AI TrackerNoticias de multimodal,
para desarrolladores.
Lo último en multimodal de todos los proveedores de IA: lanzamientos, cambios de precio y retiradas, resumidos con lo que significan para ti.
Artificial Analysis: Qwen-Audio-3.1-TTS-Plus lidera en texto a voz en inglés de EE. UU.; HeyGen Voice lidera en inglés del Reino Unido y en la clasificación general
Artificial Analysis afirma que, en su Controlled Voice Arena, que puntúa todos los modelos de texto a voz con las mismas ocho voces clonadas (cuatro de EE. UU. y cuatro del Reino Unido), Qwen-Audio-3.1-TTS-Plus lidera la clasificación en inglés de EE. UU., mientras que HeyGen Voice obtiene mejores resultados en inglés del Reino Unido y encabeza la clasificación general.OpenAI presenta BioBasicsBench, una prueba de referencia de tareas cotidianas de ciencia de laboratorio húmedo
OpenAI presenta BioBasicsBench, una prueba de referencia de 100 tareas rutinarias de laboratorio húmedo, creada junto con Ligo, una empresa biotecnológica centrada en el diseño de enzimas. Las tareas utilizan evidencia experimental sin procesar (imágenes de geles, placas de colonias, microscopía, archivos de secuenciación, exportaciones de instrumentos y videos del trabajo en el laboratorio) en métodos de proteínas, imagenología y citometría, cuantificación y ensayos, métodos de ácidos nucleicos y clonación molecular. Científicos las diseñaron a partir de sus propios experimentos, y las respuestas se califican con rúbricas redactadas por expertos que otorgan crédito parcial.Cursor añade llamadas de voz en tiempo real con agentes
Cursor afirma que ahora puedes hablar con tus agentes mediante llamadas de voz en tiempo real: describe un cambio en voz alta, pregunta en qué está trabajando un agente y escucha las novedades a medida que avanza el trabajo. El chat de voz funciona en la ventana de Agents, el IDE, la web y Cursor para iOS.Artificial Analysis lanza VIALS-AA, una clasificación de razonamiento visual en ciencias de la vida en la que Gemini 4 Carbon lidera con un 64 %
Artificial Analysis ha lanzado VIALS-AA, una clasificación para el benchmark VIALS de Handshake AI. VIALS tiene 161 tareas en ocho dominios, en las que un modelo debe leer un elemento científico (transferencias Western blot, gráficos de citometría de flujo, mapas de plásmidos, filogenias) y extraer una conclusión específica.
OpenAI brings GPT-Image-2.6 Flare and Sunburst to the API and Codex
OpenAI released Images 2.6 on November 4 in ChatGPT, Codex and the API, available globally in ChatGPT and Codex on all subscription tiers. In the API it comes as two models, GPT-Image-2.6 Flare and Sunburst. OpenAI says both generate images 50% faster than before. Flare, at low quality, can produce an image in as little as six seconds and improves layout for posters and product imagery. At medium or high quality, Sunburst gives higher-quality images and keeps details more consistent from one edit to the next. ChatGPT Images 2.6 adds GIF output and reference images. OpenAI says people now create 4 billion images per week across ChatGPT, Codex and the API.World Labs lanza Frameboy, una demostración en tiempo real de su modelo de mundos Atlas
World Labs lanzó Frameboy, una demostración para explorar mundos generados en tiempo real. Ejecuta una versión altamente optimizada de Atlas, el modelo de mundos autorregresivo con control de cámara que la empresa presentó hace dos meses, y transmite desde GPU en la nube a hasta 15 fotogramas por segundo. World Labs describe el control de cámara de Atlas como «perfecto a nivel de píxel»; esa es la afirmación de la empresa.Artificial Analysis sitúa a FLUX 3 Image Klein en el puesto n.º 2 entre los modelos de texto a imagen de pesos abiertos
Artificial Analysis afirma que FLUX 3 Image Klein, de Black Forest Labs, un modelo de imágenes de pesos abiertos con 5,6 B de parámetros lanzado el 15 de octubre, ocupa el puesto n.º 2 entre los modelos de pesos abiertos en su clasificación AA-Image-T2I v2.1, muy cerca del n.º 1, Qwen-Image-2.1. En AA-Image-Editing v2.1 ocupa el puesto n.º 3 entre los modelos de pesos abiertos. Las clasificaciones son propias de Artificial Analysis.Gemini Omni 1.2 Flash ya está disponible en AI Gateway de Vercel
Vercel afirma que el modelo de video Gemini Omni 1.2 Flash de Google DeepMind ya está disponible en AI Gateway, con el id de modelo google/gemini-omni-1.2-flash. Vercel indica que admite clips de 3 a 15 segundos con audio nativo, ediciones con hasta seis imágenes de referencia, extensiones de hasta 30 segundos en total y resoluciones de 360p a 4K, en formato horizontal o vertical.Arena sitúa a Gemini Omni 1.2 Flash en el puesto #1 de texto a video y de imagen a video
