Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，前者面向角色语音设计与逐行表演导演，后者面向高并发、低成本的配音与语音智能体场景。
推荐理由：官方给出两款 TTS 模型的语音设计、逐行导演能力与基准排名，可据此判断语音生成工作流的变化。
模型发布
全部主题新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
最新精选
Google DeepMind精选AI 评分 X：通义千问 / Qwen (@Alibaba_Qwen)精选AI 评分 阿里发布 Qwen-Audio-3.1 音频模型系列，含 TTS-Next 与 ASR-Next 并大幅降价
阿里发布 Qwen-Audio-3.1，ASR、TTS 与 Realtime 全面升级，并新增 TTS-Next 和 ASR-Next 两款模型，共五款模型覆盖理解、生成、交互与创作。
推荐理由：官方一次性给出五款音频模型的能力分工与降价幅度，可据此判断语音链路的选型与成本变化。
OpenAI News精选AI 评分 OpenAI 发布 GPT-6 Sol 与 Luna 两款模型
OpenAI 发布 GPT-6 Sol 和 Luna 两款模型，将前沿智能带入日常工作，并在能力与成本之间提供不同的平衡组合。
X：SpaceXAI (@SpaceXAI)精选AI 评分 xAI 发布 Grok 4.7，上线 Cursor、Grok Build 与 Grok API
xAI 发布 Grok 4.7，已在 Cursor、Grok Build 和 Grok API 上线，官方称这是其面向编码与知识工作的最强模型。官方还称其速度是同类模型的两倍、价格为同类模型的一半，详情见 x.ai/news/grok-4-7。
推荐理由：官方给出 Grok 4.7 在 Cursor、Grok Build 与 API 的上线入口，并称其速度翻倍、价格减半，可据此判断编码场景的选型。
X：通义千问 / Qwen (@Alibaba_Qwen)精选AI 评分 阿里通义千问发布 Qwen-Image-2.1 图像生成模型并开放权重
阿里通义千问发布 Qwen-Image-2.1，称其为 Qwen-Image 系列中最均衡、最具性价比的图像生成模型，现已开放权重。该模型统一支持生成与编辑，采用 7B 轻量架构，官方称其性能超过多数闭源模型，并大幅加速多图输入的推理。
推荐理由：官方给出 7B 轻量架构、RGBA 原生透明与最多 10 张参考图编辑等要点，可据此判断图像生成与编辑的开放权重选择。
X：商汤 SenseTime (@SenseTime_AI)精选AI 评分 商汤发布 SenseNova U1.5 技术报告：开源 8B-MoT 原生统一模型
商汤发布 SenseNova U1.5 技术报告，推出开源 8B-MoT 原生统一模型，通过共享注意力连接理解与生成。模型采用 Pixel Shuffle 加 3×3 空间卷积实现原生 4K 生成，并用多专家在线策略蒸馏整合美学、OCR、信息图与编辑能力。
推荐理由：技术报告与训练配方同步开源，读者可据此了解统一多模态模型如何打通理解与生成。
Google DeepMind精选AI 评分 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
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与多步推理。
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能力水位与成本取舍。
X：Google DeepMind (@GoogleDeepMind)精选AI 评分 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 推出 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款对话模型，可在后台处理任务而不打断对话。
推荐理由：官方给出两款对话模型的能力清单和接入入口，可据此判断实时语音与后台工具调用能覆盖哪些场景。
X：Google DeepMind (@GoogleDeepMind)精选AI 评分 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款对话模型，可在对话中说话、思考并在后台处理任务而不打断对话流。
推荐理由：官方给出两款实时对话模型的能力清单与开放入口，可据此判断实时语音加后台工具调用的可用边界。
OpenAI News精选AI 评分 OpenAI 在 API 中推出 GPT-Live-1 语音模型
OpenAI 在 API 中推出 GPT-Live-1，支持自然的全双工语音对话。该模型具备更强的指令遵循能力，支持自定义音色和电话通信（telephony）支持。
推荐理由：OpenAI 在 API 中上线 GPT-Live-1，语音能力从演示走向可调用，开发者可据此评估接入方式。
OpenAI News精选AI 评分 OpenAI 发布 GPT-6 Astra，面向企业场景的最强模型
