💡 免费搭建专属Vibe AI编程平台
更多动态
🎬 告别繁琐工具:一站式解锁影音创作
阿里巴巴 Wan2.5-Preview 发布,通过其创新的原生多模态架构与音画同步能力,重塑视觉内容生成。告别多平台切换,开启更高效的创作体验。 核心技术 1️⃣ 原生多模态架构:区别于传统“拼接”模型,Wan2.5-Preview 采用统一框架,能同时处理文本、图像、视频和音频输入输出。理解与生成更深层次的跨模态关联,带来高保真度体验。 2️⃣ 联合多模态训练:通过同步训练文本、音频、视觉数据,模型学会深度关联不同模态。这是实现其标志性“原生音画同步”功能的基础,例如口型与语音的精准匹配。 3️⃣ RLHF 人类偏好对齐(用人类的反馈训练 AI):引入强化学习,不断向人类审美与动态表现偏好校准。让生成内容更具“电影感”和艺术吸引力,避免僵硬与不自然。 🎥 视频生成革新: ◦ 原生音画同步:首次实现单次生成流程中,同时创造高保真视频与完全同步的音频内容,包括人声对白、音效和背景音乐。支持音频驱动视频生成。 ◦ 电影级画质与时长:支持 1080p 全高清,单次生成时长达 10 秒,镜头运动与结构稳定性显著增强,提供专业级电影感。 ◦ 多模态输入:可自由组合文本、图像、音频作为输入源,创意起点更灵活 图像编辑精准控制: ◦ 高级图像生成:精准遵循复杂指令,生成照片级真实感图像,支持多样艺术风格、创意中文/英文文字设计及专业图表。 ◦ 对话式编辑:支持多轮自然语言指令编辑图像,实现像素级精准控制,如多概念融合、材质变换、产品换色。 Wan2.5-Preview 定位独特,尤其在原生音画同步、多语言支持(特别是中文)及工作流整合方面,对比 Sora、Kling、Veo3 具有优势。虽然目前采用 API 预览模式引发社区对开源的讨论,但这被认为是阿里收集数据(用于 RLHF 优化)与构建技术壁垒的战略考量。 快速上手: 目前 Wan2.5-Preview 提供 API 服务。创作者可通过其平台探索其音画同步、多模态输入等新能力,体验更高效的创作工作流。 官网: https://wan.video

🏢 最便宜的万亿级 AI 模型: Qwen3-Max
阿里最近发布了对标 GPT-5 的旗舰闭源模型 Qwen3-Max,核心是提供一个高性价比的企业级解决方案,而非单纯追求参数规模。 它的万亿参数规模基于 MoE (混合专家) 架构,原理类似一个公司聘请了无数专家,但每次只激活最相关的几位来解决问题,以此保证响应速度与较低的推理成本。 1️⃣ 双版本策略,场景分明 ◦ Instruct 版:已正式上线,面向生产环境,指令遵循与代码修复能力很强,响应直接快速。 ◦ Thinking 版:仍在训练,主打复杂推理,通过代码解释器等工具增强,能在一些数学基准上拿满分,但计算成本也更高。 2️⃣ 性能特点务实,不搞“全能” ◦ 强项:在企业自动化 (Tau2-Bench) 与真实世界代码维护 (SWE-Bench) 方面表现突出,很适合构建复杂的 AI Agent 与知识库 RAG 系统。 ◦ 弱项:在新算法编程 (LiveCodeBench) 这类需要从零创造的场景表现温和,对话的创造性与细节处理不如 GPT 或 Claude。 3️⃣ 开发者友好,迁移成本低 ◦ 定价模型很有竞争力,按上下文长度分层计费,综合成本低于 Claude Opus 4.1 等模型。 ◦ 提供兼容 OpenAI 的 API 接口,方便现有项目快速迁移测试。 日常开发与自动化流程,首选 Instruct 版即可,性价比高。只有在处理需要深度思考、跨工具协作的复杂任务时,再考虑调用 Thinking 模式。 上手指南:可以直接在官网免费体验两个模式的差异,也可以通过阿里云百炼或 OpenRouter 等平台 API 调用。建议优先测试它在多语言翻译、结构化数据(如 JSON)生成等场景的稳定性。 官网博客: https://qwen.ai/blog?id=241398b9cd6353de490b0f82806c7848c5d2777d 免费体验: https://chat.qwen.ai

美团 LongCat-2.5发布了。
1.6T 总参、激活约 48B,原生多模态,主推长程智能体,全程国产算力训练。 图像量化成多级离散 token,Visual Coding 与 3D 受益。 大规模长程 RL,把失败轨迹转成可验证训练任务。 W4A4 推理,prefill 吞吐提升 43%。 官方自测介于 Claude-Opus-4.8 与 Opus-5 之间。

商汤开源 SenseNova Loop-9B-Preview。
它不堆参数,堆"层数"。32 层解码器,中间 4–27 层同权重跑两遍 → 前向 56 层计算,只存 9B。 自测 BIRD-Dev 71.38、AutomationBench 13.72,超 Qwen3.5-27B;Terminal Bench依旧落后。
