5.5。截图显示模型选择列表中 Sonnet 5.5 被标注为“Most efficient for simpler tasks”，同列表还包含 Opus 5.5、Sonnet 5 和需使用额度的 Fable 5.1。

Anthropic 正在为 Claude Desktop 开发新的 Claude Code 布局，包含更新的模型选择器和可展开的使用限额区域。