Google, Mistral AI, Cohere и OpenAI представили новые модели и инструменты для работы с голосом, текстом и агентами
Google запустила Gemini 3.1 Flash Live, realtime voice and vision agent model с вдвое более длинной памятью диалога. Модель поддерживает 70 languages и работает с контекстом до 128k.
Mistral AI представила Voxtral TTS, low-latency, open-weight text-to-speech model с поддержкой 9 languages. В материале отмечается, что по качеству она способна конкурировать с ElevenLabs. Cohere также показала новую аудиомодель Cohere Transcribe с поддержкой 14-language; в English ASR leaderboard она получила лучший результат, 5.42 WER.
OpenAI выпустила более компактные мультимодальные версии GPT-5.4 mini и GPT-5.4 nano, с контекстом 400k. Их называют cost-competitive, но при этом отмечают высокую verbosity и повышенные hallucination rates.
Среди других релизов упоминаются GLM-5-Turbo от Zai, Reka Edge и Flash 3 на OpenRouter. Также появился инструмент для multi-agent UX, Cline Kanban, предназначенный для orchestrating CLI coding agents.
Ключевые факты
Google представила Gemini 3.1 Flash Live, модель голосового и визуального агента в реальном времени с вдвое более длинной памятью диалога, поддержкой 70 языков и контекстом 128k.
Mistral AI выпустила модель синтеза речи Voxtral TTS с низкой задержкой и поддержкой 9 языков, позиционируемую как конкурент ElevenLabs.
Cohere анонсировала аудиомодель Cohere Transcribe с поддержкой 14 языков и результатом 5.42 WER в английском ASR‑лидерборде.
OpenAI представила мультимодальные модели GPT-5.4 mini и GPT-5.4 nano с контекстом 400k, отмеченные как стоимостно конкурентные, но с высокой многословностью и частотой галлюцинаций.