它由旗舰 Carbon 改出来,分数追平、每个任务花得更少;只是 Carbon 正在打限时半价,单看价目表,Neon 反而更贵。
#产品发布 86 篇
语音 Agent 最招人烦的两件事:一吵就听错,你停下来想个词它就抢话。这两个毛病,现在各有一个能在 CPU 上跑的开源模型来治。
笔记本合上带走,桌上这台接着开:Agent 照常跑定时任务、模型照常出图,本机处理的文件留在电脑里,这些活也不按 token 付云端 API 的钱。
以前改一个参数,Claude 要搜一次、看一次、改一次、再看一次;现在它把这几步写进一段代码一口气跑完,只读最后需要的那部分。
好看只是表面,每件背后都有一道难算的题:草要一根根算风,玻璃碎开后每一片都要接着算,杂乱的公开数据要先对上号。
界面好做,难的是数据存哪、谁能看、密钥藏哪。这几件后台活,现在由 Agent 从你的提示词里认出来,你点一下确认,它就配好。
以前只给付费订阅的「任务」开关,现在免费拨给六个国家的用户:说一句话,它在后台打电话、翻邮件、下单,关键一步再回来问你。
改图分数几乎打平,对手的账单却是它的六倍:一万张图,OpenAI 的 GPT Image 2.6 Sunburst 要 2100 多美元,它不到 350 美元。
同一套口头推理题,它比 GPT-Realtime-2.1 High 答得准,折算到每小时的成本却只有对方的约八分之一。
微软这次不拼谁最聪明:它要的是企业 Agent 24 小时开着也付得起的账单,再加一份能归你自己的模型。
电话里的「嗯嗯」「对对」、话说一半被接住、两人同时开口,这些它都是听真人录音自己学会的,没人给它写规则。
AI 生成的片段一拼起来,声音就各响各的;以前想改只能连画面一起重新生成,现在画面留着,声音一句一句跟它说。
它出声不靠又大又重的神经网络,而是照着「声带振动、口腔塑形」的原理现场合成,这一段只占整个模型的 0.57%。
Bland 发布了第一款语音到语音模型 Tofu-1,专门做银行、医疗、保险、政府这类听错一句就要出事的电话:直接听声音,边听边说,边说边查。1 月初推出,Bland 称 92% 的人听不出它是 AI。
美团 LongCat 团队开源了数字人视频模型的 1.6 版:嘴型更放松,长视频里嘴唇不再越说越红,能连续生成 10 分钟以上。它在美团自己组织的人工对比评测里排第二,仅次于字节的 OmniHuman-2.0。
阿里 Qwen 团队的新旗舰,定位全天候 AI 同事:会开 Blender 建模、用虚幻引擎做能玩的游戏、给汽车零件编加工程序,长任务先交首版再逐版更新;同档推理更省 token,API 也降了价。
Claude Code 桌面版的界面现在可以按你的口味改:界面颜色、对话后面一张会动的背景,都能换。它靠 mods(Claude Code 的插件机制,能改 Claude Code 自己的界面和行为)实现,所以上手很快,装别人做的主题之前也
Projects 是 Claude Code 里的一种用法:一个对话当协调者,把任务拆成几个线程同时干。Anthropic 这次更新后,协调者会主动汇报进度,岔出来的事和换个做法能各开一个线程,线程还能设提醒、分享成只读链接。
Anthropic 的个人工作 Agent Claude Duet 会主动盯你的邮件、日历和 Slack。The Verge 记者 Allison Johnson 把工作账号全交给它用了一周:在各处消息之间找漏洞很灵,拿捏轻重缓急还差一截,
Anthropic 发布测试版 Claude Meetings:Claude 作为看得见的参会人进入团队的视频会议,听着讨论当场建文档和白板,纪要和待办也归它。会还没散,东西已经摆在那儿了。
Gemini 4 家族里主打快和省的一档。单独用,它比 3.8 Flash 强出一大截;在 Antigravity 里,它还能和 Carbon 搭班:Carbon 出主意,Hydrogen 动手。
A2UI 是 Google 推出的生成式界面开源协议,1.0 是首个稳定版本。Agent 按任务描述界面,应用用自己登记的组件呈现,让用户直接选择、修改和确认。
MiniMax 推出 H3 家族的图像生成与编辑模型,同一个模型既能凭文字出图,也能结合多张参考图改图。它直接生成约 1600 万像素的画面,无需再接放大模型。
