ESPnet verdrievoudigt zijn open spraakcorpus met YODAS v3, Mistral biedt GLM 5.3 aan via zijn API, JEV-27B en OpenDecider claimen vergelijkbare prestaties als Jev

ESPnet publiceert YODAS v3, een open spraakdataset van 1,1 miljoen uur in meer dan 100 talen. Die is drie keer zo groot als de eerste versie en bevat uitsluitend audio op 48 kHz. Mistral biedt voortaan het model met open gewichten GLM 5.3 van Z.ai aan via zijn API, met 1 miljoen contexttokens en een SLA van 99,5 %. JEV-27B en OpenDecider, twee open beslismodellen, claimen op basis van tests van hun makers vergelijkbare prestaties als Jev. MiniMax lanceert M3.1-Flash-Preview zonder benchmarkresultaten of API-prijzen. In de korte berichten gaat het onder meer over een previewversie van Copilot CLI die regels van Claude Code leest, en over Space Bunny Alpha, een gratis model van een onbekende ontwikkelaar op OpenRouter.

ESPnet publiceert YODAS v3: 1,1 miljoen uur open spraakdata op 48 kHz

27 september — Het ESPnet-team (William Chen en Shinji Watanabe) publiceert YODAS v3, een meertalige spraakdataset van 1,1 miljoen uur, drie keer zo groot als de eerste versie. Alle audio wordt op 48 kHz aangeboden, met de daadwerkelijk bruikbare frequentie in de metadata, omdat veel audio van het web is opgeschaald.

Kenmerk van YODAS v3	Gepubliceerde waarde
Gedekte talen	Meer dan 100, waarvan 34 met meer dan 1 000 uur
Meerkanaalsaudio	Meer dan 70 % met minstens twee afzonderlijke kanalen
Annotaties	Transcripties met tijdstempels per woord, Engelse vertaling voor meer dan de helft van het meertalige materiaal
Omvang en licentie	60 To in OPUS-formaat, CC BY 3.0

Volgens de auteurs is dit volume voldoende om een model op het niveau van Whisper helemaal vanaf nul te trainen. De eerste versie, die meer dan 2,5 miljoen keer is gedownload, is gebruikt om onder meer IBM Granite, NVIDIA Canary en Parakeet en OLMoASR van Ai2 te trainen. Een bijbehorend artikel staat in de publicaties van Interspeech 2026.

🔗 YODAS v3 op de Hugging Face-blog

Mistral biedt GLM 5.3 van Z.ai aan via zijn API, met 1M context en een SLA van 99,5 %

26 september — Z.ai lanceerde GLM 5.3 op 14 augustus en maakte de gewichten op 28 augustus openbaar. Nieuw is dat het model nu beschikbaar is via de Mistral-API, zoals aangekondigd door het account @MistralDevs. In de openbare preview wordt het model onder de identifier zai-glm-5-3 zonder aanpassingen aangeboden op de infrastructuur van Mistral, met 1 miljoen contexttokens, 128k outputtokens, meer dan 100 tokens per seconde en een SLA van 99,5 % op het prioriteitsniveau (priority tier).

Prijs per miljoen tokens	Mistral-API	Together AI (29 augustus)
Input	1,40 dollar	1,40 dollar
Gecachte input	0,14 dollar	0,26 dollar
Output	4,40 dollar	4,40 dollar

Mistral kondigde op 11 augustus aan zijn platform open te stellen voor modellen van derden, te beginnen met GLM 5.2. GLM 5.3 werd op 21 september het standaardmodel in de webapp van Vibe Code.

🔗 Aankondiging van @MistralDevs · Modelpagina

Open beslismodellen: JEV-27B van AutoTrust AI en OpenDecider tegenover Jev

Twee berichten uit de community van 27 september presenteren open beslismodellen onder de Apache-2.0-licentie. Deze modellen beantwoorden snel de kleine, gestructureerde vragen die agents stellen, met een kansscore voor elk antwoord: waar of onwaar, een keuze uit meerdere opties of een score. Ze verschijnen vier dagen na Tev1-4B-experimental van Together AI en worden allebei vergeleken met Jev 1.13, het gesloten, gehoste model van TypeSafe AI. De onderstaande scores komen uit metingen van de makers zelf.

