广告

发现值得跟进的 AI 与工具新词

Baseten Voice Agent Stack / Baseten Realtime Voice

0.92

Baseten Voice Agent Stack 和 Baseten Realtime Voice 是 Baseten 在 2026 年 11 月 16 日正式推出的语音智能体基础设施及其参考实现。@baseten 于 2026-11-16T19:15:21Z(北京时间 2026 年 11 月 17 日 03:15:21)发出介绍帖,开头为 “Introducing the Baseten Voice Agent Stack: optimized infrastructure to run and customize voice agents.”,并写到编排器与每个模型都托管在一起以降低端到端延迟,各组件可独立扩缩,且可以替换或后训练流水线中的任意模型;帖中后半也提到他们构建了 Baseten Realtime。 官方博客 baseten.co/blog/introducing-the-baseten-voice-agent-stack 日期为 November 16, 2026,标题为 “Introducing the Baseten Voice Agent Stack: own and optimize voice agents end-to-end”,作者为 Ian Carrasco 与 Tianshu Cheng。博客写到:“Today we’re launching the Baseten Voice Agent Stack and Baseten Realtime Voice”。Voice Agent Stack 是跑在 Baseten Dedicated Inference 上的生产级语音智能体基础设施:把编排器与语音模型放在同一云区域、同一集群网络中,提供推理运行时优化、模型间组网、流量自动扩缩、跨云故障转移和模型后训练支持,并允许在级联的每一级挑选或替换模型,也可以混用第三方 API。博客还讨论了按垂直场景后训练 STT、为真实通话后训练 LLM,以及用自有语音数据对 TTS 做监督微调。 Baseten Realtime Voice 是建立在该堆栈上的参考语音智能体 / API。官方称它使用级联的开放权重语音模型(脚注给出的测量配置为:STT 为 Qwen3-ASR、LLM 为 Gemma-4-31B、TTS 为 Qwen3-TTS,外加 Baseten Model APIs 上的 GLM-5.3 Fast 作为委托模型)和基于 Pipecat 的自定义编排器,可选地把快速的同机 talker 用于对话,把更强的 thinker 用于推理和工具调用。官方给出的数字包括:在 Artificial Analysis 的 Full-Duplex-Bench 加权得分 93.01%,为所列开源全双工系统中最高;在 Sierra 的 τ²-Bench Voice harness 上自报 73.5% pass^1(英语分割,含电信场景 93.9%),官方写明该成绩未经 Artificial Analysis 实测、不可直接与其榜单比较,对照级联基线为 31.2%;在 32 路并发、充分使用下列出价格为每音频分钟 0.012 美元,56 路时估算为每通话分钟 0.008 美元(含模型 API 委托的假设)。延迟方面,官方称在最多 16K token 上下文、1 到 56 路并发时,中位回合延迟保持在约 1 秒,中位首音频时间从 0.94 秒升至 1.14 秒。API 按官方说法兼容 OpenAI Realtime 协议的核心事件,支持音频入/音频出和文本入/音频出,以及关键词增强、可配置附和和声音克隆;但客户端必须接受完整 WebSocket URL,官方也写到 OpenAI Python SDK 会在 base URL 后追加 /realtime,因而不能直接连接,浏览器则需要自己的后端代持密钥。两款能力目前均为私人预览,需加入等候名单。 要点: 官方介绍帖:https://x.com/baseten/status/2122408198531363053 ;官方博客:https://www.baseten.co/blog/introducing-the-baseten-voice-agent-stack ; 这是 Baseten 的具体新产品名,不要和已有的 Baseten 推理平台,或已入库的 Baseten Grid 混成同一个产品。τ²-Bench 的 73.5% 是公司自报成绩,本页不作独立复现。

