Block 发布语音模型 Dessa,完全用人类语音训练以捕捉文本模型忽略的情绪
Block 发布语音模型 Dessa,称其是首个完全用人类语音、不含任何文本数据从零训练的 AI 模型。Dessa 不先把音频转成文本,而是直接处理语音,可实时捕捉情绪、讽刺、笑声和停顿,并支持全双工交流,能在 MacBook Pro M4 Max 上本地运行,训练使用单台 NVIDIA GB200 NVL72。该模型尚未公开,团队先招募 AI 安全研究者测试意外风险。
Block 发布语音模型 Dessa,称其是首个完全用人类语音、不含任何文本数据从零训练的 AI 模型。Dessa 不先把音频转成文本,而是直接处理语音,可实时捕捉情绪、讽刺、笑声和停顿,并支持全双工交流,能在 MacBook Pro M4 Max 上本地运行,训练使用单台 NVIDIA GB200 NVL72。该模型尚未公开,团队先招募 AI 安全研究者测试意外风险。
Jack Dorsey 的 Block 发布 AI 模型 Dessa,称其完全基于人类对话从零训练,是真正的语音到语音模型。Block 展示了 Dessa 与人的对话和语音猜谜游戏,其中偶有认错说话人、话题跑偏等略显生硬的表现。
Kimi K3.1 Pro 今日上线 Kimi API,目前尚未开放权重,Moonshot 承诺 2026 年 11 月 4 日前发布完整模型权重。
推荐理由:Kimi K3.1 Pro 以 API 形式上线,价格与部分前沿模型持平,作者实测了三个推理档位的输出。
月之暗面发布推理模型 Kimi K3.1 Pro,在 Artificial Analysis 智能指数上得分 55,比 K3 提升 11 分,位列第四,仅落后 Claude Opus 5.5(58 分)3 分。
推荐理由:Kimi K3.1 Pro 在多个基准上逼近 Claude Opus 5.5,并计划开放权重,读者可据此比较开源与闭源模型的差距。
Recursive 发布首个模型 Flint,这是一个可在笔记本本地运行的免费编码模型,以 Apache 2.0 许可在 Hugging Face 开放下载。公司称其自动研究系统 Eureka Machine 参与了从预训练到后训练、推理的几乎每个环节,小团队不到四个月从零建成该模型。
Canva 发布首款自研图像生成模型 Canva Craft,由其内部实验室 Canva Research 从零训练,主要使用数百万设计模板而非照片数据。该模型先生成构图、比例和文字,再输出最高 2K 分辨率、覆盖 30 多种宽高比的图像,并支持 55 种语言的文字渲染,用户可用 Magic Layers 将结果拆成可编辑图层。
Canva 发布首个自研图像生成模型 Canva Craft,采用两阶段架构,先生成设计方案再出图,官方称可带来更高的精度、一致性与可控性。
Canva 发布首款自研图像生成模型 Canva Craft,由公司研究团队开发,用于与 Google、OpenAI、字节跳动和 Meta 的同类模型竞争。该模型分两阶段工作:先解析提示词并规划元素空间关系、相对比例、视觉层级和文字信息,再生成最高 2K 分辨率、支持 30 种宽高比的图像,官方称可呈现准确的物体细节和清晰文字,并支持局部精确编辑。
AI 初创公司 Recursive 发布首个语言模型 Flint,研发过程中名为 Eureka Machine 的 AI 系统参与了提出想法、搭建、测试和规划后续实验等环节。
NVIDIA 在 GTC Berlin 展示欧洲机构基于 Earth-2 开放模型的实际应用,并推出面向欧洲短期预报的区域模型 StormScope EU,利用 EUMETSAT 卫星观测以 10 分钟间隔预测 16 个 Meteosat 通道的云况。
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,缓存输入 token 享 95% 折扣。
推荐理由:官方给出定价、基准排名与多个内部落地案例,可据此判断前沿模型在编码与科研工作流中的实际位置。
Google DeepMind 发布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向受信任的网络安全防御方开放,之后再逐步扩展至开发者、企业和消费者。
推荐理由:官方披露了 Argon 在编码、企业知识工作和网络安全防御上的基准表现与内部落地案例,可据此判断前沿模型的能力边界。