JEV-27B van AutoTrust AI: gemiddeld vergelijkbaar met Jev 1.13, volgens de makers

27 september — AutoTrust AI, dat aangeeft geen banden te hebben met TypeSafe AI, publiceert JEV-27B, een op basis van een open corpus gedistilleerde leerling van Jev 1.13. De aanpak houdt Qwen3.8-27B bevroren en voegt een afneembaar blok met 108,9 miljoen parameters toe, dat in ongeveer 9,2 uur op een B200 is getraind. Het basismodel blijft intact en behaalt 78,0 % op HumanEval. Door de makers gemeten scores van 26 september:

Beslisbenchmark	JEV-27B	Jev 1.13 (API)
JevBench (openbare set)	88,70	87,18
Kev	83,75	85,52
OpenJev text	73,89	72,96
Nimble	92,91	91,84
VitaminC	77,46	78,46
MASSIVE-en	87,71	87,14
Gemiddelde van de zes	84,07	83,85

De mediane latentie bedraagt 137 ms per beslissing op een B200. De makers erkennen dat de prestaties alleen gemiddeld vergelijkbaar zijn en dat de leerling de blinde vlekken van Jev erft. Ze kondigen inzendingen voor onafhankelijke ranglijsten aan.

🔗 Het bericht van AutoTrust AI

OpenDecider: een nanomodel met 400 miljoen parameters vóór Laya en Jev op typed-decisions

27 september — Manjunath Janardhan publiceert OpenDecider, een familie van beslismodellen: een nanomodel met ongeveer 400 miljoen parameters op de Ettin-encoder, een small-model met 4 miljard parameters op Qwen3-4B en MLX-versies voor Mac. Ze zijn voor minder dan 30 dollar aan GPU-kosten gedistilleerd uit twee open leermodellen, Qwen3-235B en DeepSeek V4.1 Flash.

Geëvalueerd model	typed-decisions (2 000)	Nieuwe algemene beslissingen (200)	Kalibratiefout
OpenDecider-nano	0,796	0,680	0,092
OpenDecider-small	0,672	0,735	0,087
Laya (gespecialiseerde checkpoint)	0,766	0,570	0,162
Jev 1.13 (API)	0,754	0,730	0,164

Volgens deze metingen van de maker evenaart het small-model Jev bij niet eerder geziene beslissingen, met een bijna twee keer zo lage kalibratiefout. Jev blijft voorop bij de reeks Laya-toepassingen (0,774), met name bij phishing (0,90 tegenover 0,63). Voorspellingen en een reproduceerbare benchmark zijn gepubliceerd; de resultaten zijn gebaseerd op één enkele random seed.

🔗 Het bericht over OpenDecider

MiniMax lanceert M3.1-Flash-Preview op MiniMax Code en in het Token Plan, zonder benchmarkresultaten of API-prijzen

27 september — MiniMax presenteert M3.1-Flash-Preview als zijn nieuwste tekstmodel in preview. Het verschijnt ‘s ochtends eerst in MiniMax Code, de eigen codeagent, en wordt ‘s avonds toegevoegd aan het Token Plan, het abonnement van het MiniMax-platform:

MiniMax-M3.1 Flash Preview is now live on the Token Plan! Faster, lighter, and built for teams running high-volume, latency-sensitive workloads, now available under your existing Token Plan subscription, no extra setup required.

🇳🇱 MiniMax-M3.1 Flash Preview is nu beschikbaar in het Token Plan! Het is sneller, lichter en ontworpen voor teams die grote hoeveelheden werk verwerken waarbij de latentie belangrijk is. Het is nu beschikbaar binnen je bestaande Token Plan-abonnement, zonder extra configuratie. — @MiniMax_AI op X

MiniMax publiceert geen benchmarkresultaten, API-prijzen, modelgrootte, contextvenster of gewichten. De releaseopmerkingen voor de modellen lopen nog maar tot 31 juli.

