谷歌 Gemini 4 Hydrogen:不拼最强,拼够用

谷歌给 Gemini 4 系列加了个效率档 Hydrogen。默认 High 档智能指数 51 分,xhigh 能到 54 分,已经摸到 Claude Sonnet 5.5 和 GPT-6.1 Sol 的边上。API 报价是输入 1.5 美元、输出 7.5 美元每百万 Token,速度比 Gemini 3.8 Flash 快 2.5 倍,幻觉率 8%。

看点是价格,不是跑分。跑分第一名的模型大家都用不起,能稳定跑在业务里、账单不吓人的那一档才是日常主力。

Claude 出了套办公全家桶,微软股价抖了一下

Anthropic 给 Claude 加了表格、白板、数据分析,支持多人实时协作、可视化讨论过程,还能连第三方应用,接下来打算让 Claude 直接进视频会议。消息出来当天微软股价下跌,市场担心 Office 这门做了几十年的生意被撬。

我的看法保守一点:做表格不难,难的是企业里那些权限、审计、历史文件和IT部门的规定。这些不是模型能力问题,得靠时间磨。

OpenRouter 被 Stripe 收了

支付公司 Stripe 宣布完成收购 OpenRouter,交易金额约 75 到 80 亿美元。OpenRouter 2023 年成立,由 OpenSea 联合创始人 Alex Atallah 创办,用一个 API 接了 80 多家供应商、400 多款模型,服务超过 1000 万开发者。

支付公司买模型路由,图的显然不是模型,是「按 Token 计费再结算」这条链路。以后跨模型用量能不能一张账单搞定,值得盯着。

讯飞 SparkAudio 1.0:能听出情绪的语音基座

科大讯飞上线首个全国产算力训练的语音基座模型,支持 99 种语言、202 种方言,英文识别错误率 2.25%。除了转文字,还能感知情绪、环境音、说话人属性,支持直接对音频提问。官方给的数字是整体效果提升 20%、响应快 15%、成本降 60%。

阿里「快乐虾米」App 上线

输入一段情绪、故事或者场景,AI 把歌词、作曲、编曲、演唱全包了;聊天记录也能直接变成歌。iOS 和安卓都上了,还加了个「做同款」——在信息流里看到别人不错的作品,一键换成自己的版本。短视频配乐、播客片头这类需求试着玩玩挺合适。

腾讯混元 Hy Realtime:实时语音能联网、能点歌

新的实时语音模型主攻真实口语理解、多轮指令跟随和情感表达,加了联网搜索这类工具调用,还和腾讯音乐 TME 灵音打通,可以按歌手、曲风、语种、年份点歌演唱。已经用在元宝语音通话和腾讯客服上,腾讯云 API 随后开放。

字节 Seedance 2.5 flash 与 Qwen4-Max 预览版

视频这边,Seedance 2.5 flash 效果接近旗舰但速度快一倍,720P 约 0.99 元每秒,比原来便宜三成多,单段最长 30 秒,可喂 10 张图、5 段视频、5 段音频。模型这边,阿里 Qwen4-Max 预览版首发千问平台的 Token Plan,内测里 3D 建模、网页设计、前端交互的表现比较亮眼。

MiniMax 开源 H3-Image

支持文生图、图像参考和编辑,10 秒内出 4096×4096 的图,速度约为主流方案的 5 倍,最多能塞 16 张参考图。做电商图、系列插画的人可以自己拉下来跑一遍,比看评测靠谱。

今天这堆更新里,真要动手的其实就两件事:先确认你常用的接口有没有涨价或改参数,再看看降价的那几个能不能替掉现在的付费方案。别的先放着,跑两天再说。