Cloudflare 于 2026 年 10 月 19 日宣布预览提供 AI 模型 Clairic，可从文章和图片中抽取数值、日期等指定类型的值并以 JSON 返回，还能做计算、基于类似案例估算和基于历史趋势预测。该模型在 Workers AI 上以 @cf/cloudflare/clairic 提供，按输入 token 计费，每 100 万输入 token 0.10 美元，模型权重计划后续公开。Cloudflare 用 GLM-5.3 做回复生成的对比显示，由 Clairic 和 Clef 承担抽取与判断后，处理时间从 61.7 秒降至 19.3 秒，费用减少 49%。
#模型发布#数据/训练#部署/工程
Introducing Voxtral 3: state-of-the-art Transcribe and Speech models powering Mistral’s new voice agents API. 🧵 https://t.co/YA9HNVfq0u
#模型发布#语音#开源生态
Introducing Voxtral 3: state-of-the-art Transcribe and Speech models powering Mistral’s new voice agents API. 🧵 https://t.co/YA9HNVfq0u
#产品更新#语音#模型发布
#模型发布#语音#部署/工程
Introducing Voxtral 3: state-of-the-art Transcribe and Speech models powering Mistral’s new voice agents API. 🧵 https://t.co/YA9HNVfq0u
#产品更新#语音#部署/工程
A new frontier for on-device speech. We're open-sourcing Phonon, a suite of TTS models under 50m parameters, setting a new standard for naturalness and accuracy across languages, with the broadest inference support to date. Phonon-31m is available under Apache 2.0. https://t.co/d3qa9qmnzY🧵
#模型发布#语音#端侧
Beyond OCR. Meet OXR. Only 1.3B. Open source. #1 on olmOCR-Bench, OmniDocBench & DocParsingBench🏆 #1 in parsing speed among open-source models⚡ RSI-powered. A first in document parsing. Turn documents into Agent-Friendly data. If OXR helps, give us a star on GitHub! 🌟 https://t.co/kQlsq8oIdN
#模型发布#开源生态#推理
#模型发布#开源生态#具身智能
Introducing FLUX 3 Max, the latest post-trained video model from fal Research in partnership with @bfl_ai. FLUX 3 Max is tied for #1 in image-to-video quality on independent third-party benchmarks, generating a 10-second, 720/768p video in ~12 seconds. For the next three weeks, FLUX 3 Max is 75% off, making it the most affordable frontier video model at its quality level.
#评测/基准#视频#图像生成
#评测/基准#Agent#编码
#模型发布#语音#评测/基准
新加坡具身创企 Ropedia 联合南洋理工大学、杜克大学、加州大学圣地亚哥分校及清华大学发布跨本体移动操作世界模型 Ropedia W0，通过统一动作表示预测人类、机械臂和人形机器人执行动作后的第一视角场景变化。该模型在 DreamDojo、Ψ₀、ω-HOME、AgiBot 和 Xp-Teleop 五个评测基准的 11 项测试中均排名第一，未经后训练即在 Ψ₀ 和 ω-HOME 上超过使用全量数据后训练的 Cosmos3-Super。团队还构建约 1.3 万小时的 Xp-Data 数据集，并推出 50 亿参数的稠密模型 Ropedia W0 5B 和采用 MoE 架构、激活参数量 140 亿的 Ropedia W0 A14B。
#模型发布#具身智能#多模态
