IBM开源Granite 4.2：推理大升级，但把Mamba撤了
相关推荐
微软补齐语音Agent全链路：边说边转写，语音生成低至45ms
动察 Beating AI 快讯，微软 AI 一口气推出 3 款音频模型，分别是 MAI-Transcribe-2-Streaming、MAI-Voice-2.1 和 MAI-Voice-2.1-Flash。前者负责实时语音转文字，后两款负责把文字生成语音，主要面向低延迟语音 Agent。 其中，MAI-Transcribe-2-Streaming 可以在人还没说完时持续输出文字，支持 60 种语言和自动语言检测。Artificial Analysis 的流式语音转写榜单显示，它的最终转写和首个部分转写准确率均排名第一，词错误率为 2.5%。最终文本在检测到说话结束后约 0.13 秒返回，Grok Voice Transcribe 2.0 为 2.7% 和 0.49 秒。 MAI-Voice-2.1 支持 23 种语言，可以让同一个声线切换不同语言。Flash 版专门压低延迟，模型推理约 45ms，价格为每百万字符 15 美元；标准版约 550ms，价格为 22 美元。两款模型都支持用一小段参考音频匹配声线。 这套组合解决的是语音 Agent 最影响体验的等待问题。系统可以在用户说话时提前开始转写和推理，再用 Flash 快速生成语音回复，不必等完整一句话结束后才开始工作。
144M参数就能做Agent决策，Julia-1连安卓平板都能跑
动察 Beating AI 快讯，AI 实验室 Supersonic Labs 发布一款只有 1.443 亿参数的轻量决策模型 Julia-1。它不生成长文本，而是接收上下文、问题和 2 到 20 个候选答案，直接完成分类、打分和是非判断，可以给 Agent 选工具、做路由或决定下一步动作。 Julia-1 基于多语言编码模型 mmBERT-small 开发，模型权重约 550MB，主打低硬件门槛。官方已经在 Apple M4、Intel i5-1235U 和三星 Android 平板上完成测试。M4 单次决策中位延迟约 33ms；三星平板只用 CPU 运行时约 203ms，进程峰值内存约 393MB。 在官方公布的 4 组 Jev 对比测试中，Julia-1 赢了 3 组。Typed Decisions 为 73.15%，Jev 参考成绩为 72.70%；AG News 为 94% 对 91%；情绪分类为 86% 对 48%。但在包含 72 个类别的 Banking77 上，Julia-1 只有 64%，明显低于 Jev 的 87%。官方称，候选类别太多且彼此相似时，目前的分组筛选可能提前丢掉正确答案。 Julia-1 的云端 GPU 训练和实验总成本只有约 104 美元。模型权重、运行代码、完整评测和来源记录均已开放，采用 Apache 2.0 许可。官方还在开发 API，计划按每百万输入 token 0.025 美元收费；由于模型只做判断、不生成长文本，输出 token 不收费。
Raft公开源码却不收PR：Agent把写代码变便宜，审查成本没降
动察 Beating AI 快讯，Kimi CLI 前作者 Richard Qian 创立的 Agent 协作平台 Raft 公开了源码，但暂时不接受外部 Pull Request，也没有公开内部 commit history。公开的 GitHub 仓库只是 release mirror，实际开发仍在私有仓库进行，每个版本发布时再同步一份完整代码快照。 Raft 团队认为，Coding Agent 已经让写代码变得太便宜。生成一个看起来合理的 patch 很容易，一次生成十个也不难，但维护者理解、验证和审查这些代码仍然要花大量时间。很多时候，维护者看完别人用 Agent 生成的代码，还不如直接让自己的 Agent 按需求重新实现。 他们因此想探索一种「Prompt Request」模式。贡献者以后不一定直接提交代码，而是先说明要解决什么问题、为什么值得做、有哪些约束和取舍，再由维护者和 Agent 决定如何实现。这套机制目前还没有正式开放，Raft 的 GitHub PR 和 Issue 都处于关闭状态。 Raft 还质疑了传统 commit history 的价值。团队认为，Agent 参与开发后，比起记录每一次代码改动，为什么要改、尝试过什么方案、Agent 发现了什么问题，这些「决策历史」可能更有用。 需要注意，Raft 这次是 source-available，并非传统意义上的开源。FSL-1.1-ALv2 允许用户查看、运行和修改代码，但禁止拿它提供与 Raft 竞争的商业产品或服务。每个版本发布两年后，才会自动转为 Apache 2.0。
