AI TrackerArtificial Analysis：Qwen-Audio-3.1-TTS-Plus 在美式英语文本转语音中领先，HeyGen Voice 在英式英语和总榜中领先
Artificial Analysis 表示，在其 Controlled Voice Arena 中，所有文本转语音模型都使用相同的 8 种克隆声音（4 种美式英语、4 种英式英语）进行评分。Qwen-Audio-3.1-TTS-Plus 在美式英语排名中领先，而 HeyGen Voice 在英式英语中的表现更好，并位居总榜榜首。OpenAI推出BioBasicsBench：一项针对日常湿实验科学任务的基准测试
OpenAI推出BioBasicsBench，这是一项包含100项常规湿实验任务的基准测试，由专注于酶设计的生物技术公司Ligo共同打造。这些任务使用原始实验数据（凝胶图像、菌落平板、显微镜图像、测序文件、仪器导出数据以及实验台操作视频），涵盖蛋白质实验方法、成像与细胞计数、定量与检测、核酸实验方法以及分子克隆。科学家根据自己的实验编写了这些任务，答案则依据专家编写的评分标准进行评判，并可获得部分分数。Cursor 为智能体新增实时语音通话
Cursor 表示，现在你可以与智能体进行实时语音通话：口头描述要做的更改、询问智能体正在处理什么，并在工作推进时听取进展。语音聊天可在 Agents Window、IDE、网页端和 Cursor for iOS 中使用。Artificial Analysis推出VIALS-AA：生命科学视觉推理排行榜，Gemini 4 Carbon以64%领先
Artificial Analysis推出了VIALS-AA，这是一个针对Handshake AI的VIALS基准测试的排行榜。VIALS包含8个领域的161项任务，模型需要读取科学图像资料（如凝胶印迹、流式细胞术图表、质粒图谱和系统发育树），并得出特定结论。
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 发布 Frameboy：其 Atlas 世界模型的实时演示
World Labs 发布了 Frameboy，这是一款可实时探索生成世界的演示应用。它运行的是 Atlas 的高度优化版本。Atlas 是该公司两个月前推出的、支持摄像头控制的自回归世界模型，并通过云端 GPU 以最高每秒 15 帧的速度串流。World Labs 称 Atlas 的摄像头控制可达到像素级精准；这属于该公司的说法。Artificial Analysis 将 FLUX 3 Image Klein 列为开放权重文生图模型第 2 名
Artificial Analysis 表示，Black Forest Labs 于 10 月 15 日发布的 FLUX 3 Image Klein 是一款拥有 56 亿参数的开放权重图像模型，在其 AA-Image-T2I v2.1 排行榜上位列开放权重模型第 2 名，与第 1 名 Qwen-Image-2.1 不相上下。在 AA-Image-Editing v2.1 排行榜上，它位列开放权重模型第 3 名。这些排名由 Artificial Analysis 自行评定。Gemini Omni 1.2 Flash 现已上线 Vercel AI Gateway
Vercel 表示，Google DeepMind 的视频模型 Gemini Omni 1.2 Flash 已上线其 AI Gateway，模型 ID 为 google/gemini-omni-1.2-flash。Vercel 列出的功能包括：生成 3 至 15 秒、带原生音频的视频片段；使用最多六张参考图进行编辑；将视频延长至总计 30 秒；以及支持横屏或竖屏的 360p 至 4K 分辨率。Arena 排名：Gemini Omni 1.2 Flash 在文生视频和图生视频榜单中位居第一
Arena 表示，Google 的 Gemini Omni 1.2 Flash 首次登上其文生视频和图生视频排行榜榜首，并在视频编辑榜单中排名第三。Gemini Omni 1.2 Flash 现已上线 OpenRouter
OpenRouter 表示，Google 的 Gemini Omni 1.2 Flash 视频模型现已在其平台上线。其支持最长 15 秒的视频片段、360p 至 4K 分辨率和原生音频，且每秒价格比 Omni 1.1 低约 30%。OpenRouter 称，其价格与直接使用 Google 服务相同，并且一个 API 现在即可同时用于视频和聊天。Ant Ling 推出 Ling-3.2-flash：据称这款 560B 多模态模型在三项基准测试中胜过 Opus 5
