商汤想让图像被交付，而不是靠抽卡
大多数图像模型回答一句提示词就结束了。SenseNova U1 Pro 则是围绕回应一份需求简报来构建的，而这件事更杂乱，也更有用。
← 全部文章
分类
Ai
343 articles
Flux 3 与 Imagen 4 登陆 Replicate，图像模型货架愈发拥挤
四款 Imagen 模型和一次 Flux 发布同一天登上同一个平台。真正重要的差异，比营销话术所暗示的要窄得多。
蚂蚁集团的 Ming-Image：以图层设计，而非平面图片
两款 60 亿参数模型瞄准设计中不那么光鲜的一半：可读的文字，以及客户要求修改时你仍然可以编辑的输出。
哔哩哔哩在 Apache-2.0 许可下开源 150 语言翻译模型家族
语言数量是头条，但配音和字幕分支才是它真正有用的地方。翻译正在被重建为一组受约束的任务。
Runway 的 Praxis-1 押注：视频预训练是通往机器人大脑的捷径
真实机器人数据稀缺且昂贵。Runway 主张捷径经过视频，并报告模拟与真实结果之间具有 0.95 的相关性。
Utopai 希望 AI 电影制作记住整部电影，而不只是单个镜头
如今，生成一段令人信服的片段已是常规操作。让一个制作项目记住它在四十个镜头中做出的决定，才是更难的问题，而 Utopai 押注这正是产品所在。
PixVerse R2 将视频生成变成可以漫步其中的世界
R2 不返回一段视频，而是在你穿行其中时让世界持续运转。代价是逐帧质量，而 AIsphere 对此直言不讳。
Ideogram 4.5 与编辑漂移难题：为什么只改动一处仍然如此困难
编辑一次图像很容易。反复编辑十四次而不让画面崩坏才是难事，而如今有三家公司正在竞相解决这一问题。
一个四步即可运行的开放图像模型，意义远比听起来重大
把采样步数从 50 步削减到 4 步绝非小幅优化。它改变了延迟与成本，也决定了一个图像模型能否运行在你面前的这台机器上。
OpenAI 把旗舰图像模型一分为二。这件事比任何基准测试都更能说明问题。
Images 2.5 以同一价格的两种模型登场。这次分叉是在承认：购买图像生成的人，已经分裂成两类不同的用户。
九月国产大模型扎堆开源：这一次，卷的是“用得起”
GLM-5.3-Flash 用 MIT 协议开源并跑在国产芯片上，美团端出 1.6 万亿参数的 LongCat-2.0。九月国产大模型扎堆开源，真正在卷的是“用得起”。