IBM 与阿里云深化合作，推动实时数据连接与AI 应用创新
火星财经消息 11月5日，IBM 宣布与阿里云将延续并拓展双方围绕 Confluent 产品及技术的合作。此次合作将拓展Confluent 组件与云消息队列 Kafka 版（ApsaraMQ for Kafka）的集成，为云消息队列 Kafka 版客户提供 Confluent Connector 能力。该方案面向正在推进云化、应用现代化和 AI 规模化落地的企业，提供基于 Apache Kafka Connect 的企业级数据连接能力。（广角观察）
从Kimi、Manus到AirBuild，王慧文又押注一家AI Agent创业公司
动察 Beating AI 快讯，11 月 4 日，美团联合创始人王慧文在即刻透露，AirBuild 是他最新投资的项目。他的家办投资机构 Lollapalooza Capital 官网，也已将 AirBuild 背后的 YellowPlus 列入投资组合。 AirBuild 想让 AI 包办一款 iOS 应用从开发到上架的流程。用户描述想做什么，产品、设计、工程等多个 AI Agent 就会协作完成需求规划、界面设计和原生 iOS 代码。 它的一大特点是自动处理苹果 App Store 审核。AI 可以准备应用截图和介绍、提交审核。如果遭到苹果拒绝，还能读取审核意见、修改代码或补充材料，再回复审核人员并重新提交，减少开发者的手动操作。 AirBuild 的创始人兼 CEO 是 Hwang，此前负责过开源知识管理工具 AFFiNE 的产品设计，也是 AI Agent 产品 Bridge 的早期团队成员。他还独立开发过获得苹果 App Store 编辑推荐的 Lofi. 和 Sleepy Coffee。 AirBuild 目前采用邀请制，用户需要先申请测试资格。免费版支持 AI Agent 协作开发 iOS 应用、构建程序和托管网站，但需要用户自行提供 AI 模型的 API Key。付费版则提供更多云端资源和模型额度，并增加 TestFlight 测试分发、App Store 自动提审，以及根据苹果审核意见修改和重新提交等功能。 王慧文在 2023 年退出光年之外后，陆续投资了多家 AI 公司。比较知名的包括 Kimi 母公司月之暗面、Manus 开发商蝴蝶效应，以及硅基流动、爱诗科技和 Sand.ai。
BOSS 直聘开源 33B Agent 模型，20 项自评领先 17 项
ChainCatcher 消息，招聘平台 BOSS 直聘旗下南北阁实验室发布开源模型 Nanbeige4.3-33B，面向编程和办公 Agent，支持 512K 上下文，采用 Apache 2.0 许可证。官方将其与 Qwen3.8-27B、Meta Muse Glimmer 30B 和 Gemma 4 31B 比较，在公布的 20 项测试中有 17 项排名第一。Terminal-Bench 2.1 得分为 80.9，高于 Qwen 的 73.0；DeepSWE 达到 65.5，对照得分为 42.5；办公自动化测试 Automation Bench 为 54.2，高于 Qwen 的 38.3。SWE-Bench Pro 和 GDPval 仍由 Qwen 领先。南北阁此前主要研发 3B 级小模型，上一代 Nanbeige4.2-3B 通过重复使用 Transformer 层，在不增加参数的情况下提高有效计算深度。此次先训练 33B 模型，准备让其充当老师，再把编程、工具调用等能力蒸馏给即将推出的 Nanbeige4.3-3B。