AI TrackerMultimodal: as notícias,
para devs.
As últimas notícias de multimodal de todos os provedores de IA: lançamentos, mudanças de preço e descontinuações, resumidos com o que significam para você.
Artificial Analysis: Qwen-Audio-3.1-TTS-Plus lidera em síntese de fala em inglês dos EUA; HeyGen Voice lidera em inglês do Reino Unido e no geral
A Artificial Analysis afirma que, em sua Controlled Voice Arena, que avalia todos os modelos de síntese de fala usando as mesmas oito vozes clonadas (quatro dos EUA e quatro do Reino Unido), Qwen-Audio-3.1-TTS-Plus lidera o ranking de inglês dos EUA, enquanto HeyGen Voice tem desempenho melhor em inglês do Reino Unido e lidera o ranking geral.OpenAI apresenta o BioBasicsBench, um benchmark de tarefas cotidianas de ciência em laboratório
OpenAI apresenta o BioBasicsBench, um benchmark de 100 tarefas rotineiras de laboratório desenvolvido com a Ligo, uma empresa de biotecnologia focada em design de enzimas. As tarefas usam evidências experimentais brutas (imagens de gel, placas de colônias, microscopia, arquivos de sequenciamento, exportações de instrumentos e vídeos de trabalho no laboratório) em métodos de proteínas, imagem e citometria, quantificação e ensaios, métodos de ácidos nucleicos e clonagem molecular. Cientistas criaram as tarefas com base em seus próprios experimentos, e as respostas são avaliadas segundo rubricas elaboradas por especialistas, que atribuem crédito parcial.Cursor adiciona chamadas de voz em tempo real com agentes
A Cursor diz que agora você pode conversar com seus agentes em uma chamada de voz em tempo real: descreva uma mudança em voz alta, pergunte no que um agente está trabalhando e ouça as atualizações conforme o trabalho avança. O chat por voz funciona na janela Agents, na IDE, na web e no Cursor para iOS.Artificial Analysis lança o VIALS-AA, um ranking de raciocínio visual em ciências da vida no qual Gemini 4 Carbon lidera com 64%
A Artificial Analysis lançou o VIALS-AA, um ranking para o benchmark VIALS da Handshake AI. O VIALS tem 161 tarefas em oito domínios, nas quais um modelo precisa ler um material científico (blots de gel, gráficos de citometria de fluxo, mapas de plasmídeos, filogenias) e chegar a uma conclusão 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 lança Frameboy, uma demonstração em tempo real de seu modelo de mundo Atlas
A World Labs lançou Frameboy, uma demonstração para explorar mundos gerados em tempo real. Ela executa uma versão altamente otimizada do Atlas, o modelo de mundo autorregressivo com controle de câmera que a empresa apresentou há dois meses, e transmite imagens de GPUs na nuvem a até 15 quadros por segundo. A World Labs descreve o controle de câmera do Atlas como perfeito em nível de pixel; essa é uma afirmação da empresa.Artificial Analysis classifica o FLUX 3 Image Klein em 2º lugar entre os modelos de geração de imagens a partir de texto com pesos abertos
Segundo a Artificial Analysis, o FLUX 3 Image Klein, da Black Forest Labs, é um modelo de imagens com pesos abertos e 5,6 bilhões de parâmetros, lançado em 15 de outubro. Ele ocupa o 2º lugar no ranking AA-Image-T2I v2.1 da empresa, praticamente empatado com o Qwen-Image-2.1, que está em 1º. No AA-Image-Editing v2.1, ocupa o 3º lugar entre os modelos com pesos abertos. Os rankings são da própria Artificial Analysis.Gemini Omni 1.2 Flash já está disponível no AI Gateway da Vercel
A Vercel informa que o modelo de vídeo Gemini Omni 1.2 Flash, do Google DeepMind, já está disponível no AI Gateway sob o id de modelo google/gemini-omni-1.2-flash. A Vercel lista clipes de 3 a 15 segundos com áudio nativo, edições com até seis imagens de referência, extensões para um total de 30 segundos e resoluções de 360p a 4K, em formato paisagem ou retrato.Arena coloca Gemini Omni 1.2 Flash em 1º lugar em texto para vídeo e imagem para vídeo
A Arena afirma que o Gemini Omni 1.2 Flash, do Google, estreia em 1º lugar nos rankings de texto para vídeo e imagem para vídeo e em 3º lugar em edição de vídeo.Gemini Omni 1.2 Flash já está disponível na OpenRouter
