ElevenLabs 发布 Eleven v4 语音模型,并推出面向实时语音智能体的 Turbo 版本
ElevenLabs 发布 Eleven v4 语音模型,能更准确地跟随脚本中的情绪、停顿和音效标签,并在长内容制作中保持音色一致。新架构同时支撑 Turbo 版本,官方测试中约 150 毫秒开始输出语音,对比 Cartesia Sonic 3.6 的 262 毫秒和 OpenAI GPT-4o mini TTS 的 814 毫秒。
ElevenLabs 发布 Eleven v4 语音模型,能更准确地跟随脚本中的情绪、停顿和音效标签,并在长内容制作中保持音色一致。新架构同时支撑 Turbo 版本,官方测试中约 150 毫秒开始输出语音,对比 Cartesia Sonic 3.6 的 262 毫秒和 OpenAI GPT-4o mini TTS 的 814 毫秒。
Anthropic 发布中端模型 Sonnet 5.5,称其比上一代快 30%,token 消耗速度显著更低,定位为日常任务助手,可用于编码和办公文档。Anthropic 的基准测试显示 Sonnet 5.5 在智能体编码上表现优于 Opus 5.5,原因可能是它能在不超成本上限的情况下生成多个智能体。
AINews 汇总 9/24-9/25 动态,指出 Opus 5.5 本周发布后社区反馈积极,尤其在用代码生成讲解视频上表现突出。
AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上可用,定位为更高效、单任务成本更低的 Sonnet 模型,适合聚焦编码与知识工作。
推荐理由:原文给出 Sonnet 5.5 在 Bedrock 上的能力定位与 Opus 5.5 的分工,读者可据此判断何时选 Sonnet 承担规模化任务。
Anthropic 发布 Claude 5.5 家族第二款模型 Claude Sonnet 5.5,输出速度提升超过 30%,每任务成本最多降低 30%,在多项基准上接近 Opus 5.5。
推荐理由:对比 Sonnet 5.5 与 Opus 5.5、GPT-6 系列的基准与每任务成本,可判断中端模型的性价比取舍。
Runway 推出 GWM Worlds 2 研究预览,把高保真视频与音频生成变成实时交互式模拟,并引入 WorldPrompt 这一输入格式,可固定环境部分要素(包括首帧)并生成带时间戳的事件序列。
Anthropic 发布 Claude Opus 5.5,约一小时后 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna。
推荐理由:作者用一张价格表和实测记录呈现两家新模型发布后的定价变化,可据此判断当前模型选型与成本。
AWS 宣布 Claude Opus 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线,是 Claude 5.5 模型家族的首个模型。
推荐理由:官方给出 Claude Opus 5.5 在 Bedrock 上的接入方式与定价变化,读者可据此评估迁移与成本。
TypeSafe AI 上周发布 Jev,这是其称为 System One 模型的新类别,输入文本后不返回文本,而是返回对应类别、是非题、评分及置信度的浮点数。
Google DeepMind 发布两款实时对话模型 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking,前者面向规模化与成本效率,后者面向高复杂度任务和多步推理。
推荐理由:官方给出两款语音模型的基准成绩与开放渠道,可据此判断实时语音智能体的落地成熟度。
OpenAI 发布 GPT-6 Astra,称其为面向企业的最强模型,具备高级推理、电脑操作能力,以及更强的写作与设计判断力。
推荐理由:OpenAI 官方发布 GPT-6 Astra,读者可据此了解其在推理、电脑操作与写作设计判断上的能力定位。
Google DeepMind 发布 Gemini 3.8 Flash 和面向安全防御的 Gemini 3.8 Flash Cyber,称 3.8 是其目前最强的推理与编码模型,速度与成本与 3.7 Flash 持平。
推荐理由:官方给出两个变体的定价、基准与开放入口,可据此判断长程编码与安全场景的选型取舍。