苹果刚开源 STARFlow-V，用“归一化流”重构视频生成，速度快且长视频更稳。
技术原理简化：
主流 Diffusion 像“雕刻”，需几十步循环去噪才能出画面；STARFlow-V 的 Normalizing Flows 技术更像建立了一条“直达通道”，通过数学变换直接将噪音映射为视频，无需反复迭代。
核心亮点：
🔹 效率暴增：70亿参数 (7B) 模型，因非迭代特性，生成 5 秒视频的速度比初始版本快 15 倍，且训练只需单次前向传播。
🔹 长视频更稳：在 30 秒长视频测试中，画面一致性表现优于各类 Diffusion 竞品，有效缓解了“时间越长画面越崩”的通病。
🔹 原生多模态：得益于可逆架构，无需针对 T2V、I2V 或视频编辑分别修改模型，一套架构直接通吃。
⚠️ 硬件短板：目前输出仅 480p @ 16fps，物理规律模拟（如物体碰撞）仍有缺陷，离商业级商用还有距离。
项目与代码：https://github.com/apple/ml-starflow
#AI视频 #开源模型 #深度学习 #AppleSilicon #技术趋势
苹果刚开源 STARFlow-V，用“归一化流”重构视频生成
更多动态
想做 24/7 无人直播却卡在“一眼假”？
阿里发布 Live Avatar：基于 14B 参数扩散模型的无限时长、实时数字人方案，解决长时序生成“脸崩”痛点。 RAG 是给大模型挂外脑，Live Avatar 则是给视频生成装了“流水线”和“校准器”。 🔹 无限时长不崩坏：传统模型生成久了容易身份漂移（变脸），它引入 RSFM（滚动锚定帧）机制，每生成一步都回头校准初始特征，实测 10,000 秒直播唇形与面部依然稳定。 🔹 实时性突破：利用 TPP（时间步流水线并行）将复杂的去噪过程拆解到多张 GPU 像流水线一样并行处理。在 5 张 H800 上实现 20 FPS，硬是将非实时的 Diffusion 变成了实时流。 🔹 落地即变现：无需繁琐训练，一张图 + 音频即可驱动。结合 LLM 做智能客服或带货主播，官方数据显示转化率提升 25%，大幅降低人工成本。 🔗 项目主页：https://liveavatar.github.io #AI视频 #虚拟人 #电商直播 #LiveAvatar
零成本接入旗舰级视觉模型，前端开发与长文档分析效率直接翻倍。
智谱 GLM-4.6V 更新，Flash 版 API 限时免费，原生支持多模态工具调用，解决“只看不做”的痛点。 🔹 原生 Function Calling 这是该系列首次引入原生函数调用。简单说，以前的模型只能“看图说话”，现在能“看图干活”——识别视觉信息后直接调用搜索或代码解释器，完成端到端任务。 🔹 Design2Code 实战极强 对独立开发者很友好，在 Design2Code 基准测试中跑分 93.4%。直接丢进去一张 UI 设计稿，生成的代码可用性很高，大幅缩短切图与前端构建周期。 🔹 128K 长窗口与视频理解 实测可吞下 200 页 PPT 或 1 小时视频。亮点是长视频的“大海捞针”，比如能精准定位球赛进球的时间戳，不用自己从头拉进度条，适合做视频内容的快速摘要与检索。 🔗 试用/API：open.bigmodel.cn 🔗 模型权重：huggingface.co/THUDM/glm-4v-9b #AI工作流 #多模态 #GLM4 #前端开发 #开源模型
SpaceX 悄悄砍了 Grok Bot 的用量额度。
不少用户一觉醒来发现本周配额直接从 50% 跳到 100% 用满，自己却没动过。 马斯克在 X 上确认这不是 bug，他的原话是“Grok Bot 的服务成本相对营收高得不可持续。”。 看来grok-bot成本确实高，不过我注意到配额已经恢复到了之前版本，昨天显示已用50%，今天降成30%。
openrouter拼多多版来了。
wokey是一家大模型撮合商，将用不完套餐的用户与套餐不够用的用户撮合在一起，抽取20%撮合费。 前者提供套餐额度可获得80%的收益，后者调用大模型最多可省官方API价格的90%。 我主要用它调用旗舰模型，保真且划算，不用折腾订阅，调用便宜模型不如中转站的价格便宜。 🔗 https://wokey.ai/r/GKT1C78R
