跳到正文

全部动态

今日 1 条

10月24日星期六

10月23日星期五

The Decoder

Canva 发布首款自研图像生成模型 Craft

Canva 发布首款自研图像生成模型 Canva Craft,所有用户均可通过 Dream Lab 和公开 API 使用。Canva 称,该模型主要基于数百万设计模板从零训练,先规划构图、比例和文字,再生成最高 2K 分辨率、支持超过 30 种宽高比的图像,可渲染 55 种语言的文字,结果可通过 Magic Layers 拆分为可编辑图层。

Hacker News 首页

Fable 5.1 如何在图像中隐藏消息?

研究者发现,Fable 5.1 能在 SVG 图像中隐藏消息,新会话仅凭渲染后的截图、无需预先约定编码方案即可恢复 78% 的消息。测试包含 15 种语言的 50 条短消息,其中 33 张图像采用高度编码,解码模型通过 Python 工具测量视觉元素并推断规则。

The Verge · AI

Canva 首款图像模型 Canva Craft 先规划设计再生成图像

Canva 推出首款 AI 图像模型 Canva Craft,采用先规划设计、再生成图像的两阶段架构,现已向全球所有用户开放。模型支持最高 2K 分辨率和超过 30 种宽高比,Canva 称该架构可提升复杂图像中文字的可读性和物体放置的准确性。

推荐理由:Canva Craft 使用平台内容库中的人工模板训练,训练素材涵盖社交帖子、演示文稿、信息图和菜单等具体设计场景。

TechCrunch · AI

Canva 发布其首个图像生成模型 Canva Craft

Canva 发布首个图像生成模型 Canva Craft,已向平台所有用户开放,可从 Dream Lab 标签页访问。模型先解析提示词并规划布局,再生成最高 2K、支持 30 种宽高比的图像;Canva 称其支持清晰文字和不改变其他部分的精确编辑。

10月22日星期四

10月21日星期三

Hacker News 首页

阿里将 DeepSeek V4 Flash 0731 输出价格上调230%

阿里将 DeepSeek V4 Flash 0731 的输出价格从每百万 tokens $0.40 上调至 $1.32,涨幅230%。Stork 自有价格目录记录显示,该模型输入价格也从每百万 tokens $0.20 升至 $0.44。

OpenAI News

Terminal X 用 GPT-6.1 让 Eval Agent 与资深投资人判断一致率达 88.6%

Terminal X 的 Eval Agent 基于 GPT-6.1 Sol,在 500 条评分判断中与资深人类评审的一致率达 88.6%,比次优模型高 220 个基点。该 Agent 按 54 项标准评分,对偏离基金投资授权范围的回答检出率提升约 25%,单次查询成本降低约 30%。一家私募股权客户借助自动化的尽职调查与投资备忘录流程,实现年化 240 万美元节省。

AI HOT · 模型

fal 发布 FLUX 3 Max,图生视频质量与 Seedance 2.5 并列第一梯队

fal 发布与 Black Forest Labs 合作后训练的视频模型 FLUX 3 Max,在第三方独立人类偏好评测中获 1139 Elo,与 Seedance 2.5 并列图生视频质量第一梯队。该模型约 12 秒生成一段 10 秒 720/768p 视频。未来三周降价 75%,后续还将继续通过后训练改进。

The Decoder

Mistral AI 发布 Voxtral 3,整合实时语音智能体模型与 SDK

Mistral AI 发布面向实时语音智能体的 Voxtral 3 模型家族,将听取、思考、工具调用与说话整合进单一流式管线。系统包含 Voxtral Small Transcribe 3、Voxtral Mini TTS 3 和基于 LiveKit 的语音智能体 SDK,转录覆盖超过 50 种语言,语音输出支持超过 35 种语言及 50 种方言,并支持情绪适配。

Mistral AI

Mistral AI 发布 Voxtral 3 语音模型系列及语音智能体 SDK

Mistral AI 发布 Voxtral 3 语音识别与语音生成模型系列,并推出整合听取、推理、工具调用和发声的实时语音智能体 SDK。转录支持 50+ 种语言,实时转录延迟低于 500ms;语音生成支持 35+ 种语言和 50+ 种方言,可按上下文调整情绪、语速和重音。

推荐理由:Mistral 将语音识别、推理、工具调用和语音生成整合为流式管线,各阶段模型可独立替换,减少更换语言或声音时重写智能体的需求。

10月20日星期二

AI HOT · 模型

DeepSeek-V4.1-Flash-20261017 (Max) 登顶 Agent Arena 开源模型第一

DeepSeek-V4.1-Flash-20261017 (Max) 成为 Agent Arena 排名第一的开源模型,总榜第 11,基于超 7.5K 真实会话净提升 +5.1%。其中位任务成本 $0.20,约为 GPT-6.1 Sol 提升幅度的 37%、成本的 27%,Confirmed Success 提升 +11.5%,且无 Tool Hallucination 问题。

