Apple 发布 FastFrames 视频生成模型,提供 14B 与 1.3B 版本
Apple 发布可实现交互式延迟的 FastFrames 视频生成模型。FastFrames-L(14B):huggingface.co/apple/FastFram…;FastFrames-S(1.3B):huggingface.co/apple/FastFram…。
Apple 发布可实现交互式延迟的 FastFrames 视频生成模型。FastFrames-L(14B):huggingface.co/apple/FastFram…;FastFrames-S(1.3B):huggingface.co/apple/FastFram…。
Runway 开源发布机器人控制模型 Praxis-1,提供开放权重与源代码,采用 Apache 2.0 许可支持商用。该模型基于视频训练学习物体运动规律,再用人类动作视频和机器人数据微调,输入摄像头图像、文字指令和机器人位置信息来预测环境变化并计算机器人动作。
Google AI 发布 Gemini Omni 1.2 Flash,将视频生成和编辑上限提高至 15 秒,并改进场景连贯性、角色语音、视觉跳切和参考素材一致性。Flow 支持场景导演与多轮编辑,Google Vids 和 Gemini App 可创建 15 秒视频;面向 API 开发者和企业,720p 视频价格较上一代下调 30% 至 $0.07 per second。
推荐理由:Gemini Omni 1.2 Flash 将视频时长上限、场景连贯性和参考素材一致性结合起来,并给出 API 价格变化,便于比较其创作与接入成本。
Google DeepMind 推出 Gemini Omni 1.2 Flash,已在 Gemini API 和 Gemini for business 全面开放。
Qwen3.8-Omni-Flash 正式上线,支持文本、图像、音频和视频输入,以及 1M 长上下文。在累计 29 项评测中,相比上一代 Qwen3.5-Omni-Plus 平均得分提升超过 25%。API 每小时音频输入价格降幅超过 98%,音视频输入价格降幅超过 93%。
推荐理由:原文提供了与上一代模型的评测和价格对比,帮助判断 Qwen3.8-Omni-Flash 在音视频 Agent 场景中的变化。
Meta Superintelligence Labs 发布 Muse Image,并预览 Muse Video。
推荐理由:文章交代了 Muse Image 的工具调用、自我优化和多参考合成机制,以及 Muse Video 的预览状态与开放范围,便于理解这次发布的能力边界。