Kling AI@Kling_aiAI 评分2222

⚡️⚡️

Kling AI@Kling_aiAI 评分5858

可灵 AI 官方发布由 Kling 4.0 满血版生成的短片 SPARE，并称其将于 10 月上线。引用内容提到，满血版相比 Flash 支持原生 30 秒直出、画面与声音更清晰、口型匹配更精准，并提供 21:9 电影画幅。

OpenAI@OpenAI精选AI 评分7070

OpenAI 发布 GPT-6.1 Sol，官方称其以五分之一的价格提供接近 Astra 的智能水平。OpenAI 表示，这是目前同等性能下最具成本效率的模型。

Google 展示开发者用 Gemini 3.8 Flash 做的四个项目

Google 介绍开发者用 Gemini 3.8 Flash 构建的实验项目，包括卫星与轨道火箭路径模拟、将日本传统青海波纹样转成动态水墨画、用四阶段提示词生成霸王龙骨架，以及从零搭建自动变速箱交互模型。

Google 发布 Gemini 3.8 Live with Live Avatar

Google 发布 Gemini 3.8 Live with Live Avatar，将低延迟流式视频与实时对话能力结合，为对话模型带来近实时的视觉形象。该功能支持精确唇形同步、自然表情与流畅轮次切换，并可在对话中异步调用工具、在后台获取数据。它支持 97 种语言的原生语音到语音同步，输出均带 SynthID 水印，现已在 Gemini Enterprise 提供，自定义形象仅限企业白名单申请。

Google 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS

Google 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，前者面向角色设计与深度创作控制，后者面向高并发、低成本的配音与语音智能体场景。

SpaceXAI@SpaceXAIAI 评分5858

xAI 发布 Grok 4.7，称其相比 Grok 4.6 有明显改进，且价格与速度保持不变。

SpaceXAI@SpaceXAIAI 评分5858

xAI 发布 Grok Voice Transcribe 2.0，称其为全球最准确的语音转写模型。原文未给出具体准确率数字、支持语言或开放方式等细节。

Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音模型

Google 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型，前者面向规模化与成本效率，后者面向高复杂度任务和多步推理。

Meta 发布 Muse Spark 1.3，改进智能体与编码任务表现

Meta 发布 Muse Spark 1.3，在智能体与编码任务上性能提升，max reasoning 版本已在 Muse Code 和 Meta Model API 上线。

Meta 发布 Muse Voice Transcribe 实时语音感知模型

Meta Superintelligence Labs 发布 Muse Voice Transcribe，这是其首款实时音频感知模型，支持流式 ASR、20 人以上说话人分离和端点检测。模型原生支持任意中英混说，训练覆盖 70 多种语言，其中 25 种经过充分验证，并支持超过一小时的长音频输入。官方称其在 Artificial Analysis 流式语音转文字和公开说话人分离基准上排名第一。

Meta 发布 Muse Spark 1.2 多模态评测结果

Meta 公布 Muse Spark 1.2 的新评测结果与演示，展示其在视觉编码、图表理解、视觉推理和知识密集型任务上的表现，并称多模态提升在模型可调用工具时最明显。该模型支持将图像或视频转为可运行代码、面向机器人的空间智能与音视频理解，已上线 Meta Model API 和 Muse Code，官方同时预览了内部评测 WildArtifactBench 并放出 10 个任务。

Meta 发布开源智能体模型 Muse Glimmer，30B 参数可在本地设备运行

Meta Superintelligence Labs 发布 Muse Glimmer，一个 30B 参数的开源智能体模型，权重以 Apache 2.0 许可在 Hugging Face 开放下载。

ByteDance Seed@ByteDanceSeed_精选AI 评分7878

字节跳动 Seed 发布新一代视频创作模型 Seedance 2.5，在长叙事、多模态参考和编辑能力上做了升级。该模型支持单次生成 30 秒高质量音视频片段，单次可输入最多 30 张图片、10 段视频和 10 段音频作为参考素材，并提供时间戳级控制以对音视频内容做定向编辑。项目主页为 https://seed.bytedance.com/seedance2_5。

Ideogram@ideogram_aiAI 评分6262

Ideogram 发布与 PrunaAI 联合开发的 P-Image-Ideogram 图像模型家族，主打质量、速度与成本之间的帕累托最优权衡。该系列提供四种质量模式，支持原生 1K 和 2K 生成，每张图像起价 0.003 美元，现已在 API 及所有合作平台上线。

Google 发布音乐生成模型 Lyria 3.5，上线 Flow Music

Google 发布新一代音乐生成模型 Lyria 3.5，并已在 Google Flow Music 中上线。官方称其在音乐性、歌词、人声和创作控制四方面均有提升：可生成更丰富自然的旋律结构，歌词质量与提示词遵循度、结构感知更好，人声更具表现力和情感且发音改善，同时更易控制输出的节奏与时长。

Ideogram@ideogram_aiAI 评分6262

Ideogram 发布 Ideogram 4.0，这是一个 9.3B 参数的开源权重 Diffusion Transformer 图像模型，官方称其在 LMArena 和 Design Arena 上超过所有开源权重图像模型，英文 OCR 文本渲染得分为 0.97，行业平均为 0.30–0.50。该模型运行在 AMD Instinct MI350X GPU 上，配备 288 GB HBM3 显存和 8 TB/s 带宽，Ideogram 表示与 AMD 合作将 Ideogram 4.0 规模化交付。

Midjourney 发布 V8.2 图像模型

Midjourney 发布 V8.2 图像模型，本次更新聚焦美学、图像质量与个性化。官方称图像将更具创意、大胆、精致、前卫和新颖，低质量图像出现的随机情况应会大幅减少。个性化功能将更好地理解用户品味，V8.2 的个性化配置文件拥有更大且更优质的图像池可供选择。

Midjourney 将 V8.1 设为默认模型

Midjourney 在用户测试和反馈后，将默认模型从 V7 更新为 V8.1。V8.1 对详细提示词的遵循更好、文字渲染更强，开启 HD 模式后图像尺寸是 V7 的两倍、分辨率为 4 倍，SD 出图约 4 秒、HD 约 12 秒；风格参考、个性化和美学设置与 V7 保持一致。V7 omni-reference 仍可使用，V8.0 alpha 模型将在两周后弃用。

Ideogram 4.0 技术细节：9.3B 开源文生图模型发布

Ideogram 发布 9.3B 参数开源权重文生图模型 Ideogram 4.0，采用 34 层单流 DiT，文本编码器为 Qwen3-VL-8B-Instruct，并拼接其 13 个中间层隐状态。

OpenAI 发布 GPT-4o，免费向 ChatGPT 用户开放并推出语音视频模式

OpenAI 发布 GPT-4o，Sam Altman 表示已在 ChatGPT 中免费提供这一模型，且不含广告。他称新的语音与视频模式是自己用过最好的计算机界面，达到接近人类的响应速度和表现力，并提到后续会加入可选个性化、访问用户信息以及代为执行操作等能力。