今天的主角是 Mistral：万亿参数的 Mistral Large 4 放出权重，推理框架当天跟上。另一条线是语音，NVIDIA 和 AssemblyAI 分别从"听"和"说"两头出新模型。其余几条讲开发者怎么算钱、怎么选档、能把 Agent 用到什么程度。
1. Mistral Large 4 开源：约 1 万亿参数，编码追平 GLM-5.3
Mistral 在 Hugging Face 上传了 Mistral Large 4（昵称 Le Chonk）的权重。它是 MoE 架构，总参数约 1 万亿，每个 token 激活约 49B，上下文 100 万 token，支持文本和图像输入。经过三周强化学习，它在 Terminal-Bench 4.0 上从 28% 升到 41%，略高于 GLM-5.3 的 40%；在 Artificial Analysis 编码 Agent 指数上与 GLM-5.3 基本持平，但用的 token 少 47%，不过离榜首的 Claude Opus 5.5（62 分）还有明显差距。
点评：这是目前开源阵营里很能打的编码模型，但"自己部署"的门槛极高，按 SGLang 文档标准版要 8 块 B300。个人开发者更现实的用法是等云厂商或推理平台上架后按量调用。另外注意许可证对"模型即服务"有限制，想拿它做商业 API 的要先读清条款。
2. vLLM 首日支持 Mistral Large 4
vLLM 在发布当天就支持了 Mistral Large 4。在 8 卡张量并行下，相关优化带来约 7.9 倍 KV 容量、最多 1.6 倍的首 token 提速和约 2 倍输出吞吐，并首日支持 AMD MI350 系列。
点评：对有 GPU 集群的团队，这意味着可以直接上手，不用等适配。"首日可用"正在变成开源大模型的标配。
3. NVIDIA 开源语音模型 Nemotron 3.5 Transcribe
NVIDIA 发布开放权重的语音 LLM Nemotron 3.5 Transcribe，总参数约 34B、激活约 4.3B，支持 40 种语言、最长 1 小时音频。一个模型可用文本指令切换逐字稿、说话人标注和翻译等输出。英文测试平均 WER 4.71%，但在中文远场会议测试里表现偏弱；NVFP4 版本约 21GB，单张 RTX 5090 就能跑。
点评：想把转写、说话人分离、翻译合成一条流水线的团队可以试。做中文会议纪要的先别急着换，官方数据显示中文远场场景还不够好，最好拿自己的录音实测。
4. AssemblyAI 推出 TTS-1：每百万字符 15 美元
AssemblyAI 发布首个文本转语音模型 TTS-1，面向电话场景的语音 Agent。定价每 100 万字符 15 美元，不限并发；官方测试实体准确率 93.7%，与 ElevenLabs v4 持平，首字节中位延迟 47 毫秒。支持 6 种语言和即时声音克隆。
点评：做海外电话客服、外呼机器人的团队值得比一下价格。短板也要看清：不支持中文，也不支持 SSML、语速控制和情绪标签，对表现力要求高的场景暂时不合适。
5. MiniMax H3 视频模型实测：每秒到底多少钱
一位开发者实测了 MiniMax H3 的四个分辨率档位。480P 和 768P 支持 1 到 15 秒；1080P 最长 10 秒并支持口型同步；2K 不支持口型同步。按作者使用的平台计费，每秒价格从 0.01 到 0.10 美元不等，视频转视频按输入加输出的总秒数收费。
点评：这篇的价值在于把"隐藏成本"讲清楚了，尤其是视频转视频要算两遍时长。做短视频批量生成的，先用低档位调好提示词，再用高档位出成片，能省不少。
6. OpenRouter 对比 Claude 三档：任务全过，差在价格
OpenRouter 对比了 Claude Opus 5.5、Sonnet 5.5 和 Haiku 5.5，包含 11 项带隐藏测试的编码任务和一个 Claude Code 的 bug 修复。结果三款全部通过，差异只在成本。它的建议是：默认用 Sonnet，高并发和子 Agent 用 Haiku，出错代价高的长任务再上 Opus。
点评：这对控制 API 成本很有参考意义，但 11 项任务样本不大，建议拿自家代码库再测一轮。
7. 用户实测 Claude Duet：第一个不烦人的个人助理
一位与 Anthropic 无关的作者写了 Claude Duet 的使用体验，说它是自己试过的个人助理里第一个"有用大于麻烦"的。作者提到的优点：响应快，频道自动创建、快速切换，按频道限制 GitHub 仓库访问，且不索取、不存储用户凭证。
点评：这是个人体验文章，参考价值在于它点出了个人助理类产品的痛点：慢、啰嗦、要权限太多。选同类工具时，可以照着这几点去比。
8. Spawn 用 Fable 5 智能体自主开发游戏
Simon Willison 介绍了多人游戏环境 Spawn：玩家用提示词让游戏里的 AI 改造世界，而游戏本身由一群 Fable 驱动的智能体自主开发，直接改线上代码、每小时发布，每月 token 成本超过 300 万美元，是人力成本的 30 倍。
点评：这是最激进的 Agent 自主开发案例之一，前提是游戏出错代价低，且故障 30 秒内能回滚。普通业务系统可以借鉴它的监控和回滚设计，但别照搬放手的程度。
今日小结
开源模型的编码能力继续逼近闭源第一梯队，部署门槛也在抬高；语音模型则在价格和延迟上快速内卷。今天最能直接用上的两条：按任务分配模型档位，算清视频生成的真实成本。
信息来源
- The Decoder：Mistral Large 4 ｜ best2ai：条目页
- Hugging Face 博客：Mistral Large 4 ｜ best2ai：条目页
- vLLM 博客 ｜ best2ai：条目页
- MarkTechPost：Nemotron 3.5 Transcribe ｜ best2ai：条目页
- MarkTechPost：AssemblyAI TTS-1 ｜ best2ai：条目页
- DEV Community：MiniMax H3 实测 ｜ best2ai：条目页
- OpenRouter 公告 ｜ best2ai：条目页
- fig.blue：Claude Duet 体验 ｜ best2ai：条目页
- Simon Willison ｜ best2ai：条目页
更多每日 AI 热点见 best2ai.com
相关文章