sitemap+x+web

Noeri

0.94

Noeri 是 2026 年 11 月 16 日正式对外亮相的新 AI 实验室,同时宣布获得 1.10 亿美元融资。联合创始人之一 Prithviraj Ammanabrolu(@rajammanabrolu)于 2026-11-16T17:08:10Z(北京时间 2026 年 11 月 17 日 01:08:10)发帖:“Today we're introducing @noeri_ai, a new AI company whose name literally means "the plural of intelligence" with a $110m seed!”,并写到公司尤其关心科学发现。 官方网站 noeri.ai 标题为 “Noeri: The plural of intelligence”,写到:企业可以用自身的数据与经验构建专属 AI,这些系统会在真实工作中持续学习、在最难的问题上协作,并完全由企业保有。官网新闻区写到 “Noeri raises $110 million to advance the future of plural intelligence.” 产品部分把能力概括为:在生产环境中改进你正在运行的 AI、构建你需要的 AI,并让它自我改进;它会从结果中学习、升级工具与模型,并寻找收益与机会。官网还写到,系统几乎不需要额外标注数据,就能从任务、失败和纠正中学习;不仅会改提示词,还会改进技能、工具与编排,并在现有工具不够用时创建新工具;它不只是挑选模型,还会在你的工作上训练自己的模型。质量与成本按企业自己的流量和指标衡量,而不是公开基准。联系邮箱为 [email protected]。 BusinessWire 通稿 日期为 2026 年 11 月 16 日,标题为 “Noeri, Founded by Leading Stanford AI Professors, Launches with $110 Million to Empower Companies to Build and Own Their AI”。通稿写到,Noeri 由斯坦福计算机科学教授 Yejin Choi 与 Carlos Guestrin 创立,使命是让“复数的智能”与人类共同演化;本轮 1.10 亿美元融资由 Menlo Ventures 领投,参与方包括 Madrona Venture Group、Kindred Ventures、Wing Venture Capital 和 NEA,战略投资方包括 Cisco Investments、NVIDIA 和 Snowflake。通稿称,今天的模型在训练结束后就被冻结,而 Noeri 要把 AI 做成会在岗位上自我组织、自我改进的活系统。它会研究企业自身的数据与工作流,然后改进围绕某项任务的整套系统:harness、技能、指令、工具、每一步由哪个模型处理,并在划算时改进模型及其底层参数;每一次改动都会附带说明并交给人审批,类似代码审查。系统可与闭源和开放权重模型一起工作,客户在适用的第三方模型许可前提下保留其数据和自己开发的工作流与模型。公司总部位于帕洛阿尔托,并在苏黎世设有办公室,招聘见 noeri.ai/careers。 要点: 官方介绍帖:https://x.com/rajammanabrolu/status/2122376192762478979 ;官网:https://noeri.ai ;通稿:https://www.businesswire.com/news/home/20261116056631/en/Noeri-Founded-by-Leading-Stanford-AI-Professors-Launches-with-%24110-Million-to-Empower-Companies-to-Build-and-Own-Their-AI ; 这是 一个新出现的实验室/品牌名,不要把它写成已有的通用大模型实验室,或只做一次微调的企业定制服务。估值未披露,本页也不把融资额写成对产品能力的保证。

x+web

Nolla Visual Medicine Benchmark

0.86

Nolla Visual Medicine Benchmark 是 Nolla Health 在 2026 年 11 月 16 日正式公开的视觉医学基准,用来评估模型如何解读临床影像、通过对话收集信息,并把两者结合起来做出诊断。Sean Geiger(@sean_geiger)于 2026-11-16T16:47:19Z(北京时间 2026 年 11 月 17 日 00:47:19)发帖:“Today, we’re introducing the Nolla Visual Medicine Benchmark. We’ve been using it internally for the past year to evaluate models for patient care. Over that year, we’ve seen frontier models make rapid progress. Now we’re sharing the results comparing frontier model performance”。 官方博客 nollahealth.com/blog/visual-medicine-benchmark 日期为 November 16, 2026,标题为 “Introducing the Nolla Visual Medicine Benchmark”。文中写到,医生看病不只是提问,还会观察皮疹形态、眼睛颜色或肿胀位置,再据此调整追问和判断;该基准就是为了评估这种“看见—询问—综合”的关系。基准包含两项相关任务:在仅图像任务中,模型或医生只看一张临床照片,写出排序鉴别诊断,不能询问病史;在访谈任务中,从一张照片和模拟患者的初始消息开始,经过多轮追问后给出排序鉴别诊断和结构化病历。模拟患者带有职业、处境、顾虑和性情等行为人设,有的焦虑或尴尬,有的会淡化症状。 维护中的影像库覆盖 11 个专科、49 个疾病组。皮肤科约占 45.4%(451 例),其余包括儿科、急诊、老年医学、骨科、内科、耳鼻喉、眼科、内分泌、妇科和精神病学等。疾病组例子包括皮肤癌和癌前病变、湿疹、痤疮、真菌感染、烧伤、关节病、眼病,以及肢端肥大症、库欣综合征等全身疾病的可见表现。比较研究注册号为 NCT07470463,入组 23 名医生(11 名董事会认证医生、10 名住院医师、2 名研究员),中位临床经验 5 年;影像分析纳入 10 人,访谈分析纳入 21 人。官方写到,只有 16.5% 的影像审阅和 21.9% 的访谈与医生自身专科匹配,因此结果描述的是大多在专科之外工作的混合队列,而不是专科对专科的比较;并补充,在较小的未发表试验中,董事会认证医生在自己专科内仍稳定优于前沿模型。 在研究的 Level 3 首位诊断一致性(与参考诊断相符,或被判定为意味着临床上等效处理;由自动语言模型评判)上,官方表格列出:Gemini 4 Argon 仅图像 46.5%、模拟访谈 83.2%;Claude Fable 5.2 为 43.1% / 86.4%(访谈最高);Gemini 3.8 Flash 为 40.4% / 78.4%;Gemini 3.1 Pro 为 39.6% / 72.8%;Claude Opus 5.5 为 39.1% / 77.6%;GPT-6 Astra 为 35.5% / 80.0%;GPT-5.4 为 27.5% / 77.6%;Claude Sonnet 4.6 为 23.2% / 53.6%;全部合格医生平均为 30.2% / 56.0%;董事会认证亚组为 34.1% / 78.8%。较新的模型按官方说法使用相同提示、相同模拟患者和相同自动评判,每例只计一次得分输出。 要点: 官方介绍帖:https://x.com/sean_geiger/status/2122370944899686902 ;官方博客:https://www.nollahealth.com/blog/visual-medicine-benchmark ; 这是 一个具体的新基准名,不要和 Nolla 已有的 NollaMD 模型,或一般的医学视觉问答测试写成同一个名字。表格中的分数是公司在该研究设定下的结果,本页不作独立复现。

