跳到正文

#模型发布

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。

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

AI HOT · 产品

Kling 4.0 已在 OnSolo 上线,支持单次生成 30 秒原生视频

可灵(Kling)宣布 Kling 4.0 已在 OnSolo 上线,支持单次生成 30 秒原生视频。模型支持在快速动作和大运镜下保持稳定,提供立体声、更准确的口型同步及 21:9 宽屏。单个任务可叠加最多 15 个参考图和 10 个关键帧,以保持角色、镜头与剧情一致。

Hacker News 首页

WorldTUI 将 360M 参数模型训练成模拟终端

WorldTUI 基于 Qwen2.5-Coder-0.5B 微调,用 360M 参数模型根据按键预测终端屏幕变化,背后没有真实 shell 或文件系统。训练使用 336k 段真实终端会话,并通过错误修复训练改善一致性,通过并行生成屏幕行和顺序验证加速推理。

10月21日星期三

AI HOT · 产品

Meta 开放权重模型 Muse Spark Open 上线 Fireworks 美国区 serverless

Meta 的开放权重模型 Muse Spark Open 发布当日上线 Fireworks serverless,使用美国区容量且不收取美国区溢价。该 MoE 模型拥有 816B 参数,每个 token 激活 42B 参数,上下文窗口为 1M token,面向长时程编码与智能体任务。

推荐理由:Fireworks 将 Muse Spark Open 部署于美国区并默认零数据留存,为受监管专业工作提供了明确的数据驻留与留存边界。

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。

TechCrunch · AI

Electric Plant 构建 Bombadil 模型,解读植物电信号与生长需求

Electric Plant 用过去三年收集的数据构建大语言模型 Bombadil,可解读约 125 种植物的电信号并向种植者反馈需求。传感器通过穿透形成层的螺钉采集信号,数据经低功耗无线网络传输后由云端模型处理,结果可用于调整灌溉或施肥安排。

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

Hacker News 首页

doubleAI 推出 Maxwell,在代码与硬件之间进行运行时优化的新型模型

doubleAI 推出代码执行模型 Maxwell,根据程序运行时的硬件与数据优化代码,并对每项改进进行形式化等价证明。它在 CPU 和 GPU 上运行,收集足够运行时数据后,在程序持续运行期间替换为针对当前机器的优化代码。页面称数据处理流水线加速 38 ×、AI 推理内核加速 4.25 ×,LTX-2.5 在两块 B200 上生成每段 4K 视频的耗时从 250s 降至 134 s。

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。

DeepSeek · API 更新日志

DeepSeek-V4.1-Flash-1017 更新,API 价格与调用方式不变

DeepSeek V4.1 Flash 已升级至 DeepSeek-V4.1-Flash-1017,官方网页端与 APP 同步更新,API 价格不变,仍通过 deepseek-flash 调用。

推荐理由:DeepSeek 在保持 API 价格与调用方式不变的同时提升模型表现,并缩短任务运行时间与输出长度以降低任务成本。

10月16日星期五

AI HOT · 模型

Reflection 发布开源 MoE 模型 Beam 501B,Hugging Face 提供部署与微调指南

Reflection 发布开源 MoE 模型 Beam,总参数为 501B、每个 token 激活 23B,支持 1M tokens 上下文,采用 Apache 2.0 许可证。

推荐理由:Hugging Face 为 Beam 提供分精度部署和微调配方,将模型权重、长上下文缓存与训练所需的硬件资源分别列明。

AI HOT · 产品

Meta Muse Spark Open 上线 Together AI

Meta 的开放权重模型 Muse Spark Open 今日上线 Together AI,面向长时间运行的智能体编码工作流。模型提供 1M-token 上下文窗口,支持子智能体协作、工具调用、电脑操作与网页浏览,并接受文本、图像、音频和音视频输入。

推荐理由:Together AI 在发布当天提供 Muse Spark Open 服务并公布分项价格,让长任务模型的接入方式与调用成本有了明确依据。