🔗 De introductie in MiniMax Code, op X

Korte berichten

Copilot CLI leest de regels van Claude Code — In previewversie 1.0.89-5, gepubliceerd op 27 september (een stabiele versie 1.0.89 is nog niet verschenen), ondersteunt Copilot CLI regelbestanden van Claude Code in .claude/rules als aangepaste instructies. De releaseopmerkingen vermelden niet welk formaat wordt herkend of welke prioriteit de regels krijgen. 🔗 bron
mistral CLI 0.7.0 — Deze versie van de opdrachtregeltool van Mistral verscheen op 26 september zonder aankondiging. Ze voegt mistral apps deploy toe om een applicatie op het platform te implementeren tot en met de productieomgeving, mistral apps publish om die in de Vibe-catalogus te publiceren, en mistral evals voor offline evaluaties. 🔗 bron
De Agent API van Perplexity stapt over op GPT-6 — Alsnog bericht van 25 september: de voorinstellingen low en medium gaan van openai/gpt-5.6-luna naar openai/gpt-6-luna, en high van openai/gpt-5.6-sol naar openai/gpt-6-sol. Prompts, redeneerinspanning, tools, tokenbudgetten en limieten voor het aantal stappen blijven gelijk. 🔗 bron
Space Bunny Alpha op OpenRouter — Alsnog bericht van 23 september: OpenRouter vermeldt een gratis model van een onbekende ontwikkelaar (stealth), met 1 miljoen contexttokens en ondersteuning voor tekst, afbeeldingen en video als input. De externe aanbieder die het model beheert, mag prompts en antwoorden bewaren, maar niet gebruiken voor training. Er is geen officiële benchmark. 🔗 bron
Een model van 4B als beoordelaar van financiële cijfers — Tony Esposito publiceert FinCalc-NLI, een synthetische dataset met door code berekende labels voor tien bankstatistieken, en openjev-fincalc-4b, een beoordelingsmodel dat in 40 minuten op een A100 is gefinetuned om cijfermatige beweringen te controleren: het behaalt 94,4 % op 4 000 gevallen, tegenover 63,2 % voor de beste geteste open beoordelaar. 🔗 bron
Een model finetunen op een Mac met 16 GB — In tien LoRA-finetuningtests meet Harshit Kumar Gupta dat PyTorch MPS 2,2 tot 5,7 keer sneller is dan Apple MLX, maar op ongeveer 1,5 miljard parameters vastloopt, terwijl MLX in 4 bits een model van 3 miljard parameters kan laden. De LoRA-rang en de optimizer verschilden tussen beide stacks. 🔗 bron

Wat dit betekent

Open data blijven de stille infrastructuur van open modellen. Volgens de makers is de eerste versie van YODAS gebruikt om modellen van IBM, NVIDIA en Ai2 te trainen. V3 verdrievoudigt de omvang, biedt 48 kHz en meerkanaalsaudio en behoudt de CC BY 3.0-licentie. Daarmee kan volgens hen een model op het niveau van Whisper helemaal vanaf nul worden getraind. De beslismodellen van vandaag volgen dezelfde lijn: JEV-27B leert van een open corpus, OpenDecider distilleert twee open leermodellen voor minder dan 30 dollar en beide verschijnen onder Apache-2.0.

Een model met open gewichten wordt als catalogusitem verkocht, waarbij aanbieders zich onderscheiden door hun dienstverlening. GLM 5.3 kost buiten de cache hetzelfde bij Mistral en Together AI: per miljoen tokens 1,40 dollar voor input en 4,40 dollar voor output. Mistral benadrukt de prijs voor gecachte input, 0,14 dollar tegenover 0,26 dollar bij Together AI, een snelheid van meer dan 100 tokens per seconde en een SLA van 99,5 %. Mistral, dat sinds GLM 5.2 modellen van derden aanbiedt, positioneert zich daarmee ook als host van modellen. Ook bij Perplexity verandert het onderliggende model: verzoeken via de voorinstellingen van de Agent API draaien nu op GPT-6, zonder dat de ontwikkelaar zelf dat model heeft gekozen.

De vraag blijft wie de prestaties meet. JEV-27B en OpenDecider claimen vergelijkbare prestaties als Jev op benchmarks die hun makers zelf hebben uitgevoerd. Ze publiceren in elk geval hun beperkingen, voorspellingen of een reproduceerbare benchmark. Uit hun eigen tabellen blijkt bovendien dat Jev op meerdere proeven vooropblijft, van VitaminC tot phishing. MiniMax lanceert ondertussen een model zonder verifieerbare cijfers: geen benchmarkresultaten, API-prijzen of contextvenster. In beide gevallen moeten onafhankelijke metingen nog volgen. AutoTrust AI kondigt dan ook inzendingen voor onafhankelijke ranglijsten aan.

Bij zowel Mistral als MiniMax verschijnt het model eerst in de eigen codeagent. GLM 5.3 werd op 21 september het standaardmodel van Vibe Code op het web voordat het via de Mistral-API beschikbaar kwam, en M3.1-Flash-Preview debuteert in MiniMax Code voordat het in het Token Plan verschijnt. Instructies beginnen intussen tussen agents te circuleren: previewversie 1.0.89-5 van Copilot CLI leest .claude/rules-bestanden die voor Claude Code zijn geschreven. Daardoor kan één repository beide agents met dezelfde regels aansturen, althans in deze previewversie.