NVIDIA 于 2026 年 10 月 20 日发布 Cosmos3-H-Dreams，这是一个面向机器人手术的实时、动作条件生成式世界模型，基于 CMR Surgical Versius 系统的临床胆囊切除录像微调，模型权重与配套代码同日公开。模型约 151.7 亿参数，采用 Mixture-of-Transformers 架构，在单张 RTX PRO 6000 GPU 上以 832 x 480 分辨率实现 30.0 FPS（四步去噪）和 43.2 FPS（两步去噪）。模型卡称其按 NVIDIA Open Model License 可用于商业或非商业用途，GitHub 仓库采用 Apache-2.0 许可，并附有教师微调与 Self-Forcing 蒸馏的步骤说明。
#模型发布#开源生态#多模态
Inception AI 发布旗舰扩散语言模型 Mercury 3，在自家 12 项基准中 8 项超过 GPT-6 Luna 和 Claude Haiku 5.5，速度为其 4 到 8 倍。官方称在 NVIDIA GPU 上达到每秒 1068 tokens，Haiku 5.5 约 240、GPT-6 Luna 约 130；上下文窗口提升至 100 万 tokens，参数量未披露，仅称超过 Mercury 1 的 40 倍。定价为每百万输入 tokens 20 美分、输出 70 美分，发布期五折，可通过 Inception 平台及 OpenRouter、Baseten、Vercel 调用。
#模型发布#推理#编码
OpenAI 表示新模型在 COBOL、Fortran、Visual Basic 等老旧语言的编写与迁移上明显更强。其自建的 MultiLangBench 要求模型用 20 种语言从零构建兼容 SQLite 的数据库引擎，GPT-6 Astra 平均通过率 87.4%，GPT-5.6 Sol 为 26.8%，其中 COBOL 从 10.9% 升至 72.1%。在 COBOL 迁移到 C++、Java、Kotlin、Python 或 Rust 的测试中，GPT-6.1 Sol 在低推理强度下准确率 86.6%，API 成本为 61%，GPT-5.6 Sol 同设置下为 5.4%，高推理强度下达到 97.9%。
#模型发布#编码#评测/基准
OpenAI 表示其最新模型针对 COBOL、Fortran、Visual Basic 等低资源语言做了改进，这些语言训练代码远少于 Python，但支撑着全球关键基础设施。OpenAI 构建了两个评测：MultiLangBench 要求模型从零构建兼容 SQLite 的数据库引擎，GPT-6 Astra 在最高推理强度下 20 种语言平均测试通过率 87.4%，GPT-5.6 Terra 约为 38%；GPT-6 Luna 为 40.3%，略高于 GPT-5.6 Terra 的 37.9% 但成本更低。在将 COBOL 转译为 C++、Java、Kotlin、Python 或 Rust 的迁移基准上，GPT-6.1 Sol 低推理强度下准确率 86.6%，GPT-5.6 Sol 为 5.4%，提高推理强度后可达 97.9%。
#模型发布#编码#评测/基准
Mistral AI 发布 Voxtral 3，一套面向实时语音智能体的模型系列，包含语音转写模型 Voxtral Small Transcribe 3、文本转语音模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音智能体 SDK，将听、思考、工具调用和说话整合进单一流式管线。转写覆盖 50 多种语言，语音合成支持 35 种以上语言和 50 种方言并带情感适配，智能体可在实时对话中调用外部系统，例如预约或查询发票。该系统可部署在自有基础设施或通过欧盟托管的 API 运行，转写定价为每分钟 0.0035 美元起。
#模型发布#语音#Agent
ElevenLabs 发布两款语音到语音模型 Eleven Realtime，其中 v1 Max 在 Big Bench Audio 上得分 98.8%，响应时间 0.57 秒。较小的 v1 Mini 面向低成本自然对话，能判断对方是说完还是只说“mm-hmm”，v1 Max 则面向客服等更复杂任务。两款模型可通过 ElevenAgents 平台和兼容 OpenAI 的 Realtime API 使用，按分钟加 token 计费，v1 Max 价格高于 v1 Mini。
#模型发布#语音#OpenAI
Mistral 发布 Voxtral 3 语音模型家族，包含支持 50+ 语言的转写模型 Voxtral Small Transcribe 3、支持 35+ 语言和 50+ 方言的合成模型 Voxtral Mini TTS 3，以及基于 LiveKit 的语音 Agent SDK，把听、推理、工具调用和说话串成一条实时流式管线，每轮响应在 1 秒内完成。转写模型支持说话人分离、上下文偏置和轮次结束检测，Mini 版本为 4B 参数，批量转写定价 $0.0035/min；合成模型定价 $13/1M 字符，支持 30 分钟音频的语音克隆。该家族可通过 Mistral 的欧洲托管 API 或自部署使用，语音 Agent API 搭配 Mistral Small 4 推理时定价 $0.04/min。
#模型发布#语音#Agent
Mistral 发布 Voxtral 3，包含 Transcribe 与 Speech 两类模型，官方称其为当前最优水平。这两类模型用于驱动 Mistral 新的语音智能体 API。
#模型发布#语音#Agent