Artificial Analysis 表示，Google 已發布 Gemini 3.8 Flash TTS 與 Gemini 3.8 Flash-Lite TTS，兩者為 Google DeepMind 文字轉語音模型，支援預設聲線及聲音複製。按其測試，Gemini 3.8 Flash TTS 在發音穩健度得 89.5%，並在 Provider Voice Arena 取得 1,263 Elo。
Google 報告，Gemini 3.8 Flash TTS 在 Hume AI Voice Design 的總分為 71.4，口音建模分數為 60.8。Google 亦把 Flash TTS 排在 Hume AI Overall Quality 第一，Gemini 3.8 Flash-Lite TTS 排第二。
DAIR.AI 報告指，史丹福與 Together AI 的一篇論文發現，o3-mini、Claude Sonnet 4 與 DeepSeek-V3 組成自組織團隊，在五項數學與物理基準測試中平均得分 66.7%，高於最強成員單獨作答的 48.8%，以及完美路由器的 59.0%。
Artificial Analysis 發現，沒有單一開源權重文字轉語音模型在全部九個新語言排行榜領先。領先位置分屬 Higgs Audio V3 TTS、OpenAudio S1 Mini、Voxtral TTS 和 Breeze TTS 2。
Artificial Analysis 報告，StepAudio 3 ASR 的轉錄速度為即時的 88 倍，落後三個更快的系統，接近 ElevenLabs Scribe v2 與 Gemini 3.5 Transcribe，並領先 Fun-Realtime-ASR-preview。
OpenAI 報告，GPT-6 Luna 在 DeepSWE v1.1 得分 66.6%，與中等努力程度下的 Claude Opus 5 及 Fable 5 相當，每項任務成本低 93% 至 96%；在較高努力程度下，事實準確度與 GPT-5.6 Sol 相當，成本約為其百分之一。
2026年9月22日，Scale AI 發布 SWE-Bench Pro V2，作為 SWE-Bench Pro 更新後的公開分組。
elvis（@omarsar0）分享一篇關於 EvoOntology 的論文，此為面向數據代理、以 MCP 伺服器形式提供的自我演化本體層。帖文指 DDR-Bench 準確率在六個骨幹模型上平均上升 17.8 分，當中 GPT-5.5 上升 26.7 分，而 BIRD 執行準確率上升 7.4 分。