Arena afirma que Gemini Omni 1.2 Flash de Google debuta en el puesto #1 de sus clasificaciones de texto a video e imagen a video, y en el puesto #3 de edición de video.Gemini Omni 1.2 Flash ya está disponible en OpenRouter
OpenRouter afirma que el modelo de video Gemini Omni 1.2 Flash de Google ya está disponible en su plataforma. Indica clips de 15 segundos, resoluciones de 360p a 4K, audio nativo y un precio por segundo aproximadamente un 30 % más bajo que el de Omni 1.1. OpenRouter dice que el precio es el mismo que al contratar directamente con Google y que una sola API cubre video y chat.Ant Ling presenta Ling-3.2-flash, un modelo multimodal de 560B que, según afirma, supera a Opus 5 en tres benchmarks
Ant Ling anunció Ling-3.2-flash, al que describe como un modelo multimodal nativo con 560B de parámetros totales y 25B activos. Afirma que el modelo destaca más en comprensión visual compleja, agentes multimodales de largo horizonte, comprensión e interacción 3D e inteligencia médica.Gemini Omni 1.2 Flash no se ha anunciado, pero varias cuentas y el catálogo de OpenRouter muestran que existe
Google no ha anunciado Gemini Omni 1.2 Flash, un modelo de generación de video que sucedería a Omni 1.1 Flash. El catálogo de modelos de OpenRouter también añadió una entrada google/gemini-omni-1.2-flash el 5 de noviembre, con un contexto de 131.072 tokens. Varias cuentas afirman haber visto el modelo:Google lanza Gemini Omni 1.2 Flash, con videos de 15 segundos y precios un 30 % más bajos
Google afirma que Gemini Omni 1.2 Flash ya está disponible de forma general en Gemini API y Google Cloud, y que esta es la primera vez que Gemini Omni tiene disponibilidad general. Genera y edita videos de forma nativa de hasta 15 segundos (frente a los 10 segundos de Omni 1.1), y la duración se puede ajustar en incrementos de un segundo, de 3 a 15 segundos.
OpenAI's GPT-Live outbound telephony API is generally available
Justin Uberti, an OpenAI engineer, said on X on November 4 that the GPT-Live outbound telephony API has been promoted to general availability. Developers can now have a GPT-Live voice agent place phone calls through any SIP trunk provider, such as Telnyx or Twilio.El catálogo de OpenRouter asigna a OpenAI: GPT-5 Image Mini una fecha de expiración del 1 de diciembre
El catálogo de modelos de OpenRouter ahora muestra el 1 de diciembre de 2026 como fecha de expiración de «OpenAI: GPT-5 Image Mini» (openai/gpt-5-image-mini), un modelo incluido desde el 16 de octubre de 2025 con un contexto de 400.000 tokens. Antes, la entrada no tenía fecha de expiración. Este es solo un campo del catálogo; la entrada no indica el motivo ni qué ocurrirá con el modelo después de esa fecha.xAI retira grok-imagine-image-quality y grok-imagine-image-pro y los sustituye por un modelo más barato
Según las notas de lanzamiento de la API de xAI, las solicitudes a grok-imagine-image-quality y grok-imagine-image-pro ahora se atienden con grok-imagine-image-2.0-low, que es grok-imagine-image-2.0 con quality configurado en low, a un precio menor por imagen. xAI afirma que no es necesario cambiar las solicitudes.OpenRouter añade Crouton Alpha, un modelo sigiloso gratuito con un contexto de 1M de tokens
OpenRouter anunció un nuevo modelo sigiloso, Crouton Alpha, que describe como «un modelo de razonamiento muy eficiente, diseñado para ampliar el trabajo que tus agentes repiten durante todo el día». No se ha revelado quién lo creó.ai-cli ofrece a cualquier agente de programación generación de imágenes, video y audio
Chris Tate, de Vercel, presentó ai-cli (npm i -g ai-cli), una herramienta de línea de comandos que permite a un agente generar imágenes, video y audio con cualquier modelo. En su publicación, indica que funciona con Claude Code, Codex, OpenCode y el entorno de ejecución fx de Vercel, con modelos como Opus, Flux, GPT, Gemini, DeepSeek, GLM y Grok.OpenAI afirma que GPT-6 Astra puede diseñar la carcasa y la placa de circuito de un dispositivo y busca socios de ingeniería
OpenAI explica cómo sus modelos ayudan con la ingeniería mecánica y eléctrica: modelos CAD, planos de fabricación, simulaciones y diseño de PCB. Estas son afirmaciones de la propia OpenAI.Perplexity lanza pplx-embed-v2-context, modelos de embeddings multimodales de pesos abiertos de 9B y 0,6B
Perplexity lanzó pplx-embed-v2-context, dos modelos de embeddings multimodales de pesos abiertos (9B y 0,6B) en Hugging Face, junto con un artículo escrito con turbopuffer. Ambos generan un vector int8 por documento, o uno por fragmento que tiene en cuenta el documento completo, y también funcionan en modo no contextual, con un embedding por documento y sin dividirlo en fragmentos.