AI 编程实时动态与要闻

Fish Audio 于 11 月 10 日（新加坡时间 11 日凌晨 02:02）发布全双工语音模型 Live 3。它在说话的同时持续收听，能用「嗯嗯」「好的」等附和语确认听到，同时把话轮留给用户；能区分附和与真正的插话，用户改口时会等对方说完。官方称这些行为从真实人类对话中学来，而不是靠规则和阈值，最快 186 毫秒即可决定回应。Live 3 目前只支持英语，已上线 Fish Agent 平台和 API，企业可本地部署；语音智能体限时价每分钟 0.035 美元（原价 0.07 美元，优惠至 2026 年 12 月 31 日）。官方未公布标准化 Benchmark。

查看大图

西雅图初创公司 Nuance Labs 11 月 9 日发布 Nuplex 1.0（Nuance Full-duplex），一个能同时“听”和“说”的全双工音视频基础模型，以及基于它的第一个 AI 形象 Emma。Emma 在用户说话时就会点头、微笑、用视线示意轮到谁说话，而不是等对方说完才回应。官方在 1,785 个取自真实对话录音的问题上测试：Nuplex 的回复时机与原对话中真人的回复时机重合 89%，第二名系统只有 35%。Emma 免注册即可在浏览器视频聊天，Nuplex Beta API 也已开放，但官方有意做了很多限制：不能克隆真人、视频带水印、仅英语、仅限 18 岁以上，医疗和未成年人场景暂不开放。

查看大图

11 月 8 日，团队 Adventists AI 在 GitHub、Hugging Face、ModelScope 和 PyPI 发布 Sophon-Realtime v1 全双工语音模型家族，代码和权重均为 Apache 2.0、可商用。三个版本共用一个 32B「大脑」（基于 Qwen3-VL-32B-Instruct 改造），负责边听边判断轮次并写回复，区别只在发声方式：推荐的 Tag 版表现力最强，Flash 版首包音频 0.31 秒、单卡最多 40 路并发，E2E 版为研究预览、需两张 80GB GPU。厂商口径 VoiceBench 82.8、Big Bench Audio 81.8%，在开源全双工模型中排第一；跑分均为团队自测。

查看大图

Boson AI（李沐、Alex Smola 团队）于 2026-11-05 发布研究预览 Higgs Realtime Duplex：一个 45B MoE 前台模型，把语音、视频、工具结果都切成 160ms 分块同时收发，可边听边看边说、实时渲染自己的脸，同时思考、调用工具或把难题委派给更大的后端模型而不中断对话。官方口径 Big Bench Audio 98.9、τ-Voice 69.8、Full-Duplex-Bench v1.5 75.5。目前 API 仅开放候补名单，旧版 Higgs Realtime 已可用。

查看大图

2026-10-23（UTC 16:53，SGT 10-24 00:53），Block 官方账号 @blocks 发布 Dessa，Jack Dorsey 随后转发称其为「迄今最真实的全双工语音模型」。官方页面 block.xyz/dessa 介绍：Dessa 是真正的语音到语音模型，训练数据只有人类对话录音，不用文本、不用任何预训练模型；全双工，能边听边说，会自然插话和附和（“yeah!”“got it!”），推理快于实时，可在 MacBook Pro M4 Max 或更高配置上本地运行。官方称只用一套 NVIDIA GB200 NVL72 完成训练，学习语言所需的词量比 LLM 少数百倍。目前没有公开 API 或权重，只向一小批 AI 安全研究者开放早期访问。

查看大图

OpenAI 于 10 月 15 日推出全双工语音模型 GPT-Live-1.1（接替 GPT-Live-1）与小模型 GPT-Live-1.1 Quip（接替 GPT-Live-1 mini），成为 Plus 及以上用户在 ChatGPT Voice、Codex、dots 中的默认语音模型；新增法、德、印地、日、韩、墨西哥西语音色，减少搜索时的「checking...」提示，面向全部用户灰度，API 即将上线。系统卡披露合成安全评测在 4 个类别有统计显著回退。

查看大图

当前绝大多数大模型智能体均局限于“读输入 $\to$ 思考 $\to$ 回复/调工具 $\to$ 阻塞等待”的串行周期循环。然而在现实世界中，语音双工通话、具身机器人感知与系统级日志监控等真实场景均是高并发的非串行事件流：智能体在深入思考或执行耗时任务时，外部环境仍在持续产生新输入与中断事件。由独立 AI 研究团队推出的全新异步大模型智能体运行时框架打破了这一阻塞锁死困局：通过将大模型推理泛化为带有重叠内存状态的“推理协程”（Inference Coroutines），赋予智能体真正的非阻塞并发调度与异步事件监听能力。令人振奋的是，研究证实主流的开源 Qwen 3.x 系列模型无需任何任务专有微调，即可在零样本下通过协程机制从容应对长视频流式解析、实时电子游戏交互与系统并发监控等多源复杂任务，为下一代实时全自主 Agent 拓宽了底层边界。

查看大图