跳到正文

多模态

文本之外的能力:视觉理解、图文混合、音视频输入输出的模型与产品进展。

592 条精选相关主题图像生成AI 视频语音与音频

最新精选

第 161–180 条 · 共 592 条

7月17日星期五

Hacker News 首页

月之暗面发布 2.8 万亿参数 Kimi K3,自称首个开源 3T 级模型,API 定价看齐 Claude Sonnet

月之暗面推出了 Kimi K3,一个 2.8 万亿参数的模型,他们把它四舍五入叫成“首个开源 3T 级模型”。这个模型 API 定价是输入每百万 token 3 美元、输出 15 美元,跟 Anthropic 的 Claude Sonnet 系列一个价,是目前中国 AI 实验室里最贵的模型。

推荐理由:月之暗面发布 2.8 万亿参数的 Kimi K3,API 定价输入每百万 token 3 美元、输出 15 美元,与 Claude Sonnet 系列持平,是目前中国 AI 实验室中定价最高的模型。

Sinocism · 比尔·毕晓普

WAIC 开幕前,中国推动 AI 新秩序,Kimi 发布开源大模型

世界人工智能大会(WAIC)开幕前一天,两条消息撞在一起。一是习近平设欢迎晚宴,王毅与 29 国代表签协议,要成立“世界人工智能合作组织”。央视账号玉渊谭天发文解释,中国想探索另一种 AI 秩序:开源、全要素共享,打破闭源模型和算力限制造成的技术依赖。

推荐理由:WAIC 开幕前一天,29 国代表签署协议筹建世界人工智能合作组织,央视账号同步阐释以开源和全要素共享为核心的另一种 AI 秩序主张。

AI HOT 精选

xAI 不再嘴硬说 Grok 不会生成儿童性虐待图像,转而起诉用户

xAI 第一次起诉了一名用 Grok 生成儿童性虐待图像的用户。公司之前一直说这种内容是用户自己搞出来的,但这次起诉等于变相承认模型确实能被用来产出非法内容。文章没提具体用了什么安全措施、哪个模型版本,也没说有多少用户受影响。这看起来更像是法律层面的止损操作,而不是技术上的修复。

推荐理由:xAI 起诉一名用 Grok 生成儿童性虐待图像的用户,此前公司一直称这类内容由用户自行造成,此次诉讼让模型可被滥用这一事实进入司法程序。

7月16日星期四

Latent Space

Lila Sciences 想把实验室变成数据中心,让 AI 24 小时不停做实验

Lila Sciences 的 CTO Andy Beam 和 CSO Rafa Gómez-Bombarelli 觉得互联网数据快被挖光了,科学方法才是最后一块互联网规模的数据来源。他们把实验室当成一个无限生成数据的机器:用强化学习提假设,让自然界来验证。目前他们已经产出了超过 10 万亿个经过实验验证的科学推理数据点。

推荐理由:Lila Sciences 把自动化实验室当作持续产出科学数据的数据中心,用强化学习提假设、物理实验做验证,已积累超 10 万亿个验证数据点,为 AI 数据来源提供了一条新路径。

AI HOT 精选

天工短剧工作台上线导演Agent和无限画布,自动拆剧本、定机位,解决AI短剧角色乱跑和变脸问题

天工短剧工作台这次放出了两个东西:一个叫导演Agent,能自动把剧本拆成分镜,规划演员站位和镜头角度,同时生成多视角的细节图,专门解决AI短剧里角色脸变来变去、位置漂移的老毛病。另一个是无限画布,配合内置的影视级提示词模板、720°全景图和3D导演台,让制作过程更可控。他们已经有3部作品在海外短剧平台DramaWave上线,7天营收破百万美元。

推荐理由:天工短剧工作台推出导演Agent与无限画布,自动拆分镜并规划站位和机位,针对AI短剧角色变脸与位置漂移问题给出制作端方案。

The Verge · AI

xAI 起诉一名用户,指控他用 Grok 生成儿童性虐待材料的深度伪造图

马斯克的 xAI 向联邦法院起诉了 Terry Harwood,说他绕过了 Grok 的安全护栏,用“提示词注入”之类的手段生成了儿童性虐待材料(CSAM)的深度伪造图。这是 AI 公司主动起诉用户生成违法内容的罕见案例,但报道没披露他具体用了什么技术、生成了多少张图。

推荐理由:xAI 在联邦法院起诉用户 Terry Harwood,指其绕过 Grok 安全护栏生成儿童性虐待材料深度伪造图,AI 公司主动起诉终端用户的案例此前少见。

Hacker News 首页

两拨朋友用 AI 做了几乎一模一样的婚礼视频

作者参加了一场婚礼,新娘的朋友和新郎的朋友各自用 AI 做了一段致敬视频。两段视频讲的故事不同,但成品高度雷同:旁白的语气和节奏一样,都用了飞越海滩、穿过森林和星空的空镜,连国家地理风格的解说词都撞了。现场宾客反而觉得这个巧合很好玩。作者认为日常创作正在被 AI 拉向一个平庸的均值,但没下结论这到底是因为大家怕做出烂东西,还是单纯选了最省事的路径。