x+web

d1.2 / d1.2-ultra

0.95

d1.2 和 d1.2-ultra 是 Liquid AI 在 2026 年 11 月 16 日正式发布的决策模型新版本,在已有的 d1-ultra 和更早的 d1 系列之上,增加了音频输入和五项新任务。@liquidai 于 2026-11-16T15:08:30Z(北京时间 23:08:30)发出介绍帖,开头为 “Today, we release d1.2 and d1.2-ultra, the state-of-the-art omnimodal decision models.”,并写到两款模型均可处理文本、图像和音频,同时具备新的输出能力。帖中还提到 d1.2-ultra 在 @ArtificialAnlys 的 Decision Index 上得到 75 分、位列第一。 官方博客 liquid.ai/blog/d1-2 标题为 “d1.2: State-of-the-Art Omnimodal Decision Models”,写到这是其决策模型的新版本,现支持音频输入和五项新任务。五项任务分别是:从输入中读取一个值(文本、数字或日期,例如从发票中读取应付金额,并返回读到的字符;若发票上没有该值则回答 “not found” 而不是猜);找出文本中某一类的全部片段(spans,例如找出一份笔记里的全部个人数据及其位置);在图片中定位目标(单框,或多实例时返回每个框和计数);估计一个数量并给出区间;以及勾选所有适用选项(把 choice 的 multiple 设为 true)。音频既可以是被询问的对象(例如背景里有没有警笛、说话人是哪种语言),也可以是用录音提出的问题本身。 官方称,d1.2-ultra 在 Artificial Analysis Decision Index v2.1 上得到 75 分,在决策模型中排名第一,比此前最佳决策模型高 2 分;该指数覆盖简历、收据和研究论文上的决策与抽取、工具调用以及较难的知识问题,并且会把模型给每个答案的概率一并计分,因此“很有把握但答错”会比犹豫的错误更亏。官方还写到,两款模型也给出了各自价位上的最佳分数:没有模型能以更低价格超过 d1.2 的分数,也没有模型能在任何价格上超过 d1.2-ultra。在校准方面,官方称在 13 项基准、22,505 道由全部五个对照模型作答的题目上,d1.2-ultra 的校准误差为 0.8 个百分点,d1.2 为 1.2,对照 Jev 1.14 为 2.7、Perplexity 的 Decider v1.3 为 3.7、GPT-6 Luna 的 Decisions API 为 7.2。内部测试表还列出了收据取值、文档个人数据、RefCOCO 定位、COCO 计数和多选,以及 ESC-50 / FLEURS 音频题上的准确率,这些都是公司在自建留出集上的结果。 两款模型即日起可在 Liquid API 上以 d1.2 和 d1.2-ultra 调用,密钥在 console.liquid.ai 申请;定价为每百万输入 token:d1.2 为 0.02 美元、d1.2-ultra 为 0.042 美元,只按输入计费。官方举例:一张 1024×1024 的图按 32×32 像素块、每块 1.5 个 token 计,约为 1,536 个 token;一次请求的文本和图片只计一次,后续每个额外问题只加上它自己的文本。官方写到即将登陆 OpenRouter 和 Vercel,但没有给出确定日期。 要点: 官方介绍帖:https://x.com/liquidai/status/2122346077231923698 ;官方博客:https://www.liquid.ai/blog/d1-2 ; 这是 Liquid AI 决策模型线的具体新型号名,不要和 2026 年 10 月 17 日已入库的 d1-ultra,或更早的 LiquidAI d1-3B 混淆。OpenRouter 与 Vercel 上线按官方说法仍为即将到来,不要写成已经放出。

