跳到正文
目前篩選:模型
11月21日週六
11月20日週五
11月19日週四
  1. DEV Community65

    Kling 4.0 與 Seedance 2.5 評測:Kling 較貼合提示詞,Seedance 生成更快

    在三組相同提示詞測試中,Kling 4.0 較貼合指定動作和顏色,Seedance 2.5 則每段約 2.7 分鐘完成。Seedance 三段影片各耗時 161 至 162 秒,Kling 則分別耗時 299、395 及 1,136 秒;兩者均逐字説出指定台詞。Kling 支援最高 1080p;Seedance 2.5 可編輯或延長現有影片,畫面亦較具實拍感。

  2. DoNews44

    地平線發佈原生視頻幾何模型 LoFT

    地平線機器人實驗室發佈原生視頻幾何基礎模型 LoFT,面向連續視頻建模,可從 RGB 視頻聯合預測相機位姿、內參及逐幀深度,恢復三維場景結構。模型採用雙循環 Transformer 架構,訓練數據集約有 297 萬條序列、9.62 億幀圖像。LoFT 在 SpatialBench 等三大評測體系中的多項深度估計指標達業界最優(SoTA),適用於機器人感知、自動駕駛及室內環境重建等場景。

  3. IT之家39

    地平線發布 LoFT 原生影片幾何基礎模型,多項指標達到 SoTA

    地平線機器人實驗室發布原生影片幾何基礎模型 LoFT,可從 RGB 影片聯合預測相機位姿、內參及逐幀深度,以恢復場景三維結構。LoFT 在 SpatialBench、ClassicBench 和 VRBench 評測中與 VGGT-Ω、DA3-Giant 等模型比較,並在多項深度估計指標上達到 SoTA。該模型面向連續影片建模,可用於機器人空間感知、環境理解與具身學習。

11月18日週三
  1. 阿里雲開發者社區 AI59

    阿里雲 Wan3.0‑Video 深度解析:模型能力、適用場景、價格與接入指南

    阿里雲開發者社區的指南梳理 Wan3.0‑Video 的影片生成能力、適用場景、價格與 API 接入條件。模型支援文生影片、圖生影片和參考生影片,單次最長生成 30 秒,亦可使用辦公文件及網頁連結作輸入;北京地域價格為 0.30、0.60、1.20 元/秒,分別對應 480P、720P、1080P。文章亦指出,邀測階段須申請權限,模型未開源,只可透過阿里雲百煉 API 調用。

11月17日週二
  1. UNWIRE.PRO · 人工智能66

    阿里雲香港峯會展示 Qwen4-Max,香港客戶數突破 65,000

    阿里雲在年度香港峯會宣佈 Qwen4-Max 上線,並推出多項面向企業的 AI 智能體開發、監控及安全防護能力。Qwen4-Max 總參數為 2.4 萬億,每個 token 激活 710 億參數;阿里雲稱 token 消耗減少 35%,平均每項任務成本降低約 60%。阿里雲在香港服務超過 65,000 名客戶,並宣佈與香港浸會大學及美亞娛樂合作,涵蓋 AI 培訓及影視內容創作。

11月16日週一
  1. 雷鋒網69

    李飛飛 CoRL 2026 演講實錄:Atlas 如何統一世界生成與重建

    李飛飛在 CoRL 2026 介紹 World Labs 與史丹福團隊研發的 Atlas,稱其為統一生成與重建的世界模型。Atlas 是從零訓練的自回歸基礎模型,可接收文字、圖像、影片、深度訊號及 3D 結構訊號等輸入,生成像素影格並支援多視角重建。演講稱,Atlas 已蒸餾至 15fps 即時生成,團隊亦正測試其在機械人導航訓練及真實世界與模擬互通操作中的應用。

11月15日週日
  1. 美團 LongCat:HuggingFace 新模型57

    美團 LongCat 發佈 LongCat-Video-Avatar 1.6,支援超過 10 分鐘影片生成

    美團 LongCat 發佈開源音訊驅動人物影片生成框架 LongCat-Video-Avatar 1.6,改善唇音同步、動作協調與長影片視覺一致性,並優化推理效率。材料稱其可生成超過 10 分鐘的影片;在人類偏好比較中,該版本在六個系統中排名第二,Bradley–Terry Elo 評分為 1068.1,研究收集了 33,051 份有效投票。

11月14日週六
11月13日週五
11月12日週四
  1. IT之家65

    Runway 推出 Praxis-1 機械人模型,稱其機械臂任務速度較 GPT-6 Astra 快 15.6 倍、成本為其 1/51

    Runway 推出機械人模型 Praxis-1,將影片預訓練所學用於真實機械人控制,並以 Apache 2.0 許可證開放權重。披露的測試結果顯示,Praxis-1 在 RoboLab-120 的 1200 個場景中完成 555 個,成功率約 46.2%,並在世界動作模型及開放機械人基礎模型類別中表現領先。

  2. 新浪科技59

    百度發布文心閃電深度思考模型及文心一鏡微表情大模型

    百度在百度世界2026主論壇發布文心閃電深度思考模型和文心一鏡微表情大模型,並同步於百度智能雲千帆平台向企業客戶及合作夥伴開放 API。文心閃電深度思考模型採用 BSA 稀疏注意力技術,官方稱推理引擎成本降低30%以上;文心一鏡微表情大模型支援最長4000字文本驅動,影片生成成本較業界降低50%,極速版本生成1分鐘影片約需1分鐘。

