AI 日报 · 2026 年 10 月 21 日 · 星期三
AITRENDS
Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral 发布 Voxtral 3 语音模型家族，包含语音转写与语音合成模型，以及一个基于 LiveKit 的语音智能体 SDK，把听、推理、工具调用和说合成一条实时流式管线。转写侧 Voxtral Small Transcribe 3 支持 50+ 语言、说话人分离、上下文偏置和轮次结束检测，Mini 版本为 4B 参数；合成侧 Voxtral Mini TTS 3 支持 35+ 语言和 50+ 方言，可按上下文调整情绪、语速和重音。SDK 中每一环是独立模型，可单独替换 LLM、音色或语言，单轮响应在 1 秒内完成，并支持 SIP、WebRTC 接入电话与浏览器。模型可通过 Mistral 欧洲托管的 API 调用或自部署，转写定价为 $0.0035/min 起，语音合成为 $13/1M 字符。
模型发布/更新
The DecoderOpenAI 称 GPT-6 在 COBOL、Fortran 等老旧编程语言上表现大幅提升
OpenAI 表示已针对 COBOL、Fortran、Visual Basic 等训练代码稀缺的“低资源”语言改进最新模型，并构建了两个评测来衡量进展。MultiLangBench 要求模型从零构建兼容 SQLite 的数据库引擎，在最高推理强度下 GPT-6 Astra 在 20 种语言上的平均测试通过率为 87.4%，而 GPT-5.6 Terra 约为 38%；GPT-6 Luna 为 40.3%，略高于 GPT-5.6 Terra 的 37.9%，但成本低得多。在把 COBOL 翻译为 C++、Java、Kotlin、Python 或 Rust 的迁移基准上，GPT-6.1 Sol 在低推理强度下准确率为 86.6%，GPT-5.6 Sol 仅为 5.4%，提高推理强度后可达 97.9%。文中引用 IBM 的估算称，COBOL 支撑着超过 40% 的网上银行系统和 95% 的 ATM 交易。
VAST 开源实时世界模型 EdenLive 及 EdenGolem skill
VAST 开源实时生成式渲染器 EdenLive，属于 Project Eden 系列，负责把上游交互系统维护的状态实时渲染成画面。开源内容包括 5B、14B 模型权重（各含双向生成与少步流式生成两个版本）、实时流式推理代码、面向编程智能体的 skill EdenGolem v0.1、前端工作台和技术报告。团队披露 EdenLive 5B 在单张 RTX 5090 上能以超过 24 FPS 生成 720P 画面，并支持分钟级连续生成；基于 Gemini-3.8-Flash 对 45 个长时案例的两两盲评中，14B 与 5B 在参考遵循、首帧一致性、物理合理性、画质和避免外观泄漏五个维度上分列第一和第二。架构上 EdenLive 只实现状态到画面的接口与生成式渲染两层，游戏规则与状态仍由上游交互系统维护，可用于游戏交互、视频画风转换和具身数据增强。
NVIDIA 发布 Cosmos3-H-Dreams 实时生成式手术模拟模型
NVIDIA 发布 Cosmos3-H-Dreams，把交互式生成模拟扩展到临床胆囊切除场景，可依据器械动作实时生成体内手术画面。模型基于 160 亿参数的 Cosmos3-H-Embodied-Nano，用 CMR Surgical Versius 平台临床录像与机器人运动学数据训练，采用 28 维动作输入、832 x 480 视频和 10 Hz 动作对齐。训练流程先把双向教师模型从 24 帧扩展到 72 帧，再通过 Self-Forcing 蒸馏为因果学生模型，发布四步与两步去噪两个 checkpoint，两步模型为单独训练，推理更快但画质更低。运行时由 FlashDreams 加速，并用改造的 FadeMem 模块合并长序列中的 key/value cache，可在单张 NVIDIA RTX PRO 6000 GPU 上交互运行。官方同时开源模型、代码与教师微调蒸馏教程，并说明该模拟器仅用于研究，不用于患者诊疗。
产品发布/更新
Hugging Face 接入 TorchTPU，Transformers 与 Diffusers 原生支持 TPU
Hugging Face 宣布 TorchTPU 为 PyTorch 增加原生 TPU 后端，Transformers、Diffusers 和 Kernels 现在可直接在 TPU 上运行，不再需要 torch_xla 或 Optimum TPU。加载模型只需传入 device_map="tpu"，Diffusers 管道用 pipe.to("tpu") 即可，编译模式额外加一次 compile 调用，超大模型可通过 TensorParallelConfig 跨芯片切分。
行业动态
TechCrunch · AI泄露 S-1 显示 Anthropic 云合作趋紧，云支出或超 7500 亿美元
据《华尔街日报》看到的泄露 S-1 文件，Anthropic 难以从 AWS、Google 和 Microsoft 获得足够云容量，这些云厂商日益将其视为竞争对手而非客户。文件显示 Anthropic 认为云合同支出可能超过 7500 亿美元，其中部分交易仍在谈判中，但容量仍不够，公司已自行租赁数据中心并与第三方数据中心运营商合作，同时担心这些运营商运营历史有限、可靠性不如超大规模云厂商。这一巨额支出背景是上半年 807 亿美元净亏损与 163 亿美元收入，且仅两个客户贡献约五分之一销售额。文件还警告，有害 AI 行为造成的损害赔偿责任可能超出可用保险覆盖范围。公司上周告知潜在投资者，第三季度收入已达 168 亿美元，环比增长 45%，并据报道计划于 11 月 IPO。
TechCrunch · AIEka Robotics 完成 1.5 亿美元 A 轮融资，估值 14.5 亿美元
Eka Robotics 完成 1.5 亿美元 A 轮融资，投后估值 14.5 亿美元，由 a16z 和 F-Prime 领投。这家由 MIT 教授 Pulkit Agrawal 与前 Google DeepMind 研究员 Tuomas Haarnoja 创办的公司，采用视觉-力-动作模型而非视觉-语言-动作模型，并自研带更多力传感器的柔性夹爪，通过物理仿真器建模抓取时的多种受力，构建可大规模运行的强化学习环境，称能在几分钟内生成数千小时机器人经验。其机器人每小时可抓取约 1500 个、最重 1 kg 的物体，人类约为 600 个，公司称成功率超过 95%。a16z 合伙人 Raghu Raguram 称其在部分任务上已超过人类表现。Eka 目前在与多家工业客户进行未公开的试点，涉及抓取放置和线缆操作，夹爪硬件成本低于 1000 美元，额定 500 万次循环，目标是达到工业机械臂的 2000 万次。
OpenAI 收购 Orchestra Bio，将 AI 运营引入生命科学研发
OpenAI 宣布收购 Orchestra Bio，把 AI 驱动的运营能力带入生命科学研发环节。按照官方说明，此次收购意在帮助生物制药团队加快药物开发进程、推进新疗法。原文未披露交易金额、团队规模以及 Orchestra Bio 现有产品与客户情况，也未说明整合时间表。