x+web

Plaid Agent Detection

0.90

Plaid Agent Detection 是 Plaid 在 2026 年 11 月 16 日正式介绍的新产品,用来判断一次交互来自真人还是 AI 智能体,以及来自哪一类智能体。@Plaid 于 2026-11-16T16:17:06Z(北京时间 2026 年 11 月 17 日 00:17:06)发出介绍帖,全文为 “Today we introduced Agent Detection, a new way to tell whether a session is a person or an AI agent, and which agent it is. You can’t manage what you can’t see. How it works and where we’re headed:”,并指向官方博客。 官方博客 plaid.com/blog/agent-detection-agentic-finance 日期为 November 16, 2026,标题为 “Introducing Agent Detection: building trust in the age of agentic finance”,作者为欺诈业务负责人 Pedro Sanzovo。文中写到:“Today we're introducing Agent Detection, giving fintechs, banks, and other financial companies visibility into whether an interaction is human or agent-driven, including which agent.” 官方称,传统的设备和行为检查很难把会像人一样浏览网站的 AI 智能体区分开来;Agent Detection 会进一步查看设备、行为、自动化模式和网络活动等数千个信号,以识别交互来自真人还是 AI 智能体,以及该智能体关联的 AI 提供方。文章举例:消费者可能让自己的 AI 智能体去支付一笔即将到期的账单,金融机构可以借此识别出智能体正处在这次交互背后,并据此调整它对智能体发起支付的支持方式。 官方还写到,Agent Detection 针对这类金融交互做了微调——Plaid 已在数百家机构的金融登录场景中运行设备、行为和网络智能,因而能够区分“智能体作为银行客户登录”和“智能体在购物”。在真实流量的对照测试中,官方称其识别到的智能体会话数量是竞品的 2.3 倍,且没有增加误报。企业可通过轻量 SDK 把它用在登录、注册到资金流动等数字体验中,而不会打断现有用户体验;已在使用 Plaid 的客户,也可能通过现有集成、以最少的额外设置使用 Agent Detection。官方把该产品写成通向“受信任的智能体交互”的第一步,并提到会在此基础上扩展已有的 Trust Index,以及为希望给 AI 智能体单独通道的机构继续建设基于消费者授权的访问基础设施。这些后续能力按官方表述仍在建设中,不要写成已经上线。 要点: 官方介绍帖:https://x.com/Plaid/status/2122363341200937381 ;官方博客:https://plaid.com/blog/agent-detection-agentic-finance/ ; 这是 Plaid 的一个具体新产品名,不要和 Plaid 已有的 Trust Index,或更早的账户连接、支付风控能力写成同一个产品。文中 2.3 倍识别率是公司在对照测试中的表述,本页不作独立复现。

