AI TrackerTin đa phương thức,
cho nhà phát triển.
Tin mới nhất về đa phương thức từ mọi nhà cung cấp AI: ra mắt, thay đổi giá và ngừng hỗ trợ, tóm tắt kèm ý nghĩa với bạn.
Artificial Analysis: Qwen-Audio-3.1-TTS-Plus dẫn đầu về chuyển văn bản thành giọng nói tiếng Anh Mỹ, HeyGen Voice dẫn đầu tiếng Anh Anh và bảng xếp hạng tổng thể
Artificial Analysis cho biết trong Controlled Voice Arena, nơi chấm điểm mọi mô hình chuyển văn bản thành giọng nói trên cùng tám giọng nói được nhân bản (bốn giọng Mỹ, bốn giọng Anh), Qwen-Audio-3.1-TTS-Plus dẫn đầu bảng xếp hạng tiếng Anh Mỹ, trong khi HeyGen Voice hoạt động tốt hơn với tiếng Anh Anh và dẫn đầu bảng xếp hạng tổng thể.OpenAI giới thiệu BioBasicsBench, bộ chuẩn đánh giá các tác vụ khoa học wet-lab thường ngày
OpenAI giới thiệu BioBasicsBench, bộ chuẩn đánh giá gồm 100 tác vụ wet-lab thường lệ, được xây dựng cùng Ligo, một công ty công nghệ sinh học tập trung vào thiết kế enzyme. Các tác vụ sử dụng bằng chứng thực nghiệm thô (ảnh gel, đĩa khuẩn lạc, ảnh hiển vi, tệp giải trình tự, dữ liệu xuất từ thiết bị và video thao tác trong phòng thí nghiệm) thuộc các lĩnh vực phương pháp nghiên cứu protein, chụp ảnh và đo tế bào, định lượng và xét nghiệm, phương pháp axit nucleic và nhân dòng phân tử. Các nhà khoa học xây dựng tác vụ dựa trên thí nghiệm của chính họ, còn câu trả lời được chấm theo bộ tiêu chí do chuyên gia soạn, có tính điểm một phần.Cursor bổ sung cuộc gọi thoại thời gian thực với các agent
Cursor cho biết giờ đây bạn có thể trò chuyện với các agent qua cuộc gọi thoại thời gian thực: nói thành lời về thay đổi bạn muốn thực hiện, hỏi agent đang làm gì và nghe cập nhật khi công việc tiến triển. Trò chuyện thoại hoạt động trong Agents Window, IDE, trên web và trong Cursor cho iOS.Artificial Analysis ra mắt VIALS-AA, bảng xếp hạng suy luận hình ảnh trong khoa học sự sống, với Gemini 4 Carbon dẫn đầu ở mức 64%
Artificial Analysis đã ra mắt VIALS-AA, bảng xếp hạng dành cho benchmark VIALS của Handshake AI. VIALS gồm 161 tác vụ thuộc tám lĩnh vực, trong đó mô hình phải đọc một tư liệu khoa học (ảnh gel blot, biểu đồ đo tế bào dòng chảy, bản đồ plasmid, cây phát sinh chủng loại) và đưa ra một kết luận cụ thể.
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 ra mắt Frameboy, bản demo theo thời gian thực của mô hình thế giới Atlas
World Labs đã ra mắt Frameboy, bản demo cho phép khám phá các thế giới được tạo ra theo thời gian thực. Demo chạy phiên bản Atlas được tối ưu hóa cao, mô hình thế giới tự hồi quy có khả năng điều khiển camera mà công ty giới thiệu hai tháng trước, và truyền phát từ GPU đám mây ở tốc độ lên đến 15 khung hình/giây. World Labs mô tả khả năng điều khiển camera của Atlas là chính xác đến từng pixel; đây là tuyên bố của công ty.Artificial Analysis xếp FLUX 3 Image Klein ở vị trí số 2 trong số các mô hình chuyển văn bản thành hình ảnh có trọng số mở
Artificial Analysis cho biết FLUX 3 Image Klein của Black Forest Labs, mô hình tạo ảnh có trọng số mở với 5,6 tỷ tham số ra mắt ngày 15 tháng 10, đứng thứ 2 trong số các mô hình có trọng số mở trên bảng xếp hạng AA-Image-T2I v2.1 của hãng, bám sát vị trí số 1 của Qwen-Image-2.1. Trên AA-Image-Editing v2.1, mô hình đứng thứ 3 trong số các mô hình có trọng số mở. Đây là các bảng xếp hạng riêng của Artificial Analysis.Gemini Omni 1.2 Flash hiện đã có trên AI Gateway của Vercel
Vercel cho biết mô hình video Gemini Omni 1.2 Flash của Google DeepMind đã có trên AI Gateway với mã mô hình google/gemini-omni-1.2-flash. Vercel liệt kê các video dài từ 3 đến 15 giây có âm thanh gốc, khả năng chỉnh sửa với tối đa sáu ảnh tham chiếu, mở rộng tổng thời lượng lên 30 giây và độ phân giải từ 360p đến 4K ở định dạng ngang hoặc dọc.Arena xếp Gemini Omni 1.2 Flash ở vị trí số 1 trong các bảng xếp hạng chuyển văn bản thành video và chuyển hình ảnh thành video
Arena cho biết Gemini Omni 1.2 Flash của Google ra mắt ở vị trí số 1 trên cả bảng xếp hạng Chuyển văn bản thành video và Chuyển hình ảnh thành video, đồng thời đứng thứ 3 ở mục Chỉnh sửa video.Gemini Omni 1.2 Flash hiện đã có trên OpenRouter
