文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
当前仅显示精选新闻Mistral 发布新一代模型系列 Mistral 3，包括 14B/8B/3B 的 Ministral 3 小模型和 sparse MoE 架构的 Mistral Large 3（41B 激活、675B 总参数），全部以 Apache 2.0 许可开源，提供 base、instruct 和 reasoning 变体。
推荐理由：官方公布完整模型规格、开源许可和部署路径，读者可据此评估在自建或端侧场景的可用性。
ElevenLabs 发布 Image & Video（Beta），在单一平台内整合图像与视频生成能力。可使用 Veo、Sora、Kling、Wan、Seedance 等模型生成视频，用 Nanobanana、Flux Kontext、GPT Image、Seedream 生成图像，并支持放大和用 ElevenLabs 语音添加 lipsync。
推荐理由：官方发布介绍了平台内聚合多家视频与图像模型并接续语音制作的完整流程，读者可以据此评估能否把现有分散的创作环节合并到一处。
Mistral AI 为 Le Chat 推出一批新功能，包括 Deep Research 预览模式、基于 Voxtral 的语音模式、由 Magistral 驱动的多语言推理、Projects 项目整理功能，以及与 Black Forest Labs 合作的高级图像编辑。
推荐理由：Mistral 官方一次性列出五项新功能及其支撑模型，读者可以对照了解 Le Chat 在研究和多模态方向的能力变化。
Mistral AI 发布语音理解模型 Voxtral，提供 24B 和 3B 两个版本，均以 Apache 2.0 许可开源并上线 API。
推荐理由：官方给出完整基准对比和定价细节，开源语音模型在准确率与成本上的位置可以直接对比判断。
Mistral AI 发布 Mistral Medium 3，定位为兼顾 SOTA 性能、成本低约 8 倍和更易部署的新级别模型。
推荐理由：官方给出与 Claude Sonnet 3.7 对比的基准数字和 $0.4/$2 定价，读者可以据此评估它在企业部署中的性价比。
Mistral AI 发布 Mistral Small 3.1，相比 Mistral Small 3 提升文本性能，新增多模态理解，上下文窗口扩展至 128k tokens，推理速度达 150 tokens/秒，官方称超越 Gemma 3 和 GPT-4o Mini 等同级模型。
推荐理由：官方给出了与 Gemma 3 和 GPT-4o Mini 的对比数据、部署门槛和开放下载渠道，可据此评估端侧与低成本部署选择。
Mistral 发布光学字符识别 API Mistral OCR（mistral-ocr-latest），以图像和 PDF 为输入，输出交错的文本与图片，已作为 Le Chat 默认文档理解模型。
推荐理由：官方公布了自评基准对比、定价和部署选项，读者可以据此评估它在文档理解与 RAG 场景中的位置。
Sam Altman 发文强调 GPT-4o 已免费向 ChatGPT 用户开放，且无广告，呼应其让强大 AI 工具普惠的使命。他称新的语音和视频模式是他用过的最好计算机界面，达到人类水平的响应时间和表现力，体验自然流畅，并展望未来加入可选个性化、访问个人信息和代用户执行操作等能力。
推荐理由：作者本人解释免费开放 GPT-4o 的考量，并给出新语音模式的第一手使用感受，可作官方视角的背景补充。
Suno 发布 v3 模型，称其首个能生成广播级音乐的模型，已在 https://app.suno.ai 向所有用户开放。v3 可在几秒内生成完整两分钟歌曲，改进包括更好的音质、更多风格流派、更少幻觉和更自然的结尾。模型不识别艺术家引用，并采用不可闻水印技术检测 Suno 生成的歌曲，v4 已在开发中。
推荐理由：Suno 官方说明 v3 在音质、风格与提示词遵循上的具体改进，读者可据此对比自己此前的生成体验。