AI TrackerBerita Multimodal,
untuk developer.
Berita Multimodal terbaru dari setiap penyedia AI: peluncuran, perubahan harga, dan penghentian, diringkas beserta artinya bagi Anda.
Artificial Analysis: Qwen-Audio-3.1-TTS-Plus memimpin untuk text-to-speech bahasa Inggris AS, HeyGen Voice memimpin untuk bahasa Inggris UK dan secara keseluruhan
Menurut Artificial Analysis, dalam Controlled Voice Arena, yang menilai setiap model text-to-speech menggunakan delapan suara tiruan yang sama (empat AS, empat UK), Qwen-Audio-3.1-TTS-Plus memimpin peringkat bahasa Inggris AS, sementara HeyGen Voice tampil lebih baik dalam bahasa Inggris UK dan memimpin papan peringkat keseluruhan.OpenAI memperkenalkan BioBasicsBench, tolok ukur untuk tugas-tugas sains laboratorium basah sehari-hari
OpenAI memperkenalkan BioBasicsBench, tolok ukur untuk 100 tugas rutin di laboratorium basah yang dikembangkan bersama Ligo, perusahaan bioteknologi yang berfokus pada desain enzim. Tugas-tugas ini menggunakan bukti eksperimen mentah (gambar gel, cawan koloni, mikroskopi, berkas sekuensing, hasil ekspor instrumen, dan video pekerjaan di meja laboratorium) dalam berbagai bidang, termasuk metode protein, pencitraan dan sitometri, kuantifikasi dan pengujian, metode asam nukleat, serta kloning molekuler. Para ilmuwan menyusun tugas berdasarkan eksperimen mereka sendiri, dan jawaban dinilai menggunakan rubrik yang ditulis para ahli dan memberikan kredit parsial.Cursor menambahkan panggilan suara real-time dengan agen
Cursor mengatakan kini Anda bisa berbicara dengan agen dalam panggilan suara real-time: ucapkan perubahan yang Anda inginkan, tanyakan apa yang sedang dikerjakan agen, dan dengarkan pembaruan seiring pekerjaan berlangsung. Obrolan suara tersedia di Agents Window, IDE, web, dan Cursor untuk iOS.Artificial Analysis meluncurkan VIALS-AA, papan peringkat penalaran visual ilmu hayati yang dipimpin Gemini 4 Carbon dengan skor 64%
Artificial Analysis telah meluncurkan VIALS-AA, papan peringkat untuk benchmark VIALS dari Handshake AI. VIALS memiliki 161 tugas dalam delapan domain. Untuk setiap tugas, model harus membaca artefak ilmiah (gel blot, plot flow cytometry, peta plasmid, filogeni) dan menarik kesimpulan tertentu.
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 merilis Frameboy, demo real-time untuk model dunia Atlas
World Labs merilis Frameboy, demo untuk menjelajahi dunia yang dihasilkan secara real-time. Demo ini menjalankan versi Atlas yang sangat dioptimalkan, yaitu model dunia autoregresif dengan kontrol kamera yang diperkenalkan perusahaan tersebut dua bulan lalu, dan melakukan streaming dari GPU cloud hingga 15 frame per detik. World Labs menggambarkan kontrol kamera Atlas sebagai presisi hingga ke tingkat piksel; itu adalah klaim perusahaan.Artificial Analysis menempatkan FLUX 3 Image Klein di posisi #2 di antara model teks-ke-gambar berbobot terbuka
Menurut Artificial Analysis, FLUX 3 Image Klein dari Black Forest Labs, model gambar berbobot terbuka dengan 5,6 miliar parameter yang dirilis pada 15 Oktober, menempati posisi #2 di antara model berbobot terbuka pada papan peringkat AA-Image-T2I v2.1, bersaing ketat dengan Qwen-Image-2.1 yang berada di posisi #1. Pada AA-Image-Editing v2.1, model ini menempati posisi #3 di antara model berbobot terbuka. Peringkat tersebut merupakan hasil penilaian Artificial Analysis sendiri.Gemini Omni 1.2 Flash kini tersedia di AI Gateway Vercel
Vercel menyatakan bahwa model video Gemini Omni 1.2 Flash dari Google DeepMind kini tersedia di AI Gateway dengan ID model google/gemini-omni-1.2-flash. Vercel mencantumkan klip berdurasi 3 hingga 15 detik dengan audio bawaan, penyuntingan menggunakan hingga enam gambar referensi, ekstensi hingga total 30 detik, serta resolusi dari 360p hingga 4K dalam orientasi lanskap atau potret.Arena menempatkan Gemini Omni 1.2 Flash di peringkat #1 untuk text-to-video dan image-to-video
Arena menyebut Gemini Omni 1.2 Flash dari Google debut di peringkat #1 pada papan peringkat Text-to-Video dan Image-to-Video, serta di peringkat #3 pada Video Edit.Gemini Omni 1.2 Flash kini tersedia di OpenRouter
