Yeekal Logo Yeekal
1,699 字
晚报 | EVENING 2026-10-02

微软发布 MAI-Transcribe-2,Cloudflare 开源 Clef 决策模型

今日要点
  • 微软 MAI-Transcribe-2-Streaming 发布,WER 2.5% 居首
  • Cloudflare 开源 Clef 决策模型,推出 RL 微调平台
  • Pi 1.0 与 Pi Durable 发布,支持崩溃恢复与多会话并发
微软发布 MAI-Transcribe-2-Streaming,WER 2.5% 居流式转录首位;Cloudflare 开源 Clef 与 Clef-flash 决策模型并推出 RL 微调平台;Perplexity 开源 pplx-decider-27b,输入定价 4 美分/百万 token。Pi 1.0 与 Pi Durable、DeepSeek Harness 桌面版同日发布。

1️⃣ 微软发布 MAI-Transcribe-2-Streaming:实时转录 WER 2.5% 居首#

  • 核心发布:微软 AI 推出流式语音转文字模型 MAI-Transcribe-2-Streaming,加入非流式 MAI-Transcribe-2 产品线。
  • 性能数据:在 Artificial Analysis 流式最终转录与首次部分转录两项评测中均排名第一,最终转录 WER 2.5%,延迟 0.13 秒。
  • 竞品对比:较 Grok Voice Transcribe 2.0 的 2.7% WER、0.49 秒延迟更准更快;比 ElevenLabs Scribe v2 Realtime 快 55%、便宜 60%。
  • 定价:流式转录 0.54/小时,非流式0.54/小时,非流式 0.10/小时。 🔗 Mustafa Suleyman 发布 | Artificial Analysis 评测

2️⃣ Cloudflare 开源 Clef 决策模型,并推出 RL 微调平台#

  • 核心发布:Cloudflare 发布并开源决策模型 Clef 与 Clef-flash,托管于 Workers AI,采用 Apache 2.0 许可。
  • 模型能力:在 Jev Decision Index 上领先,支持视觉编码器与 64k 上下文,输出严格类型化概率而非文本,并兼容 Jev API。
  • 延迟表现:Clef 中位延迟 209.3ms,Clef-flash 中位延迟 38.8ms;对比 Jev 的 524.1ms,更适合 Agent 热路径决策。
  • 平台动作:同步推出 RL 微调服务,结合 AI Gateway、Workers AI、Containers 与 Trainer,允许客户用自有数据微调 Clef。 🔗 Cloudflare 官方博客

3️⃣ Perplexity 开源 pplx-decider-27b,决策 API 输入 4 美分/百万 token#

  • 核心发布:Perplexity 开源多模态决策模型 pplx-decider-27b,并提供新的 Decisions API。
  • 定价:输入 4 美分/百万 token,输出 token 免费,官方表示价格还将继续下降。
  • 定位:面向 Agent harness 内的小型调用,如路由、审批、评判等决策,大模型则处理其余复杂任务。
  • 行业意义:与 Cloudflare Clef、Typesafe AI Jev 共同推动“决策模型”成为独立品类,且价格快速下探。 🔗 Aravind Srinivas 发布 | Harrison Chase 评论

4️⃣ Pi 1.0 与 Pi Durable 发布:Agent Harness 转向可靠性与可扩展性#

  • 核心发布:Earendil 正式发布 Pi 1.0,并推出实验性项目 Pi Durable。
  • Pi 1.0 功能:Codemode 原生支持 MCP、Jev 与图像模型;支持虚拟模型组合(如 Opus 规划、GPT 实现、Jev 决定切换);延迟工具加载;Anthropic 缓存预热;会话中途系统消息。
  • Pi Durable:将 Pi 移植到 TypeScript,每一步记录为 checkpoint,进程崩溃后可自动恢复;支持多会话并发、多人 steer、热插拔工具;可运行在 Node、Bun 或 Cloudflare Durable Object。
  • 行业意义:Agent harness 的竞争点从功能清单转向长期运行可靠性、状态管理与可扩展性。 🔗 Pi 1.0 公告 | Pi Durable 公告 | meng shao 分析

