2025 年 6 月 AI 新闻：Magistral、语音模型与图像生成

在这期 2025 年 6 月 12 日的新闻汇总中，我介绍 Mistral 的 Magistral 推理模型、语音与视频更新、有关 Meta 和 Scale AI 的报道、Dia 浏览器，以及 Black Forest Labs 的图像生成产品。文中讨论的发布、价格和可用性反映的是当时情况。

Mistral 宣布了 240 亿参数的开放权重模型 Magistral Small，以及面向企业、能力更强的 Magistral Medium。我对它看起来的速度印象深刻，也预计量化会让较小的模型更容易在本地运行，尽管实际硬件要求因设备而异。

Mistral 报告称，Medium 和 Small 在 AIME 2024 上分别得到 73.6% 和 70.7%，使用 64 次采样多数投票后分别升至 90% 和 83.3%。这些是公司在特定条件下报告的结果；多次采样的结果不能等同于单次尝试。

Mistral 称 Magistral 可以跨语言推理，并宣传 Le Chat 提供更快的响应。我展示一段与未指明的 OpenAI 模型并排比较的片段，观察到更快的响应；但缺少具体模型和测试细节，无法构成受控速度比较。

ElevenLabs 发布了 v3 文本转语音模型的 alpha 版本。一个样例展示了富有表现力的语音、耳语、戏剧化朗诵和笑声；我喜欢其中大部分内容，但觉得笑声有些令人不安。一个精选音频样例并不是全面评估。

我说语音界面提供兴奋、打断或惊讶等标签，让用户控制表达方式。我也感叹合成语音变得非常自然，并指出从个人喜好来说，我并不总希望每一次犹豫都听起来像真人。

我用一个关于半导体的问题测试 OpenAI 更新后的语音模式。回答中的停顿和语气词在我听来很自然，我也说自己会在开车时用语音对话学习知识。

Google 发布了新的 Gemini 2.5 Pro 预览版。我引用 Google 报告的 LM Arena 提升 24 分、WebDev Arena 提升 35 分，并说它当时是我直接使用时最喜欢的编程模型；这些分数和我的偏好都有时间范围。

我还提到速度更快的 Veo 3 选项，视频称其费用为原版的五分之一。这是 2025 年 6 月的历史价格比较，并非当前价格建议。

我讨论有关 Meta 计划投资约 140 亿美元、获得 Scale AI 49% 股份，以及其首席执行官 Alexandr Wang 将加入 Meta 新 AI 团队的报道。这一部分把报道与我对 Meta 目标的解读放在一起；当时交易条款和组织细节仍是报道中的说法。

我推测，收购少数股份可能避免完全收购的一些监管负担，Meta 也可能对自己的 AI 进展不满意。这些潜在动机是我的猜测，并非报道确立的事实。

Scale AI 以数据标注和注释业务闻名，这些工作可以支持模型开发。我还转述社交媒体上未经证实的说法，称 Meta 向招聘对象提供异常高的薪酬；视频没有为这一数字提供独立证据。

The Browser Company 推出了注重 AI 的浏览器 Dia，可以处理打开的标签页。我当时还没有试用，不确定这一功能有多独特，因此打算测试后再下结论。

示例展示了在邮件中直接编辑文字，以及为 Slack 总结文档。我指出其中一些应用本身已有类似功能；将它们集中在浏览器中仍可能方便，但这只是可能性，而非经过测试的结论。

Artificial Analysis 将 FLUX.1 Kontext [Max] 列为当时排名较高的文本生成图像系统之一。我最初称它为开源，随后澄清 Max 和 Pro 版本并非开放权重，只能通过 API 或合作伙伴使用；另一个独立的 Kontext [Dev] 模型计划开放权重。

当时 Black Forest Labs 称，拥有 120 亿参数的 Kontext [Dev] 模型处于私有测试阶段，并计划开放权重。视频简介也更正了最初有关 Max 许可证的说法；这里描述的是当时状态。

我读出了当时的 Artificial Analysis 图像竞技场排名，GPT-4o 排在若干竞争对手前面，Kontext [Max] 也处于较高位置。竞技场名次和模型名称仅对应那个时间点，并非永久排名。

我查看了根据南极研究基地提示和雨中东京动漫风格街巷提示生成的示例。我喜欢其中多个结果，尤其偏爱一张 Flux 1.1 Pro 图片的细节；这是对精选图像的主观观察，并非受控基准。

一个卡通海盗示例暴露了一些瑕疵：我看到 Kontext [Max] 的眼罩不太规则，另一张 Flux 图片的水面看起来有些奇怪，GPT-4o 示例中人物的腿与船重叠。我没有注意到 Seedream 样例中的错误，但这并不证明它没有错误。