跳到正文

模型發布

新模型的釋出、開源與迭代:大模型廠商的旗艦更新、開源權重放出、效能與價格變化的第一時間記錄。

369條精選相關主題產品更新論文研究開源生態

最新精選

第 241–260 條 · 共 369 條
11月6日週五
  1. Google Gemini67

    Gemini Omni 1.2 Flash 自即日起陸續向所有 Google AI 訂閱者推出,可透過多輪對話編輯影片,並提升畫面穩定度。 影片長度:Google AI Ultra 訂閱者現在可建立及編輯最長 15 秒的影片。 更多資訊:Google 部落格

    推薦理由:這次更新同時說明影片對話式編輯能力與不同訂閱方案的生成時長,呈現 Gemini 影片工具的功能及可用範圍。

  2. Google84

    Gemini Omni 1.2 Flash 更新影片生成能力,主打更高一致性、更多創作控制,以及更快速且具成本效益的大規模影片製作。 - 成本與解析度:以 360p 或 720p 草稿生成,價格為 $0.07/s,再升級至 1080p 或 4K;成本降低 30%。

    推薦理由:更新涵蓋生成成本、片長與對話式編輯,也加入多說話者對白和鏡頭控制,呈現影片生成模型的操作範圍變化。

  3. Logan Kilpatrick66

    Gemini Omni Flash 1.2 推出,影片生成時間延長至 15 秒,並將價格較 Omni Flash 1.1 降低 30%。 功能更新:提供更深入的電影感鏡頭視角控制,支援多輪對話編輯,並減少視覺漂移。 更多資訊:https://t.co/U0VgGTGcmW

    推薦理由:Gemini Omni Flash 1.2 延長影片生成時間並加入多輪編輯支援,也降低定價,呈現此版本在控制能力與成本上的變化。

  4. Google AI69

    Google 推出 Gemini Omni 1.2 Flash,提高影片生成與剪輯時長上限,並調降 API 價格。 - 影片能力:生成與剪輯上限提高至 15 秒;更新場景連貫性、角色語音,並減少跳接等視覺瑕疵,讓生成內容更貼近上傳的參考素材。

    推薦理由:這次更新把影片生成與剪輯上限提高至 15 秒,並調降 API 單價,呈現創作端與開發端的主要變化。

11月5日週四
  1. Hugging Face Blog78

    Phonon TTS 推出可離線運作的裝置端語音模型

    Hugging Face 發布 Phonon TTS,提供可在裝置端離線運作的文字轉語音模型,並公開模型權重與多種部署方式。 - 模型與授權:兩種模型大小約為 65 MB 和 75 MB,支援英文、法文、德文、西班牙文與葡萄牙文。

    推薦理由:文章整理 Phonon 在五種語言的可懂度排名與 CPU 串流速度表現,並說明小型裝置端語音模型的授權與部署方式。

  2. Hacker News (official RSS)82

    Baidu 發布 ERNIE-5.5-Flash-Base 基礎模型

    Baidu 發布 ERNIE-5.5-Flash-Base,這款尚未經過中期訓練或後訓練的 MoE 基礎模型,旨在提供開放的後續訓練起點。

    推薦理由:文章比較 ERNIE-5.5-Flash-Base 與三款相近規模基礎模型的多項基準,呈現其推理、程式與長上下文表現,以及各項評測的差異。

  3. Hacker News (official RSS)86

    Kimi K3.1 Pro 開放權重發布

    Kimi K3.1 Pro 開放權重發布,這款原生多模態AI 助理模型採 MoE 架構,提供 1,048,576-token 上下文視窗。 - 模型規模:總引數 2.8T,啟用引數 104B;支援文字與影像輸入。

    推薦理由:材料列出模型規模、推論設定與多項基準成績,並說明 API 和推論引擎支援,便於比較其能力與部署條件。

11月4日週三