OpenRouter menyatakan bahwa model video Gemini Omni 1.2 Flash dari Google kini tersedia di platformnya. Model ini mendukung klip berdurasi 15 detik, resolusi dari 360p hingga 4K, audio native, dan harga per detik sekitar 30% lebih rendah dibandingkan Omni 1.1. OpenRouter menyebut harganya sama dengan jika menggunakan layanan Google secara langsung, dan kini satu API mencakup video dan chat.Ant Ling memperkenalkan Ling-3.2-flash, model multimodal 560B yang diklaim mengungguli Opus 5 pada tiga benchmark
Ant Ling mengumumkan Ling-3.2-flash, yang disebutnya sebagai model multimodal native dengan total 560B parameter dan 25B parameter aktif. Menurut perusahaan, model ini lebih unggul dalam pemahaman visual kompleks, agen multimodal dengan horizon panjang, pemahaman dan interaksi 3D, serta kecerdasan medis.Gemini Omni 1.2 Flash belum diumumkan, tetapi tercantum di beberapa akun dan katalog OpenRouter
Google belum mengumumkan Gemini Omni 1.2 Flash, model pembuat video yang akan menjadi penerus Omni 1.1 Flash. Katalog model OpenRouter juga menambahkan entri google/gemini-omni-1.2-flash pada 5 November, dengan konteks 131.072 token. Beberapa akun mengaku melihat model tersebut:Google merilis Gemini Omni 1.2 Flash dengan video berdurasi 15 detik dan harga 30% lebih rendah
Google menyatakan bahwa Gemini Omni 1.2 Flash kini tersedia secara umum melalui Gemini API dan Google Cloud, sekaligus menjadi pertama kalinya Gemini Omni tersedia secara umum. Model ini membuat dan mengedit video secara native hingga 15 detik (naik dari 10 detik pada Omni 1.1), dengan durasi yang dapat diatur dalam kelipatan satu detik dari 3 hingga 15 detik.
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.Katalog OpenRouter mencantumkan tanggal kedaluwarsa 1 Desember untuk OpenAI: GPT-5 Image Mini
Katalog model OpenRouter kini menampilkan tanggal kedaluwarsa 1 Desember 2026 untuk "OpenAI: GPT-5 Image Mini" (openai/gpt-5-image-mini), model yang telah tercantum sejak 16 Oktober 2025 dengan konteks 400.000 token. Sebelumnya, entri tersebut tidak mencantumkan tanggal kedaluwarsa. Ini hanya kolom dalam katalog; entri tersebut tidak menyebutkan alasannya atau apa yang akan terjadi pada model setelah tanggal itu.xAI menghentikan grok-imagine-image-quality dan grok-imagine-image-pro, dan menggantinya dengan model yang lebih murah
Menurut catatan rilis API xAI, permintaan ke grok-imagine-image-quality dan grok-imagine-image-pro kini dilayani oleh grok-imagine-image-2.0-low, yaitu grok-imagine-image-2.0 dengan quality disetel ke low, dengan harga per gambar yang lebih rendah. xAI menyatakan bahwa tidak diperlukan perubahan pada permintaan.OpenRouter menambahkan Crouton Alpha, model rahasia gratis dengan konteks 1 juta token
OpenRouter mengumumkan model rahasia baru, Crouton Alpha, yang mereka gambarkan sebagai “model penalaran yang sangat efisien, dibuat untuk memperluas pekerjaan yang dilakukan agen Anda berulang kali sepanjang hari”. Pembuatnya tidak disebutkan.ai-cli memberi semua agen coding kemampuan membuat gambar, video, dan audio
Chris Tate dari Vercel memperkenalkan ai-cli (npm i -g ai-cli), alat baris perintah yang memungkinkan agen membuat gambar, video, dan audio menggunakan model apa pun. Unggahannya menyebut ai-cli berfungsi dengan Claude Code, Codex, OpenCode, dan harness fx milik Vercel, serta model seperti Opus, Flux, GPT, Gemini, DeepSeek, GLM, dan Grok.OpenAI mengatakan GPT-6 Astra dapat merancang casing dan papan sirkuit perangkat, serta mencari mitra teknik
OpenAI menjelaskan bagaimana modelnya membantu rekayasa mekanik dan elektro: model CAD, gambar manufaktur, simulasi, dan desain PCB. Ini adalah klaim OpenAI sendiri.Perplexity merilis pplx-embed-v2-context, model embedding visi-bahasa berbobot terbuka berukuran 9B dan 0.6B
Perplexity merilis pplx-embed-v2-context, dua model embedding visi-bahasa berbobot terbuka (9B dan 0.6B) di Hugging Face, beserta makalah yang ditulis bersama turbopuffer. Keduanya menghasilkan satu vektor int8 per dokumen, atau satu vektor per chunk yang mencakup seluruh dokumen, dan juga dapat berjalan dalam mode nonkontekstual dengan satu embedding per dokumen tanpa pembagian menjadi chunk.