Block 研究实验室发布本地运行的全双工语音模型 Dessa
Jack Dorsey 旗下 Block 的研究实验室发布语音模型 Dessa,可本地运行,并带有笑声、停顿和哭腔等表达。Dessa 是纯语音训练的全双工模型,能边说边听,可在 MacBook M4 Max 或更高配置的消费级电脑上运行,目前未公开开放,Block 正招募安全研究人员测试。Block 称现有语音模型因文本管线驱动而显得不自然,Dessa 将情绪内建于模型之中。
Jack Dorsey 旗下 Block 的研究实验室发布语音模型 Dessa,可本地运行,并带有笑声、停顿和哭腔等表达。Dessa 是纯语音训练的全双工模型,能边说边听,可在 MacBook M4 Max 或更高配置的消费级电脑上运行,目前未公开开放,Block 正招募安全研究人员测试。Block 称现有语音模型因文本管线驱动而显得不自然,Dessa 将情绪内建于模型之中。
月之暗面发布 Kimi K3.1 Pro,这是一个 2.8 万亿总参数、1040 亿激活参数的多模态 MoE 模型,支持 100 万 token 上下文,标准版与 Highspeed 版已上线官网、App、Kimi Work、Kimi Code 和 API,权重承诺于 2026 年 11 月 4 日开放。
推荐理由:材料把厂商宣称、独立评测与成本口径分开呈现,读者可据此判断开源权重前沿模型的真实位置。
月之暗面在 Kimi API 上线 Kimi K3.1 Pro,暂未开放权重,承诺 2026 年 11 月 4 日前发布完整模型权重。定价为输入 $2.00/百万 tokens、输出 $10/百万 tokens,与 GPT-6.1 Sol 相同、为 Claude Opus 5.5 的一半,另提供速度 2-3 倍、价格翻倍的 Highspeed 版本。
推荐理由:作者实测了 Kimi K3.1 Pro 的三档推理,并给出与前沿模型的基准对比,可据此判断其定位。
Jack Dorsey 的 Block 发布 AI 模型 Dessa,该模型完全基于人类对话从零训练,是真正的语音到语音模型,可在 MacBook Pro M4 Max 或更高配置上本地运行。
NVIDIA 发布预训练关系型基础模型 Kumo Relational,可直接在企业数据库上做预测,无需任务特定训练、特征工程或表展平。
推荐理由:原文给出预训练关系型基础模型在 41 项任务上的对比结果与开源入口,可据此判断免训练预测在现有数据库流程中的位置。
IBM 更新 Granite Speech 系列,新增 granite-speech-5.0-2b,并修订 granite-speech-5.0-470m-turboctc 与 granite-speech-4.1-2b-plus。
Mistral 发布 Voxtral 3 语音模型家族,包含转录模型 Voxtral Small Transcribe 3、Voxtral Mini Transcribe 3 与实时版,以及 TTS 模型 Voxtral Mini TTS 3,并推出基于 LiveKit 的语音智能体 SDK,把听、推理、工具调用和说话串成一条实时流式管线。
推荐理由:原文给出语音智能体 SDK 与转录、TTS 模型的完整规格和定价,可据此比较实时语音方案的成本与部署方式。
Mistral 发布首个时间序列基础模型系列 Timestral,提供 5M、28M、123M 和 209M 四个尺寸。其中 209M 版本在 GIFT-Eval、TIME 和 fev-bench 三项公开基准上均排名第一,参数量约为此前最优模型的三分之二,结果已提交至 GIFT-Eval 和 TIME 榜单。
推荐理由:原文给出四个尺寸的参数量、三项基准排名和 CPU 推理延迟,便于判断时间序列基础模型的选型边界。
Google DeepMind 开始广泛推送 Gemini 4 Argon,并同步发布安全与安保报告,说明其在高风险领域的防护措施。该模型在 12 个端到端模拟网络攻击场景中全部通关,上一代为 5 个;在对抗测试集上违规率降低近两倍。
推荐理由:原文披露了 Gemini 4 Argon 在网络安全与生物风险上的防护设计,以及智能体越界行为的监控数据。
Google DeepMind 发布 Gemini 4 Argon,主打物理理解、代码生成与视觉语义推理,在 Embodied Reasoning(ERQA)基准上以纯推理取得 87%,超过其他前沿模型。
推荐理由:官方给出 Argon 在 ERQA 的得分与四类机器人工作流示例,可据此判断物理推理模型在机器人栈中的用法。
Google DeepMind 发布 Gemini 4 Argon,面向开发者、企业和消费者开放,API 定价为每百万输入 token 2 美元、每百万输出 token 10 美元。
推荐理由:官方披露了 Argon 在编码、科研与安全对齐上的具体案例和数字,可据此判断前沿模型在长程任务中的实际边界。
Google DeepMind 发布 EmbeddingGemma 2,将文本、图像、音频和视频映射到统一嵌入空间,采用 Apache 2.0 许可,参数量 7.4 亿。
推荐理由:原文给出了参数量、模块化拆分和端侧内存占用,读者可据此判断多模态嵌入在本地检索中的可行性。
Mistral 发布 Mistral Large 4 公开预览,这是一个 1 万亿参数、520 亿激活参数的原生多模态模型,可在 Mistral Studio 试用预览 API,权重将于本月底开放。
推荐理由:官方给出 1 万亿参数、520 亿激活的规格与多项基准,并说明权重月底开放,可据此判断开源权重模型的当前水位。
Google DeepMind 发布前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御方开放,之后再逐步扩展到开发者、企业和消费者。
推荐理由:官方披露了 Argon 在内部代码迁移、漏洞发现等任务上的具体案例与基准成绩,可据此判断前沿模型在长周期工程任务中的实际位置。