11月10日多款AI新模型发布：覆盖推理、图像与语音交互

11月10日，多款AI模型迎来重要更新，覆盖通用推理与Agent、多模态交互、图像编辑及实时语音交互四大技术方向，以下是各模型的核心动态。

通用推理与Agent模型

Claude Fable 5.2 / Mythos 5.2：Anthropic发布这两款模型，升级了代码、推理和视觉处理能力，主要面向复杂软件迁移、科学研究等长时间技术任务。两款模型基于同一底层架构，差异在于安全机制和开放范围：Fable 5.2通过公开应用程序编程接口提供接入，开发者可将其整合到自有应用或工作流；Mythos 5.2仅向通过验证的网络安全或生命科学机构开放，普通开发者目前只能使用公开的Fable版本。

LongCat-2.5：美团推出的这款多模态Agent模型正式开放权重，采用麻省理工许可证。它基于原生多模态混合专家架构，整合了视觉理解与长程Agent编程能力，支持整项目构建、设计及3D任务，适合需要分步完成多环节工作的开发场景。开放的权重分为BF16（约3.56TB）和W4A4量化版本，自行部署需要大规模多卡资源，适合具备相应计算基础设施的团队评估。在线使用可通过官方聊天平台体验，权重可通过相关平台获取。

Meta Muse Ember：Meta发布的轻量多模态推理模型，可接收文本、图像、音频和视频输入，能处理代码子任务、工具调用、路由、信息提取及长文档处理，适合在工作流中承担特定分工任务。开发者可通过官方应用程序编程接口接入，目前尚未公开权重，现阶段建议以托管服务形式使用，而非本地部署。

LG K-EXAONE 2.5：LG免费开放了这款工作流Agent应用程序编程接口，该版本在8月的基础上追加训练，重点提升了复杂推理、代码开发与工作流自动化能力，可用于代码生成、调试、重构和测试等任务。需要注意的是，该服务仅限非商业使用，禁止集成到产品中供第三方调用，仅支持应用程序编程接口接入，未提供模型权重。

图像生成与编辑模型

Seedream 5.5：字节跳动发布的这款模型，核心升级在于提升了多轮编辑的稳定性，能在连续修改图片时保留未编辑区域，让用户围绕选定内容逐步调整，减少对其余画面的影响。此外，它原生支持带透明通道的图像格式，可从图像中提取素材，方便后续独立编辑。目前可通过官方网页体验，尚未开放权重，无法自行部署。

实时语音交互系统

Shizuku-Duplex：该系统于11月8日展示，探索日语全双工语音交互，支持边听边说、响应用户插话，无需遵循一方说完再回答的固定顺序，让对话更自然。系统将实时对话与后台任务分离，后台异步检索信息时不影响前台交流。目前处于技术预览阶段，官方提供演示内容，但尚未确认公开代码、模型权重或应用程序编程接口入口。