如何使用 NVIDIA Magpie TTS 构建低延迟多语言语音智能体
NVIDIA Magpie TTS Multilingual 以开放权重支持 12 种语言，并允许开发者在自有基础设施上部署、微调语音和定制发音。NVIDIA NIM 本地测试中，单流首音频延迟为 32–79ms；B200 在 64 路并发时达到 239ms 和 320× 实时吞吐量。
匹配字段标题、正文
←搜索结果
搜索“Agent”
Meta 携 Muse Glimmer 回归：本地运行、面向智能体、多模态且开源
Meta 推出可本地运行的开源多模态模型 Muse Glimmer，由 2B 视觉编码器和 28B 文本解码器组成，总参数量为 30B。它支持图像、无音频视频、多模态工具调用和目标检测，并获得 Transformers、llama.cpp 及基于 Transformers 后端的 vLLM 支持。可选的 DFlash 推测解码器能以增加内存占用为代价加快生成。
匹配字段标题、正文
Qwen 发布 Qwen-AgentWorld 语言世界模型并开源 35B-A3B 版本
Qwen 团队发布 Qwen-AgentWorld，一个原生语言世界模型，在单一模型中模拟 MCP、Search、Terminal、SWE、Web、OS、Android 七个智能体交互域，训练流程为 CPT → SFT → RL，使用超过 10M 条真实环境交互轨迹。团队同时发布七域评测基准 AgentWorldBench，Qwen-AgentWorld-397B-A17B 在该基准上取得最高综合分 58.71，超过 GPT-5.4 的 58.25。已开源 Qwen-AgentWorld-35B-A3B（MoE，35B 总参数 / 3B 激活参数，256K 上下文窗口），可在 Hugging Face 和 ModelScope 获取，并给出 SGLang 与 vLLM 部署命令。
匹配字段标题、摘要、正文
Google 在 I/O 上推出 Gemini 3.5 Flash，面向智能体与编程
Google 在 I/O 上推出 Gemini 3.5 Flash，称其面向智能体和编程具备前沿性能。该模型于当天在全球推出，针对现实世界的智能体工作流提供前沿级性能，速度是其他前沿模型的 4 倍。
匹配字段标题、摘要、正文
小米发布 MiMo-V2.5-Pro，称在通用推理与复杂软件工程上达到领先 Agent 模型水平
小米发布其迄今最强模型 MiMo-V2.5-Pro，官方称该模型在通用推理、复杂软件工程和长程任务上达到全球领先 Agent 模型的水平，相关结论来自 Artificial Analysis。用户可通过官方提供的链接直接试用。
匹配字段标题、摘要、正文
Gemini 3.1 Flash Live 现已开放使用，面向生产级语音智能体
Gemini 3.1 Flash Live 现已开放使用，整体质量得到改进，支持开发者和企业规模化构建可完成复杂任务的语音优先智能体。该模型在 ComplexFuncBench Audio 的受约束多步函数调用和 Scale AI AudioMultiChallenge 的含中断长程推理测试中领先，并以多语言能力支持 Search Live 推广。
匹配字段标题、摘要、正文
MiniMax 开源并发布面向 Agent 与编码的 M2 模型
MiniMax 正式开源并发布 MiniMax M2，定位为面向 Agent 与编码的模型，API 定价为每百万输入 token $0.30、每百万输出 token $1.20，约为 Claude 4.5 Sonnet 的 8%，在线推理 TPS 约 100。模型权重已在 Hugging Face 开源，支持 SGLang 与 vLLM 部署，推荐推理参数为 temperature=1.0、top_p=0.95、top_k=20，免费试用延长至 11 月 7 日 00:00 UTC。同时上线由 M2 驱动的 MiniMax Agent，提供 Lightning 与 Pro 两种模式，目前限时免费。
匹配字段标题、摘要、正文
Anthropic 发布 Claude Sonnet 4.5 及 Claude Agent SDK
Anthropic 发布 Claude Sonnet 4.5，称其为全球最强编码模型，在 SWE-bench Verified 和 OSWorld 上分别取得领先成绩，并同步推出 Claude Agent SDK、Claude Code 检查点、VS Code 扩展及 API 记忆工具等更新。模型定价与 Sonnet 4 相同，为每百万 tokens 3 美元（输入）和 15 美元（输出），并附带一个名为 Imagine with Claude 的研究预览。
匹配字段标题、摘要、正文
新款 Devstral 模型升级智能体编码能力