x+web

书生 S2.1 Flash / Sage-S2.1-Flash

0.92

书生 S2.1 Flash(英文仓库名 Sage-S2.1-Flash)是上海人工智能实验室书生系列在 2026 年 11 月 16 日正式发布的科学多模态智能体模型。官方页面 internlm.github.io/Sage-S2.1-Flash 以 “今天,我们正式发布 书生 S2.1 Flash” 开篇,写到这是一款面向高难度科学研究的前沿科学多模态智能体模型,采用 3200 亿参数 MoE 架构,将科学多模态理解与通用智能体能力相结合,支持科学深度研究、科学编程及专业科研软件操作。 官方称,模型将分子图、晶体结构、蛋白质序列与三维结构、DNA / RNA 序列,以及光谱、质谱、X 射线衍射、心电、脑电和光变曲线等十余类科学输入纳入统一模型,架构名为 Sage SciPerception;并依托大规模可验证环境训练,强化搜索、编程、工具调用与多步骤任务执行。官方还写到,模型可通过视觉反馈,根据软件状态与中间结果检验判断、调整策略,在专业科研环境中持续推进复杂任务。页面演示包括:从混杂 CT 图像中恢复同一次扫描的切片并在 3D Slicer 中重建三维骨骼、在 Blender / CAD 中完成三维建模、在 Fiji 中做显微图分割,以及围绕文献的交互式科研分析。 官方评测表给出 30 余项基准对照。其中 MLE-bench Lite 为 90.3、OfficeQA Pro 为 72.2、Harvey LAB 为 25.0、SpreadsheetBench 2 为 37.1,在表中所列对照模型(GLM-5.3-Flash、DeepSeek-V4.1-Flash-1017、Qwen3.8-Max、GPT-5.6 Sol、Claude Opus 5)里上述四项均为第一。这些数字是官方自评,本页不作独立复现。 机器之心于当日 19:37(北京时间)发稿,转述该模型由上海人工智能实验室联合复旦大学、中科院软件所、中国人民大学、中科院自动化所、华东师范大学、哈尔滨工业大学、北京大学等机构共同推出;并给出体验入口、Hugging Face、ModelScope 与技术报告链接。同一篇文章还写到上线限时优惠:对标 GLM 5.3 Flash,即日起至 12 月 9 日价格为对标模型的 1%,12 月 10 日至 12 月 31 日为 10%,新用户可获赠免费额度——具体以官方体验页为准。权重以 MIT 许可放出。ModelScope 账号 @ModelScope2022 于 2026-11-16T11:28:20Z(北京时间 19:28:20)发帖称 @sageai_official 开源了 Sage-S2.1-Flash,并写到 320B-A18B。 上一轮 16:32 扫描已经见到 GitHub 仓库 InternLM/Sage-S2.1-Flash(创建时间为 2026-11-16T03:34:03Z,当时约 9 星),但当时未找到正式发布说明,因而未入库。本轮出现了官方发布页与机器之心报道,因此单独建条。 要点: 官方页面:https://internlm.github.io/Sage-S2.1-Flash/ ;体验:https://discovery.intern-ai.org.cn/token-plan/home ; Hugging Face:https://huggingface.co/internlm/Sage-S2.1-Flash ;ModelScope:https://www.modelscope.cn/models/ShanghaiAILaboratory/Sage-S2.1-Flash ;GitHub:https://github.com/InternLM/Sage-S2.1-Flash ; 机器之心(新浪转载,19:37):https://finance.sina.com.cn/roll/2026-11-16/doc-iniyxufc2704181.shtml ;ModelScope 介绍帖:https://x.com/ModelScope2022/status/2122290669762871753 ; 这是 书生系列的一个具体新型号名,不要和已有词条 Sage-A1.5、Sage2,或更早放出的 Sage-S2.1(非 Flash,约 753B)混淆。

x+web

CloudRobo-WM1.2

0.94

CloudRobo-WM1.2 是华为云在 2026 年 11 月 16 日正式发布并宣布开源的昇腾原生具身世界模型。发布会于当天 14:00–15:30(北京时间)在线上举行,议程把 14:00–14:20 定为“CloudRobo-WM1.2 具身世界模型发布”,14:50–14:55 定为“正式发布暨开源”,发布会页为 huaweicloud.com/about/live/261116.html。本轮雷达在 12:32 扫描时已看到会前预告,但当时材料仍写“将发布 / 即将发布”,因此推迟到本轮 16:32(活动结束后)再入库。 IT之家 14:46 的报道 写到:华为云“行业 AI 梦工厂”正式发布并开源昇腾原生具身世界模型 CloudRobo-WM1.2。按该报道转述的官方介绍,模型采用共享世界模型骨干网络实现预测增强的世界表征,基于世界模型原生 DualAct 架构实现动作生成,并在 RoboTwin 2.0、LiberoPro 2.0 两个评测基准中均排名第一;五项创新包括 PPA 多模态世界表征架构、原生 DualAct 架构、多粒度监督数据自适应预训练框架、本体语义保真跨具身运动建模,以及 World / Expert Action、Joint / Action-only 四种可按需组合的弹性推理模式。除开源模型外,华为云还将训练框架、WAM 昇腾算力最佳实践一并开放。 科创板日报 15:46 的报道 补充:发布人为华为云具身产品线总裁、具身智能Lab主任吴小东,并宣布将进行权重、推理、代码开源;会上首席模型专家刘流解读了架构与能力。该报道还写到,CloudRobo 是华为云一站式具身智能开发平台,以昇腾云为算力底座,于 2025 年 6 月发布,覆盖从数据到部署的全流程,平台已有超 16500 个开发者,华为云称将在明年 Q1 持续发布新的模型,并对立项成功的项目给予最高 100 万元昇腾云算力支持。产品专区见 huaweicloud.com/ai/cloudrobo.html。本轮扫描核对其 GitHub 与 Hugging Face 检索时,尚未发现已上线的公开权重仓库,不要把“宣布开源”写成权重已经可下载。 要点: IT之家:https://www.ithome.com/1/027/684.htm ;科创板日报:https://www.cls.cn/detail/2535409 ; 发布会页:https://www.huaweicloud.com/about/live/261116.html ;产品专区:https://www.huaweicloud.com/ai/cloudrobo.html ; 这是 华为云 CloudRobo 线上的一个具体新型号名,不要和 2025 年 6 月已发布的 CloudRobo 开发平台本身,或已有词条 openPangu-2.1-Pro 混淆。

