Inworld TTS-2 正式上线：同声线盲测超过 Sonic3.6 登顶
相关推荐
Artificial Analysis重做智能榜：40%权重改用私有测试
动察 Beating AI 快讯，Artificial Analysis 更新 Intelligence Index v4.2，旨在让榜单更难被针对性刷分。私有测试权重从 20% 提高到 40%，模型厂商无法提前看到完整测试集，减少针对 Benchmark 专门优化的空间。 新版加入 AA-Briefcase 和 GDP.pdf。AA-Briefcase 模拟持续数周的真实知识工作项目，模型要处理大量关联任务和数千份文件。GDP.pdf 则拿 100 份、共 4592 页的专业 PDF 出题，要求模型跨文本、表格、图表和脚注找证据再回答。 GPQA Diamond 则被直接移出综合指数。这个研究生级科学问答测试已经接近饱和，GPT-6 Astra 最高达到 96.3%，Gemini 3.8 Flash 也达到 95.3%，已经很难区分最强模型。 重新计算后，Claude Fable 5.1 仍排第一，GPT-6 Astra 第二。Astra 得分 55，比 GPT-5.6 Sol 高 4 分。Artificial Analysis 还称，Astra 在同级前沿模型中用了更少的输出 Token。
Cartesia发布全新TTS与STT模型Sonic-3.5与Ink-2
据动察 Beating 监测，AI 语音模型初创公司 Cartesia 宣布发布 Sonic-3.5 与 Ink-2，并推出由两款模型组成的统一实时语音智能体技术栈。Sonic-3.5 负责文本转语音（TTS），Ink-2 负责语音转文本（STT）。 Sonic-3.5 偏向于实时低延迟语音生成，首音输出时间缩短至 90 毫秒。出厂支持 42 种语言，无需预处理即可支持英文异音词和字母数字的发音。 Ink-2 的字错率（Word Error Rate）降至 3.6%，同时引入了原生轮次检测（Native Turn-Detection）和噪声处理机制，能基于句意和语义理解判定用户是否发言完毕，而不是仅依赖传统的安静时长。目前 Ink-2 仅提供英文版，多语言版本将在后续推出。 开发者可以通过单个 API 同时调用这两款模型。Sonic-3.5 与 Ink-2 在设计上进行双向流式协同，以减少由于「多供应商拼接」带来的传输延迟与系统损耗。
Artificial Analysis新AI评测显示Claude比DeepSeek贵44倍
据动察 Beating 监测，评测机构 Artificial Analysis 调整了 AI 智能指数的评测标准，不再只让 AI 做单项选择题，而是全面考验 AI 能否自主规划、使用工具并解决复杂任务。新评测取消了考验听懂简单指令的旧项目，转而引入模拟银行客服真实对话等高难度场景，并首次将跑完一次任务要花多少钱、耗时多长作为核心考核指标。 在最新的评测结果中，已被美国政府管制下线的 Claude Fable 5 拿到了 60 分的最高成绩。而在目前市面上买得到的 AI 中，最贵的 Claude Opus 4.8 拿到了 56 分的第一名，以微弱优势领先拿到 55 分的 GPT-5.5。国产模型表现也相当亮眼，开源的 DeepSeek V4 Pro 与 MiniMax M3 都拿到了 44 分，紧随其后的是 43 分的 Kimi K2.6。 模型在费用上的差距十分巨大。同样运行一次任务，使用最先进的 Claude Opus 4.8 需要花费 1.78 美元（约合 13 元人民币），而使用国产开源的 DeepSeek V4 Pro 跑一次仅需 0.04 美元（约合 0.3 元人民币）。这意味着 Claude 的调用成本是 DeepSeek 的 44 倍。完成一次任务的等待时间也天差地别，最快的 xAI Grok 4.3 仅需 1.5 分钟，而最慢的 Claude Sonnet 4.6 却需要 13.5 分钟。 作为这次改制中权重最高的单一测试，考核真实世界知识工作的 GDPval-AA 升级到了第二版，占比提升至 20%。新版测试将人类的表现基准分设为 1000 分，并引入多个前沿模型轮换担任裁判，同时将单次对话的回合上限放宽到了 250 次。
阿里巴巴发布语音合成大模型Qwen-Audio-3.0-TTS
火星财经消息，7月20日，阿里巴巴发布语音合成大模型Qwen-Audio-3.0-TTS，在细粒度标签控制、freestyle指令遵循、多语种与方言覆盖以及复杂声学鲁棒性等方面系统性提升，包含面向实时交互的Flash版本（首包延时300ms级别）和面向高质量生成的Plus版本，让合成语音从“能说话”走向“会表达”。目前，在全球第三方榜单Artificial Analysis，Qwen-Audio-3.0-TTS-Plus登顶，其预览版Fun-Realtime-TTS也曾在一个月前登顶该榜单。
Citrini Research被SemiAnalysis收购，创始人拟成立新基金
动察 Beating AI 快讯，「AI 末日报告」发布机构 Citrini Research 创始人 James van Geelen 已将公司出售给芯片及 AI 研究机构 SemiAnalysis，交易金额尚未披露。Van Geelen 暂时将继续担任 Citrini CEO，并计划筹建一只新基金。 Citrini 目前在 Substack 拥有约 26 万名订阅者，今年 2 月因发布《2028 全球智能危机》报告走红。该报告设想 AI 快速取代白领岗位，引发市场对 AI 冲击就业和经济的讨论，并一度对软件股造成明显影响。 SemiAnalysis 由 Dylan Patel 于 2020 年创立，长期专注半导体和 AI 基础设施研究。Patel 表示，此次收购旨在扩大研究规模，并探索投资研究在 AI 时代的新形态。 Van Geelen 本人未透露新基金具体信息。此次交易也意味着 Citrini 在快速扩大影响力后，将与 SemiAnalysis 的半导体、AI 研究能力进一步结合。
Meta首席AI官Alexandr Wang驳斥SemiAnalysis「刷榜论」：老测试早已饱和
动察 Beating AI 快讯，AI 研究机构 SemiAnalysis 点名 Gemini 3.8 Flash 和 Muse Spark 1.3，称它们是目前最明显的「benchmaxxed」模型之一，也就是针对公开评测优化得太狠。两款模型在 Terminal-Bench 2.1 分别拿到 89.4% 和 88.8%，已经接近 GPT-6 Astra 和 Claude Fable 5.1；换到刚发布不久的 Terminal-Bench 4.0，却只剩 19.1% 和 33.3%。Astra 和 Fable 5.1 分别还有 57.7% 和 55.8%。 SemiAnalysis 怀疑，问题出在公开测试越来越容易被针对性优化。Terminal-Bench 2.1 的任务全部公开，即使模型厂商不直接拿测试题训练，也可以购买与这些任务高度相似的强化学习环境数据。模型于是越来越擅长这套考试，却未必能泛化到新任务。不过 SemiAnalysis 没有拿出 Google 或 Meta 购买这类数据的直接证据。 Meta 首席 AI 官 Alexandr Wang 随后反驳，称这个论点「很蠢」。他举例，GPT-5.6 Sol 同样从 Terminal-Bench 2.1 的 88.8% 掉到 4.0 的 37.3%。他的解释是 2.1 已经饱和，无法再有效区分顶尖模型，而 4.0 远未饱和。Terminal-Bench 4.0 的确删除了 8 道饱和、已有公开解法或存在其他问题的任务，同时修改了 19 道题，并重新调整时间、CPU 和内存等资源限制。