Mistral AI 与 All Hands AI 推出 Devstral Small 1.1 和 Devstral Medium，二者在 SWE-Bench Verified 上分别获得 53.6% 和 61.6%。Small 1.1 采用 Apache 2.0 许可证；Medium 通过 API 提供，并支持私有部署和定制微调。API 输入/输出价格分别为 $0.1/$0.3 和 $0.4/$2 每百万 Token。
匹配字段标题、正文
Mistral AI 与 All Hands AI 推出软件工程智能体大语言模型 Devstral
Mistral AI 与 All Hands AI 联合推出面向软件工程任务的智能体大语言模型 Devstral，并以 Apache 2.0 许可证开放。该模型在 SWE-Bench Verified 上得分 46.8%，可在单张 RTX 4090 或配备 32GB RAM 的 Mac 上运行。Devstral 目前为研究预览版，API 价格为每百万输入 Token $0.1、每百万输出 Token $0.3，也支持自行部署。
匹配字段标题、摘要、正文
NVIDIA 发布 Nemotron 3.5 Transcribe 语音转写模型，2.8% WER 并列开源第一
NVIDIA 发布开源权重语音转写模型 Nemotron 3.5 Transcribe，总参数 30B、激活参数 4B，在 Artificial Analysis 的非流式语音转写榜单上取得 2.8% 的 AA-WER，与 Mistral 的 Voxtral Small 并列开源模型第一。在语音智能体对话数据集 AA-AgentTalk 上，它以 1.8% 领先 Voxtral Small 的 2.3%。其激活参数为 4B，而 Voxtral Small 为 24B，同等规模的其他开源模型 WER 约为 4%。
匹配字段摘要、正文
Mistral AI 开放 Mistral Large 4 模型权重，1T 参数、490 亿激活参数
Mistral AI 于当地时间 10 月 29 日正式开放 Mistral Large 4（代号 le Chonk）模型权重，这是一款 1 万亿总参数、490 亿激活参数的原生多模态模型，在欧洲自有数据中心用 3,800 块 NVIDIA Grace Blackwell GPU 从零训练。官方称其在 Artificial Analysis Coding Agent Index 得分 48%，与 GLM-5.3 基本持平，但平均每个任务消耗的 Token 减少 47%。模型基于修改版 MIT 许可证发布，个人、学术、微调及常规商业化可免费使用，提供 MaaS 转售的云厂商需单独获取商业授权；在线调用定价为输入每百万 Token 0.70 美元、输出 2.10 美元。
匹配字段摘要、正文
Google 发布 Gemini 4 Carbon，距 Argon 仅两周
Google 发布 Gemini 4 Carbon，距上一代前沿模型 Gemini 4 Argon 发布仅两周。据 Google 称，Carbon 在 Artificial Analysis 的 Intelligence Index 上超过 Anthropic 的 Claude Opus 5.5 升至第一，Argon 此前仅排第六。Carbon 主要提升复杂编程任务与网络安全能力，在 SEC-bench Pro 上得分 88.2%，高于 Argon 的 83.4% 和 OpenAI GPT-6 Astra 的 85.4%；但在 Coding Agent Index、Terminal-Bench 和 Frontiercode 上仍落后于 Claude Opus 5.5。目前 Carbon 仅向网络安全防御专家等选定用户开放，需通过美国政府的自愿预审流程后才会向开发者、企业和消费者开放。
匹配字段摘要、正文
Mistral 开放万亿参数模型 Mistral Large 4 权重，主打网络安全
Mistral 发布了万亿参数开源模型 Mistral Large 4（ML4，昵称 Le Chonk）的权重，企业和政府机构可自行下载部署，权重已在 Hugging Face 和其 API 上提供。Mistral 称该模型性能与开源模型 GLM-5.3 相当，但每任务 token 消耗少 47%，并在 Artificial Analysis 的 Coding Agent Index 上位列开源模型第一。Mistral 科学副总裁 Pierre Stock 表示，开放权重意味着机构可在自有环境本地部署，用于实时识别、协调和响应重大安全事件。
匹配字段摘要、正文
扩散智能发布350亿参数扩散语言模型Clover-35B-A3B-Preview