x+web

Hy4 flash

0.95

Hy4 flash 是腾讯混元在 2026 年 11 月 16 日正式发布的低成本模型,定位为已有旗舰 Hy4 之外、面向日常生产力的更快更便宜一档。@TencentHunyuan 于 2026-11-16T06:38:39Z(北京时间 14:38:39)发出介绍帖,开头为 “Meet Hy4 flash, the cheapest model for everyday productivity.”,并指向官方页面 hy.tencent.ai/research/hy4-flash。帖中写到:在面向日常工作的人类盲测中,它与 Claude Haiku 5.5(high)相当,同时任务成本降低约 18 倍;API 定价为每百万 token 缓存输入 0.003 美元、输入 0.070 美元、输出 0.281 美元。 官方页面日期为 November 16, 2026,标题为 “Introducing Hy4 flash: Ultimate cost-efficiency for everyday productivity”。页面写到:Hy4 flash 是迄今最具成本效率的 Hy 模型,总参数 224B(其中 64B 为 Engram 参数),每 token 仅激活 12B;与 Hy4 一样原生多模态,并支持 1M token 上下文,但 API 定价显著更低。同一张对照表列出旗舰 Hy4 的定价为缓存输入 0.042 美元、输入 0.834 美元、输出 2.501 美元(每百万 token)。官方称,Hy4 flash 已在腾讯云 TokenHub、WorkBuddy、元宝、企业微信、QQ、ima、Marvis 等上线,并将很快登陆 OpenRouter;11 月 30 日前可在 WorkBuddy 免费使用,并可通过 TokenHub 获得 API 五折。页面建议:多数日常生产力任务(深度搜索、文档处理、做幻灯片、简单前端演示、computer use)使用 Hy4 flash,长周期软件工程等更高智力上限的工作仍建议使用 Hy4。官方还写到,计划将 Hy4 flash 作为开源权重模型发布,并会频繁更新。 TechNode 同日报道对官方口径作了转述:在腾讯内部 WorkIndex 基准上,Hy4 flash 的单任务成本约为完整 Hy4 的二十分之一;另有 85 名 WorkBuddy 用户对 259 项任务的盲测,称其用户满意度接近 Claude Haiku 5.5,且在受测模型中成本和完成时间最低。报道:https://technode.com/2026/11/16/tencent-launches-hy4-flash-cutting-ai-task-costs-by-95-in-internal-tests/ 要点: 官方介绍帖:https://x.com/TencentHunyuan/status/2122217770314301469 ;官方页面:https://hy.tencent.ai/research/hy4-flash ; TechNode 报道:https://technode.com/2026/11/16/tencent-launches-hy4-flash-cutting-ai-task-costs-by-95-in-internal-tests/ ; 这是 腾讯混元 Hy4 系列的一个具体新型号名,不要和 2026 年 11 月 4 日已入库的旗舰 Hy4,或已有词条 Hy Realtime 混淆。开源权重与 OpenRouter 上线按官方说法仍为计划中,不要写成已经放出。

x+web

xeet

0.86

xeet 是 Vercel CEO Guillermo Rauch(@rauchg)在 2026 年 11 月 16 日正式介绍的 X 帖渲染器:用安全 Rust 和 WebAssembly 把帖子画成与 Chrome 在 x.com 上所见对齐的 PNG,而不必启动浏览器。介绍帖发出时间为 2026-11-16T04:27:37Z(北京时间 12:27:37),以 “Introducing 𝚡𝚎𝚎𝚝” 开头,并指向演示站 xeet-rs.vercel.app。帖中写到:“A hermetic, pixel-perfect X post renderer in safe Rust / wasm. Zero browser, network, filesystem, system fonts. Renders a post to PNG in ~1ms (and 0.4 ms for @jack's "setting up my twttr").” 官方页面把产品写成:把帖子或一条 x.com 链接交给它,即可得到 Retina PNG,行距、emoji、回退字体和 “Show more” 的位置都按 X 客户端规则对齐。文档强调,多数预览工具会启动无头 Chromium 再截图;xeet 则重写帖子实际依赖的部分,包括 X 的客户端规则、Blink / HarfBuzz 文本排版、文本周围的 flexbox 几何,以及 Skia 风格抗锯齿,并且核心标为 #![forbid(unsafe_code)]。它以一个原生二进制和一个 WebAssembly 核心发布,外加主机首次使用时注册的字体包;官方称文本帖在 390 px、3× 下 p50 渲染约 2.8 ms,带四个媒体占位时约 4.5 ms,渲染不依赖网络、文件系统、时钟和系统字体,并且原生与 WASM 构建输出相同字节。 源码在 rauchg/xeet,许可为 Apache-2.0;GitHub 记录仓库创建于 2026-11-15T18:07:57Z。官方文档给出的安装与调用包括 npm i @xeet/core、npm i -g @xeet/cli,以及 cargo install --git https://github.com/rauchg/xeet xeet-cli。CLI 示例为 xeet render post.json --width 390 --theme dark --dpr 3 -o post.png,也可用 xeet resolve 把 x.com 链接解析后再渲染。npm 上 @xeet/core 与 @xeet/cli 的 0.1.0 版本发布时间约为 2026-11-15T21:28Z。本轮 12:32 扫描核对仓库时,GitHub 仍显示 0 star;公开“Introducing”以 04:27:37Z 的介绍帖为准。 要点: 官方介绍帖:https://x.com/rauchg/status/2122184794209714368 ;演示与文档:https://xeet-rs.vercel.app ;仓库:https://github.com/rauchg/xeet ; 这是 Rauch 个人开源的一个具体工具名,不要和口语里把 tweet 写成 xeet 的用法混为一谈,也不要写成 mohitsharmadl/xeet 或 Sigarikafat/Xeet 那些“在终端发 X 帖”的同名 CLI。官方标明 Chirp 等平台参考字体仍受上游条款约束,不在 Apache-2.0 覆盖范围内;对外发布二进制时需使用有权分发的字体,或由宿主机器提供字体。