5️⃣ Tavus Griffin 通过视频图灵测试:48% 实时对话者误认真人#

  • 核心发布:Tavus 发布 Griffin,称其为首个通过视频图灵测试的模型。
  • 测试数据:48% 的实时对话参与者认为 Griffin 是真人,此前同类系统通过率不足 3%。
  • 技术特征:全双工对话,可在说话同时持续倾听与观看;生成整个画面而非仅换脸;整合 Sparrow-2、Phoenix-4.5、Raven-1 三套模型。
  • 基准表现:在 NVIDIA 全双工 AI 视频基准 VideoFDB 的感知与生成两项均排名第一。 🔗 Tavus 官方发布 | 评测分析

6️⃣ LlamaIndex 发布 Extract v2.5:文档抽取 Agent 超越 Opus 5.5 与 GPT-6 Sol#

  • 核心发布:LlamaIndex 推出 Extract v2.5,一系列针对文档抽取优化的前沿 Agent。
  • 性能提升:长列表抽取从 86.1% 提升至 95.5%,跨页记录从 85.5% 提升至 96.5%,扫描表单从 90.9% 提升至 95.7%。
  • 成本优势:官方称抽取 Agent 性能超过 Opus 5.5 与 GPT-6 Sol,同时便宜 30% 至 4 倍。
  • 新功能:高级引用可定位支持字段的 bounding box;结构推理根据文档类型与布局调整抽取算法。 🔗 Jerry Liu 发布 | 官方博客

7️⃣ DeepSeek Harness 发布桌面版,支持 macOS 与 Windows#

  • 核心发布:DeepSeek 官方发布 DeepSeek Harness 桌面版,覆盖 macOS 与 Windows;Linux 用户可通过 npm 安装 @deepseek-ai/dsh。
  • 产品定位:Harness 定位为生产级 Agent 工具,此前以开源、可插拔架构受到开发者关注。
  • 行业意义:Agent 工具正从命令行与开发者预览走向桌面客户端,降低非工程用户的使用门槛。 🔗 DeepSeek 官方发布 | DeepSeek Harness

8️⃣ Google DeepMind 发布 SynthID Bio:在 AI 设计蛋白质中嵌入水印#

  • 核心发布:DeepMind 推出 SynthID Bio,首次可在不影响生物功能的前提下,将不可感知签名嵌入 AI 生成的蛋白质序列。
  • 验证结果:该水印在蛋白质实验室合成后仍可检测,相当于为 AI 设计蛋白提供“数字身份证”。
  • 应用目标:帮助 DNA 实验室验证合成蛋白是否来自带安全防护的 AI 模型,维护序列数据库准确性,并强化生物安全。
  • 开放方式:相关工具已开放研究用途。 🔗 DeepMind 发布 | 官方链接

9️⃣ arXiv 推出最严投稿新规:每人每月最多 2 篇,拒稿不退额度#

  • 核心规则:arXiv 实施投稿新规,每名作者每月最多提交 2 篇论文,被拒稿不退还提交额度。
  • 影响范围:该规则主要针对 AI 等领域论文数量激增、低质量投稿泛滥的问题。
  • 行业意义:可能改变研究团队发布节奏,迫使作者更谨慎地选择投稿内容,对依赖 arXiv 快速预印的 AI 研究生态影响显著。 🔗 量子位报道

🔟 [持续跟踪] Claude Code Mods:官方示例与权限风险浮现#

  • 前情提要:Anthropic 昨日推出 Claude Code Mods,允许用户通过 TypeScript 改写行为、自定义 UI 并打包为插件安装。
  • 最新突破:官方发布详细文档与三个示例,包括在输入框上方显示上下文用量、执行危险命令前展示影响范围、逐项回放代码改动;Mod 可在会话内热重载。
  • 权限风险:Mod 拥有与 Claude Code 相同的权限,无隔离机制,可读写文件、访问 API 密钥;官方建议只安装可信来源的 Mod。
  • 行业对比:与 DeepSeek Harness 的“一切皆插件”、Pi 1.0 的 code mode、Codex 插件系统共同构成 Agent 插件化竞争。 🔗 Claude Devs 发布 | Addy Osmani 教程 | 宝玉详解