OpenRouter cho biết mô hình video Gemini Omni 1.2 Flash của Google đã có mặt trên nền tảng này. Mô hình hỗ trợ video dài 15 giây, độ phân giải từ 360p đến 4K, âm thanh gốc và mức giá mỗi giây thấp hơn khoảng 30% so với Omni 1.1. OpenRouter cho biết giá tương đương với việc truy cập trực tiếp qua Google và một API giờ đây hỗ trợ cả video lẫn trò chuyện.Ant Ling giới thiệu Ling-3.2-flash, mô hình đa phương thức 560B mà hãng cho biết vượt Opus 5 ở ba benchmark
Ant Ling công bố Ling-3.2-flash, mà hãng gọi là mô hình đa phương thức nguyên bản với tổng cộng 560B tham số, trong đó 25B tham số hoạt động. Hãng cho biết mô hình vượt trội về khả năng hiểu hình ảnh phức tạp, tác tử đa phương thức hoạt động trong thời gian dài, hiểu và tương tác với không gian 3D, cũng như trí tuệ y khoa.Gemini Omni 1.2 Flash chưa được công bố, nhưng nhiều tài khoản và danh mục của OpenRouter cho thấy model này tồn tại
Google chưa công bố Gemini Omni 1.2 Flash, một model tạo video được cho là kế nhiệm Omni 1.1 Flash. Danh mục model của OpenRouter cũng đã thêm mục google/gemini-omni-1.2-flash vào ngày 5 tháng 11, với ngữ cảnh 131.072 token. Một số tài khoản cho biết đã thấy model này:Google ra mắt Gemini Omni 1.2 Flash với video dài 15 giây và giá thấp hơn 30%
Google cho biết Gemini Omni 1.2 Flash hiện đã được cung cấp rộng rãi trên Gemini API và Google Cloud, đồng thời đây là lần đầu tiên Gemini Omni được cung cấp rộng rãi. Mô hình có thể tạo và chỉnh sửa video trực tiếp với thời lượng lên đến 15 giây (tăng từ 10 giây ở Omni 1.1); thời lượng có thể thiết lập theo từng giây, từ 3 đến 15 giây.
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.Danh mục của OpenRouter ghi ngày hết hạn của OpenAI: GPT-5 Image Mini là ngày 1 tháng 12
Danh mục model của OpenRouter hiện ghi ngày hết hạn 1 tháng 12 năm 2026 cho "OpenAI: GPT-5 Image Mini" (openai/gpt-5-image-mini), một model được liệt kê từ ngày 16 tháng 10 năm 2025 với ngữ cảnh 400.000 token. Trước đây, mục này không có ngày hết hạn. Đây chỉ là một trường trong danh mục; mục này không nêu lý do hay điều gì sẽ xảy ra với model sau ngày đó.xAI ngừng cung cấp grok-imagine-image-quality và grok-imagine-image-pro, chuyển sang phục vụ bằng một mô hình rẻ hơn
Theo ghi chú phát hành API của xAI, các yêu cầu tới grok-imagine-image-quality và grok-imagine-image-pro hiện được phục vụ bằng grok-imagine-image-2.0-low. Đây là grok-imagine-image-2.0 với quality được đặt thành low, có giá mỗi ảnh thấp hơn. xAI cho biết không cần thay đổi yêu cầu.OpenRouter bổ sung Crouton Alpha, mô hình ẩn danh miễn phí với ngữ cảnh 1 triệu token
OpenRouter công bố một mô hình ẩn danh mới, Crouton Alpha, được mô tả là “một mô hình suy luận hiệu quả cao, được xây dựng để mở rộng quy mô các tác vụ mà tác nhân của bạn lặp đi lặp lại suốt ngày”. Nhà phát triển không được nêu tên.ai-cli cung cấp khả năng tạo hình ảnh, video và âm thanh cho mọi tác nhân lập trình
Chris Tate của Vercel giới thiệu ai-cli (npm i -g ai-cli), một công cụ dòng lệnh cho phép tác nhân tạo hình ảnh, video và âm thanh bằng bất kỳ mô hình nào. Bài đăng của anh cho biết công cụ hoạt động với Claude Code, Codex, OpenCode và bộ công cụ fx của Vercel, cùng các mô hình như Opus, Flux, GPT, Gemini, DeepSeek, GLM và Grok.OpenAI cho biết GPT-6 Astra có thể thiết kế vỏ thiết bị và bo mạch, đồng thời tìm kiếm đối tác kỹ thuật
OpenAI mô tả cách các mô hình của họ hỗ trợ kỹ thuật cơ khí và điện: mô hình CAD, bản vẽ sản xuất, mô phỏng và thiết kế PCB. Đây là những tuyên bố của chính OpenAI.Perplexity ra mắt pplx-embed-v2-context, các mô hình embedding thị giác-ngôn ngữ có trọng số mở với kích thước 9B và 0.6B
Perplexity đã phát hành pplx-embed-v2-context, hai mô hình embedding thị giác-ngôn ngữ có trọng số mở (9B và 0.6B) trên Hugging Face, cùng một bài báo được viết với turbopuffer. Cả hai trả về một vector int8 cho mỗi tài liệu, hoặc một vector cho mỗi đoạn có thể truy cập toàn bộ tài liệu; đồng thời, cả hai cũng chạy ở chế độ không có ngữ cảnh, với một embedding cho mỗi tài liệu và không chia đoạn.