Mistral 发布 OCR API，称在文档理解基准上领先 Google 和 Azure
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。
多模态
全部主题文本之外的能力：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最新精选
第 341–343 条 · 共 343 条Mistral AI精选AI 评分6969
Sam Altman Blog精选AI 评分8686 Sam Altman 谈 GPT-4o 免费开放与全新语音模式
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 Blog精选AI 评分8484 Suno 发布 v3 模型，可生成广播级两分钟完整歌曲
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。