Fish Audio 发布 Live 3 全双工语音模型:边听边说,最短 186 毫秒回应

Fish Audio 在 2026 年 11 月发布 Live 3,这是一款边听边说的全双工语音模型,把对话轮次判断放进了语音模型本身,并宣称对“嗯哼”这类短反应最短 186 毫秒即可决定回应。它面向实时语音 Agent,值得关注的是轮次管理不再靠手写规则。

Fish Audio 在 2026 年 11 月发布 Live 3,这是一款边听边说的全双工语音模型,把对话轮次判断放进了语音模型本身,并宣称对“嗯哼”这类短反应最短 186 毫秒即可决定回应。它面向实时语音 Agent,值得关注的是轮次管理不再靠手写规则。

Box CEO Aaron Levie 在 X 上提出,继聊天与单体 Agent 之后,“Agent 集群”(swarms)可能让 AI 产出再上一个台阶,并拉开采用者与未采用者之间的差距。这目前是行业观察和判断,不是已发布的产品功能。

MBZUAI 旗下 IFM 于 2026 年 11 月发布并开源 29B 世界模型 PAN 2,可根据文本动作模拟场景变化,面向机器人与智能体的规划验证。其权重、训练和推理代码均以 Apache 2.0 开放。

Hugging Face Papers 于 2026 年 11 月 10 日收录的论文提出 WikiTrace 记忆系统,让 LLM Agent 在使用“经验教训”前先回查其原始任务轨迹,以减少记忆导致的错误;摘要称其在五个 Agent 评测基准上优于现有记忆方法和仅提供同样教训的基线。

阿里巴巴于2026年11月11日官宣新一代大模型Qwen4,称在知识理解、世界感知、编程与智能体等核心能力上实现全面进化;Qwen4-Max预览版已先行上线,并同步接入多个官方应用。

腾讯元宝搜索已上线面向个人用户的独立网页版 so.qq.com,把此前主要通过腾讯云对外输出的搜索能力延伸到 C 端,并默认进入 AI 问答模式。

百度发布文心5.5 Flash Preview,总参数2800亿、激活1400亿/Token、上下文达100万Token,并计划11月25日向全球开源模型权重。其编码、3D建模与视频创作能力,以及低价API策略,值得开发者和创作者关注。

一位开源爱好者借助 Claude 开发支持 DisplayLink 的 Linux 驱动 Vino,却被芯片公司 Synaptics 发函指控侵犯两项英国专利,要求删除代码,并以逾期后 2.5 万美元、之后每七天再加 2.5 万美元相威胁。

在 iOS 27.3 首个开发者预览测试版中,苹果为 Siri 加入读取“健康”App 的功能开关,覆盖 92 类 HealthKit 数据,但默认全部关闭。这意味着 Siri 向“个人健康助手”迈进了一步,不过目前仍处于测试阶段。

OpenAI上线“Businesses in ChatGPT”测试服务,允许企业认领和管理在ChatGPT中的信息展示,并推出专属AI客服代理。这意味着ChatGPT正从聊天工具延伸为本地商业搜索入口,与Google Business Profiles形成直接竞争。