早上好！今天是2026年10月2日（周五），国庆假期第二天。今天AI圈有三件事值得说：一是微软发布了首个实时流式转写模型，说话时文字0.13秒就上屏，把”实时字幕”这件事卷到了新高度；二是中国的开源模型 Kimi K3、GLM-5.3-Flash 首次进入了 OpenAI 的企业采购结算体系，这是个标志性时刻；三是图像模型 FLUX.3 Image 发布，改图能精确到像素级别。下面逐一拆解。
一、微软首个实时转写模型发布：一边说话一边出字，0.13秒出结果
微软10月1日官宣推出MAI-Transcribe-2-Streaming——它的首个实时流式语音转写模型。名字里的”Streaming”是关键词：以前的转写模型是等你把话说完、整段录音传完再一次性返回文字；这个模型则是讲话进行时就持续输出文字，覆盖60种语言，还支持自动、连续的语言检测——对话中途换了语言，它自己能跟上，不用提前设定。
成绩单（微软援引Artificial Analysis评测口径）：
- 最终转写词错误率2.50%、延迟0.13秒——微软称位列28个流式转写模型之首；
- 部分转写（句子还没说完时出的”草稿文字”）准确率同样排名第一；
- 接收音频后约100多毫秒就给出首批”部分文本”，随后边听边修正，语句一结束立刻提交稳定结果；
- 微软内部实时评估中，文字最快在语音出现后约320毫秒就显示上屏；官方称实时听写和字幕场景下，文字上屏速度比最接近的对手快2倍。
这个”边说边出字”有什么用？听起来只是快了一点，实际意义在于AI应用可以抢在你说完之前就行动：客服智能体能在来电者还没讲完时就开始识别问题、查信息；实时字幕系统能做到接近”所说即所见”。微软同场还发布了两款配音模型MAI-Voice-2.1（23种语言，同一个”声音”跨语言切换都能保持母语级口音，教学App可以中英文无缝换讲）和MAI-Voice-2.1-Flash（150毫秒延迟，为高并发场景设计）。在一场4000人参与的图灵测试中，50.3%的听众认为MAI-Voice的声音和真人录音一样自然甚至更像真人。
价格方面，MAI-Transcribe-2-Streaming目前处于优惠期，每小时音频0.54美元（约合3.6元人民币），优惠持续到年底；此前发布的非流式版MAI-Transcribe-2处理录音文件只要0.10美元/小时（约合0.67元）。开发者可以通过Microsoft Foundry、MAI Playground、OpenRouter等渠道接入。
两点严谨说明：其一，截至发稿，Artificial Analysis榜单尚未正式收录该模型的独立条目，上述成绩为微软援引该评测口径公布，以榜单后续更新为准；其二，该榜单此前排名第一的是Grok Voice Transcribe 2.0（词错误率2.73%、延迟0.49秒），按微软公布的数字计算，新模型准确率领先0.23个百分点、速度快近4倍——数字来自厂商口径，且流式版价格是非流式版的5.4倍，真正”便宜又快”还要看后续第三方实测。
对普通人来说，这意味着未来几个月你手机里、会议软件里的实时字幕会明显变好。等不及的话，今天的”工具教程”分类专门写了手机开实时字幕的5种免费方法，现在就能用上。
来源：微软官方博客（2026-10-01）、微软Tech Community（2026-10-01）、IT之家（2026-10-02）、Unite.AI（2026-10-01）、OrcaRouter（2026-10-02）
二、标志性时刻：中国开源模型首次进入OpenAI企业”采购单”
9月30日，美国AI基础设施公司Baseten宣布与OpenAI达成合作，成为OpenAI B2B市场首批开源模型推理服务提供商之一。从现在起，OpenAI的企业用户可以在编程工具Codex里直接调用月之暗面的Kimi K3和智谱的GLM-5.3-Flash等中国开放权重模型——费用直接计入企业已有的OpenAI采购承诺额度，不用新增供应商、不用单独走一套采购审批。
这件事为什么重要？打个比方：大型企业跟AI平台签的一般是长期采购合同，有固定预算、固定的供应商管理流程。以前企业想用中国模型，得再引入一家新供应商、重新走合规审批、单独结算，很多模型明明有竞争力，却卡死在”采购成本”上。现在这些中国模型等于搭上了海外企业采购的”主通道”——用的还是原来的账单和预算，”同样的预算，买到更多AI能力”。
几个关键细节：
- Baseten承诺其提供的所有模型均运行在美国服务器，并对所有提示词实行零数据保留（ZDR）；
- Kimi K3是月之暗面的旗舰开源模型，官方称其为首个参数规模达2.8万亿的开源模型，原生支持视觉能力，拥有100万token上下文窗口，适合长时间编程和多文档分析；
- 消息由Baseten工程专家Philip Kiely在X平台宣布，OpenAI核心产品与平台负责人、Codex核心开发者Tibo Sottiaux转发并评价：”为此感到自豪。开放才是出路。”
这是中国大模型近两个月进入海外生态的第三步：9月18日Kimi K3登陆亚马逊云科技Bedrock平台；随后有报道称月之暗面正与AWS、微软、谷歌等探索模型服务的收入分成模式；这次则是从云平台进一步走进了海外企业的采购和结算体系。国产模型出海，正在从”提供API”升级为”进入别人的生态收钱”。
来源：IT之家（2026-09-30）、腾讯新闻/观察者网（2026-10-01）、新浪科技（2026-09-30）
三、FLUX.3 Image发布：改图精确到像素，10张参考图合成一张图
10月1日，知名图像模型公司Black Forest Labs（Stable Diffusion原始团队的班底）发布旗舰图像生成与编辑模型FLUX.3 Image，主打一个字：准。
三个最有感的能力：
- 像素级多轮编辑：指定改动画面中的特定像素区域，其他部分保持原样不动——改一处不打翻全图，适合反复修图；
