以前总觉得“Flash”就是“降智版”，但这次真被打脸。Gemini 3 Flash 实测下来，丢给它一坨屎山代码，218 tokens/s 的速度简直是在屏幕上飞。
最离谱的是在 SWE-bench 拿了 78%，写代码居然比自家 Pro 还强。
不过有一说一，价格涨到了 $0.50/1M tokens，比上代 Flash 贵了一丢丢。但考虑到它能少说废话直接出货，综合成本其实反而低了。
#AI工作流 #独立开发 #Gemini3Flash
以前总觉得“Flash”就是“降智版”，但这次真被打脸
更多动态
Meta 刚发的 SAM Audio 这个多模态分离模型。
解决了我这种内容创作者最头疼的问题：在吵闹的街边拍Vlog，也能一键精准抠出人声，甚至能靠点选视频画面来分离声音。 1️⃣ 用眼睛「听」声音：它有个 PE-AV 感知编码器（像人的耳目协同）。我在视频里点一下吉他手，它就能把吉他声单独拎出来。不用再在复杂音轨里反复横跳，就像在 Photoshop 里用魔棒抠图一样直观。 2️⃣ 输入文字就能删杂音：我试过在越南菜市场录音，背景里全是摩托车喇叭和人声。直接打字输入「删除背景喇叭声」，它就处理得干干净净。实测处理一小时音频大概只要 40 多分钟。 3️⃣ 像「超梦」一样的时间标记：它支持标记一段声音样例。比如录音里偶尔有狗叫，我标记一段，它就能把全篇类似的杂音都抓出来。 强烈建议做播客或剪视频的朋友尝试下 SAM Audio。 #AI工作流 #SAMAudio #数字游民 #效率工具 #音频剪辑
OpenAI 的 Realtime API 贵到让我肉疼
，xAI在语音AI领域推出了Grok Voice Agent API。 价格杀疯了，每分钟 $0.05，相比 OpenAI 的 ~$1，这简直是做慈善，直接便宜了 20 倍。实测下来，延迟低得吓人，而且因为它能实时扒 X 上的数据，聊热点新闻比 GPT 灵光太多。 #AI工作流 #独立开发 #GrokAPI
美团 LongCat-2.5发布了。
1.6T 总参、激活约 48B，原生多模态，主推长程智能体，全程国产算力训练。 图像量化成多级离散 token，Visual Coding 与 3D 受益。 大规模长程 RL，把失败轨迹转成可验证训练任务。 W4A4 推理，prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。
商汤开源 SenseNova Loop-9B-Preview。
它不堆参数，堆"层数"。32 层解码器，中间 4–27 层同权重跑两遍 → 前向 56 层计算，只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72，超 Qwen3.5-27B；Terminal Bench依旧落后。