AI HOT · 模型

fal 联合 bfl_ai 发布后训练视频模型 FLUX 3 Max

fal 发布与 bfl_ai 合作的后训练视频模型 FLUX 3 Max,在第三方图生视频质量评测中并列第一。生成 10 秒 720/768p 视频约需 12 秒,未来三周提供 75% 折扣,并被标注为同质量级别最便宜的前沿视频模型。

The Decoder

可灵发布 Kling 4.0,新增立体声音频、多语言口型同步及 Flash 版本

可灵发布 Kling 4.0,支持单次生成最长 30 秒视频、双声道立体声音频及超过 10 种语言的口型同步,并推出轻量版 Kling 4.0 Flash。主模型支持最多 10 张关键帧图像、8,000 tokens 提示词及最多 15 个参考素材,可通过 MCP 和 CLI 接入自动化工作流;Flash 侧重更快、更低成本的生成,上限为 720p、20 秒。

The Decoder

MiniMax M3.1 Flash 如何体现中国 AI 价格竞争仍在下探

MiniMax 发布推理模型 M3.1 Flash,Artificial Analysis Intelligence Index 从前代 M3 的 29 分升至 42 分,单任务成本降至不到一半、约 $0.22。

推荐理由:MiniMax M3.1 Flash 的单任务成本低于 DeepSeek,在高难度问答和事实准确率测试中领先,综合智能指数略低。

Hacker News 首页

Inception 发布 Mercury 3,将文本扩散模型扩展至更大规模

Inception 发布扩散式大语言模型 Mercury 3,宣称其在多项基准上超过 GPT-6 Luna 和 Claude Haiku 5.5,运行速度快4–8x。

推荐理由:Inception 将 Mercury 3 的参数规模扩大至 Mercury 1 的40倍以上,同时保持相近速度,为文本扩散模型提供了规模化比较。

Hacker News 首页

Laminar 发布 flow-1,用 RL 训练模型检测智能体轨迹错误

Laminar 发布 flow-1,用 RL 训练模型查找智能体轨迹中的错误,并称其在自家基准上检测质量匹配 GPT-6-sol、成本低 23x。模型由小型开源模型微调并经数千次合成调查训练,在 Signals 中检索轨迹片段,按用户定义的 JSON 结构返回发现。

10月19日星期一

AI HOT · 模型

MiniMax 发布 M3.1 Flash,推理提速近三倍、用量成本降低 70%

MiniMax 发布 M3.1 Flash,称在线推理速度接近提升三倍,智能体任务整体用量成本较前代降低 70%。模型在 DeepSWE v1.1 上取得 73.7%,日常输出速度可达 200+ TPS,每 1M tokens 输入、输出和缓存输入价格分别为 $0.15、$0.60 和 $0.015。

推荐理由:MiniMax M3.1 Flash 将智能体任务用量成本较前代降低 70%,在复杂任务、编码与计算机操作基准上达到领先模型水平。

10月18日星期日

The Decoder

四个 Gemini 4 Argon 智能体在无人帮助下通关 Minecraft

Google DeepMind 团队的四个 Gemini 4 Argon 智能体在无人干预下击败末影龙,完成 Minecraft 通关。团队将它们置于随机生成的世界,未指定角色、策略或游戏专用工具;智能体自行分工、互相警告威胁、回收死亡队友的物品,并在共享记忆中记录失误。

Hacker News 首页

Show HN:用 Claude Opus 5.5 生成 500 个时钟,打包成 6.3 MB 单个 HTML 文件

开发者用 Claude Opus 5.5 在 Claude 聊天界面分多次会话生成了 500 个时钟,全部打包进一个 6.3 MB 的自包含 HTML 文件。作者称这是其个人版的「自行车上的鹈鹕」测试,用于检验前沿模型生成自包含网页的能力,并特别称赞 Opus 5.5 所造时钟的多样性与质量。

10月17日星期六

Hacker News 首页

DeepSeek V4.1 Flash 1017 发布,采用 CED 架构与原生图像理解

DeepSeek V4.1 Flash 1017 是 2026 年 10 月 17 日的模型快照,由 DeepSeek 以 deepseek-flash API 模型名提供服务。

推荐理由:DeepSeek V4.1 Flash 将缓存内存压至上一代约四分之一,降低多步骤智能体任务的缓存开销。