- 边界框布局控制：用框圈出每个元素该出现的位置，模型按你的排版出图，做海报、做电商图不再靠”抽卡”；
- 最多10张参考图合成：把人物、产品、场景等多张素材合成一张图，分辨率最高支持4K，宽高比可选21:9等。
目前模型已在fal、Replicate、OpenRouter等平台上线，按分辨率档位计价，OpenRouter页面显示768档约0.02美元/张起、4K档约0.3美元/张（以平台实时价格为准）；商业权重已同步开放。更值得等的是：多方报道显示，开源权重版计划10月6日发布——开源社区拿到权重后，大概率会很快出现在国内各种做图工具和套壳应用里，普通人想体验不必急着冲海外平台，不妨等几天看生态。同日谷歌也把Imagen 4 fast/ultra等图像模型搬上了Replicate，AI做图这个赛道，10月开局就很热闹。
来源：HuggingNews（2026-10-01）、OpenRouter模型页（2026-10-01）、My AI Guide（2026-10-01）
四、今日速读
- 豆包上架鸿蒙电脑：位列鸿蒙电脑用户心愿单TOP1的应用正式登陆，首版搭载豆包2.1 Turbo和2.1 Pro模型，上线深入研究、PPT生成、帮我写作、图像生成、云盘、录音转写、AI表格、定时任务等能力，工作模式下可创建项目、挂本地文件夹（据快科技报道）。
- Kimi K3.1或10月压轴登场：爆料人@MaxForAI从月之暗面内部配置中扒出”k3d1-agent”等标识，显示新旗舰可能带来Low/High/Max三档推理强度、最高100万token的Extra Long上下文、原生Agent模式与Swarm多智能体协作——均未获官方确认，档期仅为外界推测。
- Anthropic开放Claude Code Mods：开发者用几行TypeScript就能改写Claude Code的行为、自定义界面、替换内置功能，也可以直接让Claude帮你写一个Mod。
- Cloudflare开源决策模型Clef：权重已放上传Hugging Face，大型基础设施公司直接开源模型较为罕见，开发者可下载或微调。
- Meta Muse陷入隐私争议：美国专栏作家Jason Aten发文称Muse在macOS权限关闭状态下读取了他的个人通讯；Meta发言人Andy Stone否认，称Messages集成严格遵循自愿开启原则、需手动授予”完全磁盘访问”权限，Meta超级智能实验室高管David Singleton补充称macOS安全边界会阻止数据收集。争议未了，Muse仍居美区App Store榜首。
- 仅2.2%消费者为AI付费：a16z《State of Markets》报告引用PNC研究称，只有2.2%的消费者为独立AI工具付费，月均31美元，付费转化呈线性而非指数增长——普通人为AI掏钱的意愿，远低于大厂烧钱的速度。
- Reddit将关闭RSS和公共API：11月13日起停用所有RSS源，2027年3月关停公共API，现有机器人需在2027年1月12日前注册，官方称此举为遏制AI公司大规模抓取。
- AI读脑更省事了：以色列魏茨曼科学研究所团队构建的AI系统可从fMRI脑活动重建视觉图像，校准时间从传统的40小时缩短到1小时（MIT Technology Review报道）。
来源：快科技（2026-10-01）、pc3w（2026-10-01）、AI Breaking Wire（2026-10-02）、AGI Hunt（2026-10-02）
资料来源
- 微软官方博客：Our first streaming transcription model debuts at no. 1 on Artificial Analysis，2026-10-01
- 微软Tech Community：Build expressive voice experiences with new MAI models in Microsoft Foundry，2026-10-01
- IT之家：流式转录新标杆：微软新AI模型登场，2.5%词错误率、0.13秒延迟夺冠，2026-10-02
- Unite.AI：Microsoft Launches MAI-Transcribe-2-Streaming and Two MAI-Voice Models，2026-10-01
- OrcaRouter：MAI-Transcribe-2-Streaming Is Live（第三方榜单视角），2026-10-02
- IT之家：中国大模型首次进入OpenAI企业付费结算体系，Kimi K3接入Codex企业通道，2026-09-30
- 腾讯新闻（观察者网）：首次！中国大模型进入OpenAI企业”采购单”，2026-10-01
- 新浪科技（IT之家稿）：中国大模型首次进入OpenAI企业付费结算体系，2026-09-30
- HuggingNews：Black Forest Labs Ships FLUX 3 Image for High Precision Editing，2026-10-01
- OpenRouter：FLUX.3 Image 模型页，2026-10-01
- My AI Guide：Flux 3 and Imagen 4 hit Replicate, plus decision models and agent tools for builders，2026-10-01
- 快科技：豆包上架鸿蒙电脑：搭载豆包2.1Pro模型 从问答助手进化成干活搭子，2026-10-01
- pc3w：Kimi K3.1十月或压轴登场：三档推理强度、百万超长上下文，Agent与Swarm全塞进配置，2026-10-01
- AI Breaking Wire：The AI Brief — Friday, October 2, 2026，2026-10-02
- AGI Hunt：AI News Daily 2026-10-02，2026-10-02