OpenAI 发布 GPT-6 Astra，称其为面向企业场景能力最强的模型，具备高级推理、computer use 以及更强的写作与设计判断力。
推荐理由：官方给出 GPT-6 Astra 的定位与三项能力方向，可据此了解 OpenAI 面向企业场景的模型迭代重点。
Google DeepMind精选AI 评分 Google DeepMind 发布 WeatherNext 3 全球天气 AI 模型
Google DeepMind 与 Google Research 发布 WeatherNext 3，称其为目前最先进的全球天气 AI 模型，可直接学习实时卫星观测数据，逐小时生成预报。
推荐理由：WeatherNext 3 把实时卫星数据与逐小时更新纳入全球天气预报，读者可据此了解 AI 气象模型在分辨率与降水精度上的进展。
OpenAI News精选AI 评分 OpenAI 发布 GPT-6 Astra 新一代模型
OpenAI 发布 GPT-6 Astra，称其为目前最智能、对齐程度最高的模型。官方表示该模型在计算机操作、编码、网络安全和科学领域具备 SOTA 能力。
推荐理由：OpenAI 官方公布 GPT-6 Astra 的发布信息，读者可据此了解新模型在计算机操作、编码等方向的能力定位。
OpenAI News精选AI 评分 OpenAI 发布 GPT-6 Astra 安全概览
OpenAI 发布 GPT-6 Astra 安全概览，称其是已广泛部署的最强模型，也是首个在 Preparedness Framework 下达到网络安全能力 Critical 级别的模型。
推荐理由：OpenAI 首次公开 GPT-6 Astra 在 Preparedness Framework 下达到网络安全关键等级，读者可了解其能力定位与安全评估口径。
Google DeepMind精选AI 评分 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8，包含通用模型 Gemini 3.8 Flash 和网络安全模型 Gemini 3.8 Flash Cyber，定价与 3.7 Flash 相同，为每百万输入 token 0.75 美元、每百万输出 token 3.75 美元。
推荐理由：官方给出 3.8 Flash 与 Cyber 两个变体的基准成绩、定价和开放入口，可据此判断长程编码与漏洞修复的可用性。
OpenAI News精选AI 评分 OpenAI 称 Astra 成为首个触及关键网络安全能力阈值的模型
OpenAI 表示 Astra 是其首个在 Preparedness Framework 下达到关键网络安全能力阈值的模型，因此发布时配备了更强的安全防护措施。
推荐理由：OpenAI 首次披露 Astra 触及 Preparedness Framework 的关键网络安全能力阈值，读者可了解其发布前的安全门槛设定。
X：SpaceXAI (@SpaceXAI)精选AI 评分 Grok 4.6 上线 Grok.com、iOS 和 Android
Grok 4.6 现已在 Grok.com、iOS 和 Android 上线。官方建议将其用于复杂问题、智能体式查询以及构建应用等场景。
推荐理由：Grok 4.6 已在网页与移动端开放，读者可据此了解新版本覆盖的入口和官方给出的三类使用场景。
Google DeepMind精选AI 评分 Google DeepMind 发布 Gemini Omni 1.1 Flash，新增场景延长与 4K 放大
Google DeepMind 发布 Gemini Omni 1.1 Flash，通过 Gemini API 在 Google AI Studio 提供面向开发者的生成视频创作控制能力。
推荐理由：官方列出了场景延长、首尾帧插值与 4K 放大等具体能力与开放入口，可据此判断生成视频工作流的改动空间。
X：美团 LongCat (@Meituan_LongCat)精选AI 评分 美团 LongCat-2.0 上线 TokenRhythm，1.6T MoE 原生 1M 上下文并开放 MIT 权重
LongCat-2.0 已在 TokenRhythm 上线，采用 1.6T MoE 架构、约 48B 激活参数、原生 1M 上下文，并以 MIT 许可开放权重。该模型全程在国内 AI ASIC 超算集群上训练，面向仓库级编码和智能体工作流，可通过 OpenSquilla 使用。
推荐理由：LongCat-2.0 的参数量、激活规模、上下文长度与开源许可集中披露，可据此判断它在代码与智能体场景的定位。
Google DeepMind精选AI 评分 Google DeepMind 发布语音转文本模型 Gemini 3.5 Transcribe
Google DeepMind 发布语音转文本模型 Gemini 3.5 Transcribe，可通过 Gemini API 在 Google AI Studio 和 Gemini Enterprise Agent Platform 使用，分为实时流式 gemini-3.5-transcribe-live 和预录音频 gemini-3.5-transcribe 两个接口。
推荐理由：官方给出流式与非流式两套 API 的 WER 数字和延迟对比，可据此判断语音转写能否接入现有产品。