x+web

openPangu-2.1-Pro

0.88

openPangu-2.1-Pro 是华为云在 2026 年 11 月 15 日正式上线到 MaaS 模型即服务平台的开源盘古新一代文本生成模型。官方 MaaS模型发布公告 的更新时间为 2026-11-15 GMT+08:00,在「2026年11月」表中新增一行:模型名称为 openPangu-2.1-Pro,模型类型为文本生成,模型版本为 20261115,支持区域为西南-贵阳一;版本说明写到「该版本支持512K上下文长度,支持Function Call、前缀续写、前缀缓存和思维链」,预置服务为支持,公共池部署和专属池部署为不支持。同一日更新的官方最佳实践 快速体验openPangu-2.1-Pro模型 写道:「开源盘古(openPangu )是华为开源AI模型品牌」,并称 openPangu-2.1-Pro「是开源盘古最新一代模型,相比上一代在Agent、代码生成以及吞吐能力上有明显提升」。调用示例中的模型参数为 openpangu-2.1-pro,API 地址为 https://api.modelarts-maas.com/v2/chat/completions(亦提供 OpenAI 兼容入口),并再次写明该功能仅支持「西南-贵阳一」区域。 观点网 于 2026-11-15 22:08(北京时间)发稿,「据华为云消息」写到:该模型围绕 Agent 开发、AI 编码和推理优化三大方向升级;在 Agent 侧基于 10 万余条专项数据优化 Skills 触发、工具选择与调用,并提到深度研究和鸿蒙系统操控等场景;编码侧面向鸿蒙 App 开发与昇腾算子生成做适配;此外将接入华为云智果 AgentArts、码道 CodeArts、果办 OfficeAce。格隆汇快讯经新浪财经转载,时间为当日 22:20,内容同样转述华为云于 11 月 15 日正式上线的消息。上述产品接入与专项数据规模来自上述公开报道对华为云消息的转述,本页不作独立核实。 更早的预告方面,华为云 2026-11-06 的伙伴资讯 已写明「华为云MaaS平台将于11月15日上线openPangu-2.1-Pro」。本轮为用量耗尽后的漏窗补扫,官方上线与上述报道落在 11 月 15 日 20:32 至 11 月 16 日 00:32(北京时间)这一漏窗。 要点: 官方公告:https://support.huaweicloud.com/bulletin-maas/bulletin-maas-0001.html (更新时间 2026-11-15 GMT+08:00); 官方体验文档:https://support.huaweicloud.com/bestpractice-maas/bestpracticemaas0021_03.html ; 这是 开源盘古的一个具体模型版本名,不要和同一公告中已于 2026 年 7 月 30 日上线的 openPangu-2.0-Pro,或 6 月 30 日上线的 openPangu-2.0-Flash 混淆。