  3. DoNews66

    字節火山引擎推出 Seedance 2.5 flash 影片模型,生成速度提升一倍、價格更低

    字節火山引擎推出 Seedance 2.5 flash 影片模型,官方稱其生成速度提升一倍,效果最接近 Seedance 2.5,價格更低。以 720P 文生影片及圖生影片為例,價格約為 0.99 元 / 秒,較 Seedance 2.5 低約 34%;單段最長支援生成 30 秒影片,單次最多輸入 10 張圖片、5 段影片及 5 段音訊,並提供 480P 和 720P。

  4. IT之家67

    字節火山引擎發佈 Seedance 2.5 flash 影片模型,生成速度提升一倍、價格更低

    字節火山引擎推出 Seedance 2.5 flash 影片模型,官方稱生成速度提升一倍;在 720P 文生影片及圖生影片場景下,價格較 Seedance 2.5 低約 34%。上述場景價格約為 0.99 元 / 秒;模型單段最長支援 30 秒生成,單次最多可輸入 10 張圖片、5 段影片及 5 段音訊,並提供 480P 和 720P 兩檔解像度。

  5. UNWIRE.PRO · 人工智能46

    百度發布文心閃電深度思考及文心一鏡微表情模型,李彥宏稱堅持「模體並行、協同進化」

    百度於 11 月 12 日發布文心閃電深度思考模型與文心一鏡微表情大模型,並在百度智能雲千帆平台開放 API 服務予企業客戶及合作夥伴。文心一鏡微表情大模型英文名稱為 ERNIE-Wizshot-ME,可生成 4 至 15 秒、1080p 影片,刊例價為每秒人民幣 0.7 元。

  6. 新浪科技62

    百度發佈2800億參數文心5.5 Flash Preview,升級遊戲與3D能力

    百度發佈文心5.5 Flash Preview,重點升級程式編寫、遊戲開發、3D建模及內容創作能力。模型總參數量為2800億,每個Token啟用140億參數,支援最長100萬Token上下文,官方稱生成速度超過每秒200Token。模型已在百度智能雲千帆平台上線並可透過API調用,權重計劃於11月25日開放;API每百萬Token輸入繁忙時段2元、閒時1元,輸出繁忙時段8元、閒時4元。

  7. 字節 Seed:Research Feed77

    Seedance 2.5 正式發佈,單次影片生成時長提升至 30 秒

    Seed 團隊正式發佈新一代影片創作模型 Seedance 2.5,單次影片生成時長由 15 秒提升至 30 秒,並支援多輪延長。模型單次最多可輸入 30 張圖片、10 段影片及 10 段音訊作參考,並支援時間戳精準編輯。Seedance 2.5 正陸續上線即夢 AI、豆包專業版,API 服務近期將上線火山方舟。

    推薦理由:Seedance 2.5 將單次生成時長由 15 秒提升至 30 秒,並支援多輪延長及多模態參考,交代長敍事創作的主要能力變化。

  8. 字節 Seed:Research Feed73

    SeedRealtime 發佈音影片全雙工大模型,邁向全模態自然互動

    字節 Seed 正式推出 SeedRealtime 原生音影片全雙工大模型,將音訊、影片與文字整合於統一架構,並支援連續多模態資訊流即時互動。它可進行音影片聯合理解、主動介入及對話節奏判斷;端到端人工評測顯示,相較級聯模型,音影片對話節奏問題減少一半。SeedRealtime 已在豆包 App 全量上線,更新至最新版本後,可在對話框選擇「打電話」進入影片通話體驗。

11月11日週三
11月7日週六
  1. DEV Community79

    Gemini Omni 1.2 Flash 教學:如何免費製作 15 秒 AI 影片

    Gemini Omni 1.2 Flash 可生成及編輯最長 15 秒的影片,Google 帳戶用戶可透過 Google Vids 每月免費製作 3 段 15 秒影片。文章比較 Google Vids、Google Flow、Gemini app 和 Gemini API 的使用條件;Gemini API 的 720p 影片收費為每秒 $0.07,而 Flow 免費帳戶生成影片仍限 10 秒。

    推薦理由:文章比較 Google Vids、Flow、Gemini app 和 Gemini API 的 15 秒影片門檻與費用,並列出 Google Vids 每月 3 段免費額度及 Flow 免費帳戶的 10 秒限制。

11月6日週五
  1. Hacker News 熱門(buzzing.cc 中文翻譯)78

    Gemini Omni 1.2 Flash 推出,支援最長 15 秒影片生成

    Gemini Omni 1.2 Flash 已在 Gemini API 和 Gemini for business 正式提供,支援最長 15 秒影片生成,並加入多輪對話編輯及更強的參考素材跟隨能力。相較 Gemini Omni 1.1,影片時長上限由 10 秒增至 15 秒,720p 影片價格下調 30% 至每秒 $0.07。

    推薦理由:相較 Gemini Omni 1.1,更新將影片時長上限由 10 秒提高至 15 秒、價格下調 30%,並加入多輪編輯,具體呈現生成時長、成本與修改流程的變化。

  2. 新浪科技77

    Google DeepMind 推出 Gemini Omni 1.2 Flash,價格較 Omni 1.1 下調 30%

    Google DeepMind 於 11 月 5 日推出 Gemini Omni 1.2 Flash,並首次將 Omni 系列全面向開發者開放(GA)。新模型支援原生生成 15 秒影片(上一代為 10 秒)、多輪對話式編輯及更強的參考圖遵循能力;價格較 Omni 1.1 下調 30%,720p 每秒 0.07 美元,生成 15 秒約 1.04 美元。

    推薦理由:文章把原生片長、多輪編輯及參考圖遵循能力,與按秒定價及降幅一併呈現,可見模型如何降低生成成本並支援反覆修改。