A OpenRouter informa que o modelo de vídeo Gemini Omni 1.2 Flash, do Google, já está disponível em sua plataforma. A empresa lista clipes de 15 segundos, resoluções de 360p a 4K, áudio nativo e preços por segundo cerca de 30% menores que os do Omni 1.1. A OpenRouter diz que o preço é o mesmo de contratar diretamente com o Google e que uma única API agora atende a vídeo e chat.Ant Ling apresenta o Ling-3.2-flash, um modelo multimodal de 560B que, segundo a empresa, supera o Opus 5 em três benchmarks
A Ant Ling anunciou o Ling-3.2-flash, que descreve como um modelo multimodal nativo com 560B de parâmetros totais e 25B ativos. Segundo a empresa, o modelo é mais forte em compreensão visual complexa, agentes multimodais de longo horizonte, compreensão e interação 3D e inteligência médica.Gemini Omni 1.2 Flash não foi anunciado, mas aparece em relatos de várias contas e no catálogo da OpenRouter
O Google não anunciou o Gemini Omni 1.2 Flash, um modelo de geração de vídeo que sucederia o Omni 1.1 Flash. O catálogo de modelos da OpenRouter também adicionou uma entrada google/gemini-omni-1.2-flash em 5 de novembro, listando uma janela de contexto de 131.072 tokens. Várias contas dizem ter visto o modelo:Google lança Gemini Omni 1.2 Flash com vídeos de 15 segundos e preços 30% menores
O Google afirma que o Gemini Omni 1.2 Flash está disponível de forma geral na Gemini API e no Google Cloud, e que esta é a primeira vez que o Gemini Omni tem disponibilidade geral. Ele gera e edita vídeos nativamente de até 15 segundos (contra 10 segundos no Omni 1.1), com duração ajustável em incrementos de um 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.Catálogo da OpenRouter informa que o OpenAI: GPT-5 Image Mini tem data de expiração em 1º de dezembro
O catálogo de modelos da OpenRouter agora mostra 1º de dezembro de 2026 como data de expiração do "OpenAI: GPT-5 Image Mini" (openai/gpt-5-image-mini), um modelo listado desde 16 de outubro de 2025 com contexto de 400.000 tokens. Antes, a entrada não tinha data de expiração. Esse é apenas um campo do catálogo; a entrada não informa o motivo nem o que acontecerá com o modelo após essa data.xAI descontinua grok-imagine-image-quality e grok-imagine-image-pro, substituindo-os por um modelo mais barato
De acordo com as notas de lançamento da API da xAI, as solicitações para grok-imagine-image-quality e grok-imagine-image-pro agora são atendidas por grok-imagine-image-2.0-low, que é grok-imagine-image-2.0 com quality definido como low, a um preço menor por imagem. A xAI diz que não é necessário alterar as solicitações.OpenRouter adiciona Crouton Alpha, um modelo sigiloso gratuito com contexto de 1 milhão de tokens
A OpenRouter anunciou um novo modelo sigiloso, Crouton Alpha, que descreve como “um modelo de raciocínio altamente eficiente, desenvolvido para dar conta do trabalho que seus agentes repetem o dia todo”. O criador não foi identificado.ai-cli oferece geração de imagens, vídeos e áudio para qualquer agente de programação
Chris Tate, da Vercel, apresentou o ai-cli (npm i -g ai-cli), uma ferramenta de linha de comando que permite a um agente gerar imagens, vídeos e áudio com qualquer modelo. A publicação mostra a ferramenta funcionando com Claude Code, Codex, OpenCode e o harness fx da Vercel, com modelos como Opus, Flux, GPT, Gemini, DeepSeek, GLM e Grok.OpenAI afirma que o GPT-6 Astra consegue projetar o gabinete e a placa de circuito de um dispositivo e busca parceiros de engenharia
A OpenAI descreve como seus modelos ajudam na engenharia mecânica e elétrica: modelos CAD, desenhos de fabricação, simulações e projetos de PCB. Essas são afirmações da própria OpenAI.Perplexity lança pplx-embed-v2-context, modelos de embeddings multimodais de visão e linguagem com pesos abertos, de 9B e 0,6B
A Perplexity lançou pplx-embed-v2-context, dois modelos de embeddings multimodais de visão e linguagem com pesos abertos (9B e 0,6B), no Hugging Face, junto com um artigo escrito em parceria com a turbopuffer. Ambos retornam um vetor int8 por documento, ou um por trecho que considera o documento inteiro, e também podem ser executados em modo não contextual, com um embedding por documento e sem divisão em trechos.