Ant Ling 宣布推出 Ling-3.2-flash，并称其为原生多模态模型，总参数量为 560B，激活参数量为 25B。该公司表示，这款模型在复杂视觉理解、长周期多模态智能体、3D 理解与交互，以及医疗智能方面表现更强。Gemini Omni 1.2 Flash 尚未官宣，但多个账号和 OpenRouter 的目录都显示了相关信息
Google 尚未宣布 Gemini Omni 1.2 Flash——这是一款据称将接替 Omni 1.1 Flash 的视频生成模型。OpenRouter 的模型目录也于 11 月 5 日新增了 google/gemini-omni-1.2-flash 条目，并列出 131,072 个 token 的上下文长度。多个账号称已看到该模型：Google 发布 Gemini Omni 1.2 Flash：支持生成 15 秒视频，价格降低 30%
Google 表示，Gemini Omni 1.2 Flash 已在 Gemini API 和 Google Cloud 上正式推出，这也是 Gemini Omni 首次正式推出。它可原生生成和编辑最长 15 秒的视频（Omni 1.1 最长为 10 秒），时长可按 1 秒递增设置，范围为 3 至 15 秒。
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.OpenRouter 的目录为 OpenAI: GPT-5 Image Mini 标注了 12 月 1 日的到期日期
OpenRouter 的模型目录现在显示，“OpenAI: GPT-5 Image Mini”（openai/gpt-5-image-mini）的到期日期为 2026 年 12 月 1 日。该模型自 2025 年 10 月 16 日起列入目录，上下文长度为 400,000 个 token。此前，该条目没有标注到期日期。这只是目录中的一项字段；条目并未说明原因，也未说明该日期之后模型会发生什么。xAI 退役 grok-imagine-image-quality 和 grok-imagine-image-pro，改由更便宜的模型提供服务
根据 xAI 的 API 发布说明，对 grok-imagine-image-quality 和 grok-imagine-image-pro 的请求现在由 grok-imagine-image-2.0-low 提供服务。该模型是将 grok-imagine-image-2.0 的 quality 设为 low，每张图片的价格更低。xAI 表示，无需更改请求。OpenRouter 新增 Crouton Alpha：一款免费的隐身模型，支持 100 万 token 上下文
OpenRouter 宣布推出一款新的隐身模型 Crouton Alpha，并将其描述为“一个高效的推理模型，旨在扩展你的智能体全天反复执行的工作”。开发方尚未公布。ai-cli 让任何编程智能体都能生成图像、视频和音频
Vercel 的 Chris Tate 推出了 ai-cli（npm i -g ai-cli），这是一款命令行工具，可让智能体使用任意模型生成图像、视频和音频。他的帖子展示了该工具与 Claude Code、Codex、OpenCode 以及 Vercel 的 fx harness 配合使用，并支持 Opus、Flux、GPT、Gemini、DeepSeek、GLM 和 Grok 等模型。OpenAI称GPT-6 Astra能够设计设备外壳和电路板，并寻求工程合作伙伴
OpenAI介绍了其模型如何助力机械和电气工程：CAD模型、制造图纸、仿真和PCB设计。这些都是OpenAI自己的说法。Perplexity 发布 pplx-embed-v2-context：参数规模为 9B 和 0.6B 的开放权重视觉语言嵌入模型
Perplexity 在 Hugging Face 上发布了 pplx-embed-v2-context，这是一组开放权重视觉语言嵌入模型（9B 和 0.6B），并与 turbopuffer 合作撰写了一篇论文。两个模型都会为每份文档返回一个 int8 向量，或者为每个可获取整篇文档内容的分块各返回一个向量；它们也都支持非上下文模式，此模式下每份文档只生成一个嵌入向量，不进行分块。