"Tryck 1 för engelska eller stanna i kön" är döende, och jag firar! Cartesia håller på att göra robotagenter föråldrade. Jag har satt ihop en snabb demo av hur du kan skapa en röstassistent med hjälp av följande tekniska stack: • Python - Programmeringsspråket • LiveKit - Agenten som orkestrerar allt • Cartesia - Omvandlar text till tal (rösten du hör) • OpenAI - Konverterar din röst till text • GPT4o-mini - Agentens hjärna 65 rader kod, inklusive blanksteg. Källkod nedan. Du hittar instruktioner om hur du kör det i filen.

MiniMax M2-modellen är häpnadsväckande! Det är öppen källkod. Den överträffar Gemini 2.5, Claude 4.1 och Qwen3 i benchmarks för kodning och verktygsanvändning. Just nu är det en av världens topp 5 modeller inom intelligens! Och här är den bästa delen: Claude är en av de bästa modellerna du kan använda idag, och MiniMax M2 kostar bara 8% av det! Det är mindre, snabbare och billigare. Extremt effektiv på att använda tokens. Minimax M2:s största styrka: Höga agentiska egenskaper. Modellen kan planera och utföra komplexa arbetsflöden med flera verktyg. Den är tillförlitlig och mycket robust när det gäller att utföra verktygskedjor med lång horisont. Sammanfattningsvis: • Låg latens • Mycket billigt • Utmärker sig på agentiska uppgifter • Öppen källkod Modellen driver för närvarande MiniMax Agent och är tillgänglig för en gratis global provperiod. Du kan komma åt MiniMax M2:s API här: Så här kommer du åt agenten: Och här är MiniMax webbplats: Tack till MiniMax-teamet för att de visade mig repen och samarbetade med mig i det här inlägget.

Det här är den galnaste modellen du kommer att se den här veckan! Den här modellen driver Figma. Det ligger också bakom Wayfair och ett gäng stora e-handelshandlare. Denna modell är en PIXEL-PERFECT bildredigeringsmodell. Bokstavligen "pixel perfekt". Modellen kan modifiera en bild samtidigt som allt annat förblir orört. Det är en modell som designats, utvecklats och distribuerats av forskargruppen på Jasper. Detta slår OpenAI-modeller, Nano Banan och varenda allmän bildmodell jag har sett hittills. Den är upp till 100 gånger billigare i drift och upp till 10 gånger snabbare. Jag spelade in en snabb video för att visa hur imponerande detta är. Det finns massor av forskning bakom denna modell. Jag lägger till två länkar nedan så att du kan läsa om hur den här modellen fungerar, specifikt om "Latent Bridge Matching" och "Flash Diffusion".