Gemini 3.8 Live 与 Extended Thinking 是一对分工模型：前者拼近实时响应，后者拼复杂任务推理。语音智能体的真正门槛在工具调用和长任务稳定性，成本则取决于开发者如何调度这两条链路。
AI前沿技术
生数科技 Vidu S2 双模型发布：Avatar 负责数字角色实时交互，Editing 瞄准视频流实时编辑，还把手伸向 VR 空间视频。实时生成能不能成为视频模型下一战？
1Password 的 FLAWED 报告称 AI 干净修复率仅 26%，Trail of Bits 逐项拆解其方法学：22% 样本提示词刻意引导错误修复，36% 试验禁用编译测试，推理档位也不统一。这场基准之争，暴露的是整个安全补丁评测的判定难题。
阶跃星辰把五款语音模型打包发布：Realtime 管实时交互，ASR 与 TTS 管听说，Gen 和 Music 负责创作。一次交齐全链路，姿态比单品更强，但真正的考验在延迟、中文场景和开发者是否买单。
GPT-Live-1 以 81.5 分登顶 Speech to Speech Index，比 Grok Voice Think Fast 2.0 高 0.2 分，且只用了 medium 推理强度。榜单把后端写进配置名，说明模型已不是唯一变量。分数之外，延迟与单位时长成本才是决定语音模型能否上线的真正门槛。
0.43 美元跑完一道软件工程题，分数还和 GPT-6 Astra 齐平。Fireworks 放出的这组数据里，最值钱的不是 74.34%，而是这个价格会怎样改写智能体的设计逻辑。
Hy4 preview 参数 770B、激活 49B、上下文给到 1M，采用 Apache 2.0 开源，可直接接进 Claude Code、Cursor、Codex。价格表比参数表更值得读，本文从激活比例、缓存定价和平台方开源动机三个角度拆解这次发布。
DeepSeek-V4.1-Flash 以每任务 0.07 美元的中位成本冲上 Agent Arena 开源榜第三，比第二名便宜 68%、分数只差 0.09 个百分点。总榜第 12、Confirmed Success 第 4 的信号说明，Agent 竞争的焦点已从峰值能力转向成本结构。
代码产量翻八倍，CI 任务涨二十五倍。Anthropic 的复盘给出了一个可迁移的答案：别再靠静态依赖图选测试，改用真实执行数据做概率判断，把风险兜在合并队列和兜底策略里。
50 个公开 PR、同一套提示词，0.20 美元对 5.66 美元，69 个 bug 对 92 个。Entelligence 的这组对比说明：代码评审选型不能只看召回，精度与误报成本同样决定这套工具能不能留在 CI 流程里。
Iris 的权重放出来了。值得看的不是参数，而是它同时公布的三件事：轨迹数据怎么筛、SFT 与 RL 怎么衔接、评测怎么统一。这套流程基本是当下 Search Agent 训练的标准答案，也恰恰是最容易翻车的地方。
上下文窗口塞满不是模型变笨，而是 harness 没管好。预算与卸载、压缩、todo-state 复述、跨会话记忆这四类机制，分别对应长任务中信息过载、细节流失、目标漂移和经验断层四种不同的失败模式。
GPT-Live-1 登陆 API，等于把 1-800-ChatGPT 的嗓子交给开发者。能自选模型与 harness 是最大看点，但语音智能体真正的门槛在打断处理、延迟与兜底策略，不在语音识别本身。
Suno v6 发布，三个版本各有分工：旗舰与 v6-wild 面向 Pro/Premier 订阅用户，v6-mini 向所有人开放。同期公布 Warner Music Group、BMG、Believe 合作，旧模型将全面退役。编辑、混音、采样的补强，才是这次的分水岭。
Habitat 是 OpenAI 撑起 ChatGPT 存储的在线平台，每周服务超 10 亿用户，管理 500PB 数据，覆盖近 40 个地区。它从 Python 库长成 Rust 服务，官方披露的 asyncio 调优与连接池经验，对高并发后端团队很有参考价值。