HTML-in-Canvas 是 Chrome 157 的网页开发 API。它把真实 HTML 元素画进画布,同时让浏览器继续读到文字和控件。
Fable 5.2 面向全平台开放、Mythos 5.2 定向赋能安全与生命科学,15 项基准、5 张成本曲线与 4 段实机演示完整拆解
同一个 Dot 可连接自己的多台电脑,为任务指定机器。应用测试、旧环境对照和界面操作,可以交给另一台电脑处理。
Google AI Studio 是官方用一句话生成网页应用的免费工作台,现已正式接通 Google Maps 平台:输入带地理位置的点子,系统会自动配好免绑卡的免费地图钥匙(每个接口每天可免费调 100 次);首次用云平台的新个人账号几乎
首款由旗舰模型 Muse Wonder Full 训练的轻量级多模态模型,单次任务成本约 0.14 美元,比 Muse Spark 1.3 便宜约 17 倍,专为 Agent 高频调用工具、编程子任务与百万 token 长文档解析打造。
Nuplex 怎样把点头、目光和接话时机放进实时视频对话?结合完整主题帖、官方研究图与演示,讲清 Emma 的自然感从哪里来。
把低清 H3 草稿留在每一步的参考里,一边补高清细节,一边保住原来的表演与内容。
从开源世界动作模型 GR00T 2、Isaac Lab 3.0 与 Newton 柔性物理仿真,到百万环境错题加练与 Agent 自动编排控制图,拆解具身智能如何跨过工业落地的最后一毫米。
Epic 让工程师指挥多组 Agent,把 UE6 的 AI 工具带回 UE5。开发者可以在编辑器里调用 Agent,也可以尝试把项目打包成网页。
不直接照搬庞大的旗舰原模型,而是用 Muse Wonder 训练现有模型的专门化版本,把主动记忆和主动专注带进 Muse 与 Meta AI。
代码维护和整理 Hacker News 的任务可以分别在云端跑。网页、桌面和手机都能接回同一个会话。
Google 发布了 Gemini Omni 1.2 Flash,一款能生成带声音的视频、也能用对话继续修改片段的 AI 模型。这一版把单段生成和编辑的上限从 10 秒提高到 15 秒。
Meta 开始在美国推出 Muse 的实时语音和动态形象。你说话时,角色会做出反应,也可以随时插话。
从 Firefox 高危漏洞到 Linux 提权验证,看看自动化安全研究走到了哪一步,以及补丁为何仍需要人来把关。
ChatGPT 新增可复用参考图和可编辑 GIF;API 的 Flare 主打速度,Sunburst 主打多轮改图的一致性。
语音 Agent 只读转写稿,听不见叹气、停顿和语气。Hume 让开发者直接向原始音频提问、拿回结构化概率,一通 5 分钟电话问 6 个问题约 9 分钱人民币。
AnySpeechRecognizer 让开发者更换听写引擎、标注发言人;AnyDecisionModel 直接返回选项、概率和评分。从一通客服电话,看应用怎样按任务选择模型和处理方式。
一张照片、渲染图或 AI 生成图,变成可从不同方向查看的 3D 对象。看完整发布演示、34 组输入与生成结果,以及个人显卡的显存与速度。
从跨页换字体到重做视觉风格,Brush 把理解版面、执行修改与查看结果接成循环,先在 Canva Pro 的受支持编辑任务中开放。
从复杂代码排查到漏洞验证与修补,Carbon 提升了长任务能力,也减少编造、越界和工作没做到位的情况;首批先向部分网络防御人员开放。
用文字指令决定一段录音怎样转写、怎样翻译,再用自己的行业数据改进专业词识别。
14 英寸 MacBook Pro 和 24 英寸 iMac 换上 M6,创作性能与本地 AI 提速。笔记本的内存怎么选,一体机多花 1,500 元能换来什么?
发一句“帮我买咖啡”,背后需要接住消息、记住进度、操作网页,再完成账号授权与逐笔付款批准。BELL 把这些接法做成了开源示例。
在生成中的世界里移动、改天气、加角色,让 Gemini 观察画面并引导多步事件。
约20亿参数的小模型,手机上跑得多快,视觉能力到了哪一步,又怎样接入自己的任务?
从电车图片到 Blender 建模,Terra 把视觉理解与软件操作接起来。相对前代,它能以更低的 API 单价处理日常工作;选型仍要看任务难度与实际耗量。
工具慢慢干,Claude 接着帮你忙别的;缺信息、要授权时,再停下来问你。