扩散智能发布扩散语言模型Clover-35B-A3B-Preview，采用MoE架构，总参数350亿、每token激活约30亿，支持思考模式。在网页Agent评测WindTunnel的49个任务中，其中位执行时间1.52秒，低于Jev＋Mercury 2.5组合的3.21秒，成功率分别为98.6%和95.9%。代码评测上SWE-bench Verified得73.6、Terminal-Bench 2.1得51.7，团队称后续将推出多模态版本并推进端侧适配。
匹配字段摘要、正文
Mistral 开放 Mistral Large 4（Le Chonk）权重
Mistral 发布 Mistral Large 4（Le Chonk）的开放权重，这是一个 1 万亿参数的原生多模态模型，在预览版基础上继续强化学习，编码与防御性网络安全能力提升。它在 FrontierCode 2.0 上得分 19.7%，在 Artificial Analysis Coding Agent Index 上得 48%，与 GLM-5.3 基本持平，但每任务平均少用 47% token；Terminal-Bench 4.0 提升 13 个百分点至 41%。模型支持三种推理模式，采用修改版 MIT 的 Mistral Ecosystem Open-Weight 许可，API 定价为每百万输入 token $0.70、缓存输入 $0.07、输出 $2.10。
匹配字段摘要、正文
雷锋网深度拆解 Google DeepMind 世界模型 Genie 4
Google DeepMind 发布新一代世界模型 Genie 4，可实时生成可交互环境，并与 Gemini 3.8 Flash 分工协作：后者观察画面、拆解任务并调整计划。雷锋网从动态语言条件注入、Agent 因果幻觉与双模型异步协作三方面分析其技术挑战，并指出 DeepMind 尚未公开 Genie 4 的网络结构与调度实现。
匹配字段摘要、正文
OpenAI 发布 GPT-6.1 Terra，API 价格为 GPT-5.6 Terra 的一半
OpenAI 于 2026 年 10 月 26 日发布并开放 GPT-6.1 Terra，强化了视觉理解、电脑操作和写作能力，标准 API 价格为 GPT-5.6 Terra 的一半，即每百万 token 输入 1 美元、缓存输入 0.05 美元、输出 5 美元。该模型上下文窗口为 105 万 token，最大输入 92 万 2000 token、最大输出 12 万 8000 token，reasoning effort 可选 none 到 max，默认 medium。在 Agents' Last Exam 上，medium 设置的得分比 GPT-5.6 Terra 高 15 分而成本约为三分之一；max 设置下完成任务的平均速度超过 GPT-6 Astra 和 GPT-6.1 Sol 的 3 倍。该模型已向 ChatGPT Work 和 Codex 的 Plus、Pro、Enterprise、Edu 用户提供，API 模型 ID 为 gpt-6.1-terra。
匹配字段摘要、正文
OpenAI 发布 GPT-6.1 Terra，主打低价电脑操作能力
OpenAI 发布 GPT-6.1 Terra，API 价格为每百万输入 Token 1 美元、输出 Token 5 美元，较上一代输入和输出价格分别下降 50% 和约 58%，仅为 GPT-6.1 Sol 的一半。官方称其在 Terminal-Bench 4.0 的任务完成率从 21.5% 提升至 50.3%，Agents' Last Exam 得分 60.0%，接近 Claude Opus 5.5 的 63.2%。Artificial Analysis 测得最高推理档位智能指数 48 分，低于 GPT-6.1 Sol 的 52 分和 Claude Opus 5.5 的 58 分，但单任务平均成本从 1.40 美元降至 0.40 美元。Terra 已通过 API 开放，Plus、Pro、Enterprise 和 Edu 用户可在 ChatGPT Work 和 Codex 中使用，暂不支持普通 Chat 对话。
匹配字段摘要、正文
OpenAI 发布低成本模型 GPT-6.1 Terra，每任务成本约为 Claude Opus 5.5 的九分之一
OpenAI 于 10 月 27 日推出新模型 GPT-6.1 Terra，主打以更低成本完成复杂的电脑操作任务，尤其擅长视觉推理和桌面软件操作。在 Agents' Last Exam 中等推理强度下，其得分比 GPT-5.6 Terra 高 15 个百分点，成本约为后者三分之一；最高推理强度下每任务成本约为 Claude Opus 5.5 的九分之一。该模型已向 Plus、Pro、Enterprise 和 Edu 用户开放，可在 ChatGPT Work 和 Codex 中使用，API 模型标识为 gpt-6.1-terra，每百万输入 Token 收费 1 美元、输出 Token 收费 5 美元。
匹配字段摘要、正文