ElevenLabs 发布 Eleven Realtime Max 和 Mini 语音到语音模型

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 👀

Mistral 发布 Voxtral 3 语音模型家族，包括语音转文本和文本转语音模型，为其新的 voice agents API 提供能力。Voxtral Small Transcribe 3 在 Artificial Analysis 语音转文本排行榜排第 3，TTS 排名前 12；支持 50+ 语言准确转录，可通过 Mistral 欧盟托管的 API 或自托管使用。

Coco Labs 发布其首个设计模型 Vyb，能根据品牌网站生成分层、可编辑的营销图形。Vyb 将每个元素放在独立图层，可只修改标题而无需重新生成整个设计；它能从公司网站识别 logo 和精确的十六进制色值，产品照片可以以全分辨率嵌入而不被重新生成，成品设计可导出至 Figma 并保留全部图层。

Krea 3 Ultra 在 Artificial Analysis 图像编辑榜以 1151 分位列第 4，仅落后 Google 的 Nano Banana 2.1 一分；Krea 3 Fast 以 1125 分排第 11，反超 Nano Banana 2 一分。

OpenAI 似乎也在准备发布 GPT-6.1 Terra 模型。 > 该模型引用最近出现在微软的 PR 评测配置中。 > 此前，《The Information》报道称该模型也在开发中。

Skyfall AI 发布首个专注工程任务的世界模型 SKY-001，据其自测在 CAD 和 BIM 任务上优于 GPT-6 Astra 与 Opus 5.5，速度约快 120 倍、单样本成本约低 185 倍。该模型目前是组合式视觉世界模型，可提供工程对象的视觉方案，把物理对象拆成小部件再在 CAD 中重建整体。

fal Research 与 BFL 合作发布 post-trained 视频模型 FLUX 3 Max，在 Artificial Analysis image-to-video 指数上得 1,139 分。该模型在第三方基准上与 Seedance 2.5 并列第一，10 秒 720/768p 视频约 12 秒即可生成，比 Seedance 2.5 快至 22 倍；未来三周降价 75% 提供。

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。