web

Melty Gym

0.88

Melty Gym 是 Y Combinator 2026 秋季批次公司 Melty 在 2026 年 11 月 13 日(UTC)正式点名的产品,面向把游戏做成机器人与多智能体训练、评测环境。创始人 David Miller(@davidmilr)于 19:11:56Z(北京时间 11 月 14 日 03:11:56)发帖 “Train robots in any game at massive scale. Introducing Melty Gym!”,并附 33 秒演示视频。同一份公开说明发布在 Launch YC:Melty Gym: Programmable games for RL and evals,公司网站为 https://www.melty.gg。 Launch YC 页面把 Melty Gym 概括为 “Turn games into environments for robotics and multi-agent collaboration.” 正文写到:他们做 Melty Gym,是为了让研究人员把自己的模型和机器人放进定制游戏,再按需要调整机制、目标和团队动态;游戏本身已经要求多步规划、掌握复杂机制和团队协作,Melty 在此基础上快速生成空间推理与多智能体协作的训练任务。页面描述的演示是:人形机器人先在 GTA V 里集结、驾驶,再到定制数据中心的机柜作业。 同一页面还列出了其他 Melty 产品:Melty Net(给游戏、模组和 mashup 加上 256 人多人模式)、Melty MCP(用一句提示让编程智能体创建定制游戏)、Melty Chat(通过对话创建和定制游戏),以及已有的 Melty Mashups(把已拥有的游戏组合成新游戏)。官网首页目前仍主要介绍 mashup 与模组:页面写明 Melty 及其 mashup 免费,mashup 运行在用户已拥有的游戏上。本页收录的新名字是 Melty Gym,不要把上述其他产品线写成这一次才首次出现的名字。 关于可用性,Launch YC 页面用的是 “We’re building Melty Gym”,并写 “We’re already building custom training tasks with teams.” 以及需要 RL 或评测环境时联系 [email protected]。不要把它写成已经对所有用户开放的自助公测,也不要把公司更早的 Mashups 产品写成 Melty Gym。 要点: 创始人帖:https://x.com/davidmilr/status/2121320174452121635 (2026-11-13T19:11:56Z / 北京时间 11 月 14 日 03:11:56);Launch YC:https://www.ycombinator.com/launches/XT3-melty-gym-programmable-games-for-rl-and-evals ;官网:https://www.melty.gg ; 这是 2026 年 11 月 13 日由创始人公开帖和 Launch YC 页面确认的具体产品名。当前公开材料描述的是与团队共建定制训练任务,不要写成已经全面自助开放。

x+web

Tofu-1

0.94

Tofu-1 是语音 AI 公司 Bland 于 2026 年 11 月 13 日(UTC)正式点名的全双工 speech-to-speech 模型。官方账号 @usebland 于 18:03:38Z(北京时间 11 月 14 日 02:03:38)发帖 “Introducing Tofu-1, Bland’s new speech-to-speech model”,并指向产品页 https://www.bland.ai/speech-to-speech。官方长帖写明:演示视频里的来电者、坐席和背景声全部由 Tofu-1 生成;高风险通话往往发生在风暴、公路边或有孩子哭闹的背景中;模型按企业日常接到的来电训练,以便智能体也能应对同类情况,并开放研究预览报名。 Bland 的 Isaiah Granet(@zaygranet,简介写明 phone operator @usebland)于 18:09:33Z(北京时间 02:09:33)发帖 “Today we’re introducing Tofu-1”,补充说它会一边说一边听、一边说一边推理,并能把真正的来电者与电视或婴儿哭声等线路上的其他声音分开。 产品页把 Tofu-1 写成 “Bland's new speech-to-speech model” 和 “Bland's full duplex speech-to-speech model”,并写明这是 Bland speech-to-speech 模型系列的首个版本。页面描述的能力包括:理解音频而不只是文本,区分说话人、判定一句话是说给谁听的,并把人声从哭闹的孩子、电视、公路噪声、医院对讲和按键音中分开;生成包含多名说话人、重叠人声和房间环境的完整声音场景;全双工地同时听和说,以便来电者可以像对人一样中途打断或纠正;以及在继续对话的同时完成查证、检索等后台工作,并且在工作完成前不把任务说成已经办妥。官方举例包括所谓 TV Test:电视里清晰说出的 “Yes” 不应被当成来电者的确认。 访问方面,产品页写明 Tofu-1 的研究预览目前只向有限数量的企业开放,对象是处理银行、医疗、保险和政府等高风险通话的团队,申请后会在名额可用时通过邮件通知。不要把它写成已经对所有 Bland 客户或个人用户普遍开放,也不要把它写成更早的 Bland Speech v3 或 Bland TTS v3。 要点: 官方产品页:https://www.bland.ai/speech-to-speech ;公司账号发布:https://x.com/usebland/status/2121302984802152941 (2026-11-13T18:03:38Z / 北京时间 11 月 14 日 02:03:38);Isaiah Granet:https://x.com/zaygranet/status/2121304474178429220 (18:09:33Z / 北京时间 02:09:33); 这是 2026 年 11 月 13 日由 Bland 官方账号和产品页确认的具体模型名。当前是有限企业研究预览,不要写成已经全面商用或对所有用户开放。

x+web