AI TrackerMultimodale: le notizie,
per chi sviluppa.
Le ultime notizie su multimodale da ogni provider AI: lanci, cambi di prezzo e dismissioni, riassunti con cosa significano per te.
Artificial Analysis: Qwen-Audio-3.1-TTS-Plus è in testa nella sintesi vocale in inglese americano, HeyGen Voice in quella in inglese britannico e nella classifica generale
Artificial Analysis afferma che nella sua Controlled Voice Arena, che valuta ogni modello di sintesi vocale usando le stesse otto voci clonate (quattro americane e quattro britanniche), Qwen-Audio-3.1-TTS-Plus è in testa alla classifica dell’inglese americano, mentre HeyGen Voice ottiene risultati migliori in inglese britannico e guida la classifica generale.OpenAI presenta BioBasicsBench, un benchmark di attività scientifiche di routine in laboratorio umido
OpenAI presenta BioBasicsBench, un benchmark di 100 attività di routine in laboratorio umido, sviluppato con Ligo, un’azienda biotecnologica specializzata nella progettazione di enzimi. Le attività si basano su prove sperimentali grezze (immagini di gel, piastre con colonie, microscopia, file di sequenziamento, esportazioni degli strumenti e video del lavoro al banco) e riguardano metodi per le proteine, imaging e citometria, quantificazione e saggi, metodi per gli acidi nucleici e clonaggio molecolare. Gli scienziati le hanno ideate sulla base dei propri esperimenti; le risposte vengono valutate con rubriche redatte da esperti che assegnano anche punteggi parziali.Cursor aggiunge le chiamate vocali in tempo reale con gli agenti
Cursor afferma che ora è possibile parlare con i propri agenti in una chiamata vocale in tempo reale: descrivi a voce una modifica, chiedi a un agente a cosa sta lavorando e ascolta gli aggiornamenti man mano che il lavoro procede. La chat vocale è disponibile nella finestra Agents, nell’IDE, sul web e in Cursor per iOS.Artificial Analysis lancia VIALS-AA, una classifica di ragionamento visivo nelle scienze della vita in cui Gemini 4 Carbon è in testa con il 64%
Artificial Analysis ha lanciato VIALS-AA, una classifica basata sul benchmark VIALS di Handshake AI. VIALS comprende 161 attività in otto ambiti, in cui un modello deve leggere un artefatto scientifico (immagini di gel, grafici di citometria a flusso, mappe plasmidiche, filogenie) e trarne una conclusione specifica.
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 lancia Frameboy, una demo in tempo reale del suo modello del mondo Atlas
World Labs ha lanciato Frameboy, una demo che consente di esplorare mondi generati in tempo reale. Funziona con una versione altamente ottimizzata di Atlas, il modello del mondo autoregressivo con controllo della telecamera che l’azienda ha presentato due mesi fa, e trasmette contenuti da GPU cloud fino a 15 fotogrammi al secondo. World Labs descrive il controllo della telecamera di Atlas come perfetto al pixel: questa è un’affermazione dell’azienda.Artificial Analysis classifica FLUX 3 Image Klein al 2° posto tra i modelli text-to-image a pesi aperti
Secondo Artificial Analysis, FLUX 3 Image Klein di Black Forest Labs, un modello di generazione di immagini a pesi aperti con 5,6 miliardi di parametri, rilasciato il 15 ottobre, è al 2° posto tra i modelli a pesi aperti nella sua classifica AA-Image-T2I v2.1, a pari merito con Qwen-Image-2.1, al 1° posto. Nella classifica AA-Image-Editing v2.1 è al 3° posto tra i modelli a pesi aperti. Le classifiche sono state stilate da Artificial Analysis.Gemini Omni 1.2 Flash è ora disponibile su AI Gateway di Vercel
Vercel afferma che il modello video Gemini Omni 1.2 Flash di Google DeepMind è disponibile su AI Gateway con l’ID modello google/gemini-omni-1.2-flash. Vercel indica clip da 3 a 15 secondi con audio nativo, modifiche con un massimo di sei immagini di riferimento, estensioni fino a 30 secondi totali e risoluzioni da 360p a 4K, in formato orizzontale o verticale.Arena classifica Gemini Omni 1.2 Flash al primo posto nel text-to-video e nell’image-to-video
Secondo Arena, Gemini Omni 1.2 Flash di Google debutta al primo posto nelle classifiche Text-to-Video e Image-to-Video e al terzo posto in Video Edit.Gemini Omni 1.2 Flash è ora disponibile su OpenRouter
