AI 日报 · 2026 年 10 月 21 日 · 星期三
无忧知讯
Mistral 发布 Voxtral 3 语音模型家族与语音智能体 SDK
Mistral 发布 Voxtral 3 语音模型家族及配套语音智能体 SDK，把语音识别、推理、工具调用和语音合成整合进一条实时流式流水线，支持 50+ 种语言的转写与 35+ 种语言的语音合成。转写侧 Voxtral Small Transcribe 3 支持说话人分离、关键词偏置和轮次结束检测，Mini 版本为 4B 参数，定价 $0.0035/min；实时转写模型在 35+ 种语言上实现低于 500ms 延迟。语音合成侧 Voxtral Mini TTS 3 支持情感、语速和重音调节，定价 $13/1M 字符，Pro Voice 可用 30 分钟音频复现说话人特征。
产品发布/更新
Hugging Face 接入 TorchTPU，Transformers 与 Diffusers 原生支持 TPU
Hugging Face 宣布接入 TorchTPU 这一 PyTorch 原生 TPU 后端，Transformers、Diffusers 和 Kernels 可直接在 TPU 上运行，不再需要 Optimum TPU 或 torch_xla。加载模型时传入 device_map="tpu" 即可，Diffusers 只需 pipe.to("tpu")，编译模式再加一次 compile 调用；超出单芯片显存的模型可通过 TensorParallelConfig 在加载时分片到多芯片。
论文研究
ALTK-Evolve 用学习记忆让 GPT-4.1 客服智能体登顶 τ²-bench
IBM Research 在 Hugging Face 博客介绍 ALTK-Evolve：它用 GPT-4.1 分析智能体在训练任务上的成功与失败轨迹，蒸馏出简短行为规则并追加到系统提示词，不更新模型权重。在 τ²-bench 客服基准上，使用 stock ReAct 脚手架的 GPT-4.1 智能体在零售域 Pass^4 从 57.5% 升至 67.5%，平均准确率从 78.1% 升至 82.5%；航空域 Pass^4 从 35.0% 升至 45.0%。