OpenRouter afferma che il modello video Gemini Omni 1.2 Flash di Google è disponibile sulla sua piattaforma. Supporta clip di 15 secondi, risoluzioni da 360p a 4K, audio nativo e prezzi al secondo inferiori di circa il 30% rispetto a Omni 1.1. OpenRouter afferma che il prezzo è lo stesso dell'accesso diretto a Google e che ora una sola API copre video e chat.Ant Ling presenta Ling-3.2-flash, un modello multimodale da 560B che, secondo l’azienda, supera Opus 5 in tre benchmark
Ant Ling ha annunciato Ling-3.2-flash, che definisce un modello multimodale nativo con 560B di parametri totali e 25B attivi. Secondo l’azienda, il modello è più efficace nella comprensione visiva complessa, negli agenti multimodali con orizzonti temporali lunghi, nella comprensione e nell’interazione 3D e nell’intelligenza medica.Gemini Omni 1.2 Flash non è stato annunciato, ma compare nei cataloghi di OpenRouter e in diversi account
Google non ha annunciato Gemini Omni 1.2 Flash, un modello di generazione video che succederebbe a Omni 1.1 Flash. Il catalogo dei modelli di OpenRouter ha inoltre aggiunto il 5 novembre una voce google/gemini-omni-1.2-flash, indicando un contesto di 131.072 token. Diversi account riferiscono di aver visto il modello:Google lancia Gemini Omni 1.2 Flash con video di 15 secondi e prezzi inferiori del 30%
Google afferma che Gemini Omni 1.2 Flash è generalmente disponibile tramite Gemini API e Google Cloud, e che è la prima volta che Gemini Omni è disponibile a livello generale. Genera e modifica video in modo nativo fino a 15 secondi (rispetto ai 10 secondi di Omni 1.1), con la durata impostabile a incrementi di un secondo, da 3 a 15 secondi.
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.Il catalogo di OpenRouter indica il 1° dicembre come data di scadenza per OpenAI: GPT-5 Image Mini
Il catalogo dei modelli di OpenRouter indica ora il 1° dicembre 2026 come data di scadenza per «OpenAI: GPT-5 Image Mini» (openai/gpt-5-image-mini), un modello presente nell’elenco dal 16 ottobre 2025 con un contesto di 400.000 token. In precedenza la voce non riportava alcuna data di scadenza. Si tratta solo di un campo del catalogo: la voce non spiega il motivo né cosa accadrà al modello dopo quella data.xAI ritira grok-imagine-image-quality e grok-imagine-image-pro, sostituendoli con un modello più economico
Secondo le note di rilascio dell’API di xAI, le richieste a grok-imagine-image-quality e grok-imagine-image-pro vengono ora gestite da grok-imagine-image-2.0-low, ovvero grok-imagine-image-2.0 con quality impostato su low, a un prezzo inferiore per immagine. xAI afferma che non è necessario modificare le richieste.OpenRouter aggiunge Crouton Alpha, un modello stealth gratuito con una finestra di contesto da 1M di token
OpenRouter ha annunciato un nuovo modello stealth, Crouton Alpha, che descrive come «un modello di ragionamento altamente efficiente, progettato per ampliare il lavoro che i tuoi agenti ripetono tutto il giorno». Il produttore non è stato nominato.ai-cli offre a qualsiasi agente di coding la generazione di immagini, video e audio
Chris Tate di Vercel ha presentato ai-cli (npm i -g ai-cli), uno strumento a riga di comando che consente a un agente di generare immagini, video e audio con qualsiasi modello. Nel suo post mostra che funziona con Claude Code, Codex, OpenCode e l'harness fx di Vercel, e con modelli come Opus, Flux, GPT, Gemini, DeepSeek, GLM e Grok.OpenAI afferma che GPT-6 Astra può progettare l’involucro e la scheda elettronica di un dispositivo e cerca partner nel settore dell’ingegneria
OpenAI descrive come i suoi modelli aiutino nell’ingegneria meccanica ed elettrica: modelli CAD, disegni di produzione, simulazioni e progettazione di PCB. Sono affermazioni di OpenAI.Perplexity lancia pplx-embed-v2-context, modelli di embedding multimodali open-weight da 9B e 0.6B
Perplexity ha rilasciato pplx-embed-v2-context, due modelli di embedding multimodali open-weight (9B e 0.6B) su Hugging Face, accompagnati da un articolo scritto con turbopuffer. Entrambi restituiscono un vettore int8 per documento, oppure uno per ogni chunk che ha accesso all’intero documento; entrambi funzionano anche in modalità non contestuale, con un embedding per documento e senza suddivisione in chunk.