推荐理由:新娘与新郎两拨朋友各自用 AI 制作致敬视频,成品在旁白语气、空镜和地理风格解说词上高度雷同,是日常创作被 AI 拉向均值的一个具体样本。

7月15日星期三

TechCrunch · AI

苹果 AI 功能拿到中国准入许可,底层用阿里的通义千问模型

中国网信办批准了 Apple Intelligence 在国内上线,前提是苹果把阿里的通义千问(Qwen)模型集成到 iOS、iPadOS、macOS 和 visionOS 里,负责文字和图片的理解与生成。阿里确认了合作,但没给具体上线时间。苹果之前找过百度、DeepSeek 和字节跳动,都因为模型适配问题没谈成。

推荐理由:苹果为让 Apple Intelligence 入华,把阿里通义千问集成进 iOS、iPadOS、macOS 和 visionOS,此前与百度、DeepSeek、字节的适配谈判均未谈成。

Hacker News 首页

PrismML 发布 Bonsai 27B:第一个能在手机上跑的 270 亿参数模型

PrismML 把 Qwen3.6 27B 压缩到了 3.9 GB,塞进了 iPhone 17 Pro。他们做了两个版本:三元版(5.9 GB)保留了原版 95% 的能力,1-bit 版(3.9 GB)保留了 90%。数学和编程分数几乎没掉,工具调用也撑住了,但视觉任务退化比较明显。

推荐理由:PrismML 把 Qwen3.6 27B 压到 3.9 GB 装进 iPhone 17 Pro,三元版保留 95% 能力,1-bit 版保留 90%,数学与编程几乎不降,视觉任务退化明显。

7月14日星期二

Ben's Bites

OpenAI 发布 GPT-5.6:三个模型、五档思考强度,外加一个会疯狂派生子智能体的 Ultra 模式

GPT-5.6 系列包含 Luna、Terra 和 Sol 三个模型,每个模型都提供从“轻度”到“最大”五档思考强度,以及一个 Ultra 模式。Ultra 模式会让模型大量派生子智能体来干活,非常消耗使用额度。

推荐理由:GPT-5.6 系列一次给出 Luna、Terra、Sol 三个模型,每个模型带五档思考强度,Ultra 模式会大量派生子智能体并明显消耗额度。

7月13日星期一

AI HOT 精选

字节 Seedream 5.0 Pro 实测:在图上打点、画框就能换沙发改颜色,其他区域不动

Seedream 5.0 Pro 把图像编辑的门槛压得很低。你可以在图片上打点、画框或者随手涂一下,然后在提示词里用 @ 标记,就能精准换掉沙发、改墙面颜色,画面其他部分保持不变。官方放出的案例包括一次性替换六件家具、做键盘爆炸拆解图并标注卖点、在画好的框里生成海报文字,还支持色卡配色和 SKU 换色。

推荐理由:字节 Seedream 5.0 Pro 支持在图上打点、画框或涂鸦,再用 @ 标记指定对象,实现换沙发、改墙色等局部编辑而其余画面不动,官方案例覆盖家具替换、爆炸图与 SKU 换色。

7月11日星期六

Hacker News 首页

Meta 上线几天就紧急下架 Muse Image,因为默认把用户照片喂给 AI 生图

Meta 周二在 Instagram 上线了 AI 生图工具 Muse Image,允许任何人用公开账号的内容生成 AI 图片,而且用户被默认加入,不用事先同意。这个设定立刻引发隐私争议,Meta 承认“没把握好分寸”,几天后就把功能撤了。

推荐理由:Meta 在 Instagram 上线 AI 生图工具 Muse Image,将公开账号用户默认纳入且无需事先同意,引发隐私争议后几天内撤下功能。

TechCrunch · AI

Meta 上线不到一周就砍掉了 Instagram 的 AI 改图功能,因为用户不买账

Meta 在 7 月 7 日推出了一个叫 Muse Image 的 AI 图片生成器,其中有个功能是你可以 @ 任何公开的 Instagram 账号,拿对方发的照片当参考图来生成新图片,而且对方完全不会收到通知。这个设计立刻引发大量反对,TechCrunch 还专门出了教程教大家怎么关掉这个功能。

推荐理由:Meta 上线 Muse Image 不到一周便撤下允许用户 @ 公开账号照片生成新图且不通知对方的功能,这一从上线到撤回的完整过程是 AI 产品默认同意设计的直观案例。

AI HOT 精选

Meta 上线两天就关掉了 Instagram 里用公开账户生成 AI 假照片的功能

7 月 8 号 Meta 在 Instagram 私信里塞了个叫 Muse 的功能,用户给 @MetaAI 发一句“imagine me as [某个公开账户]”,就能生成一张模仿对方风格的假照片。两天后因为反对声太大,Meta 把这功能关了。发言人只确认功能已下线,没解释原因。

推荐理由:Meta 在 Instagram 私信上线 Muse,用户发一句话即可生成模仿公开账户风格的假照片,功能两天后因反对声下线。

7月9日星期四

Ben's Bites

SpaceXAI 和 Cursor 联手训出 Grok 4.5,成本只有 Opus 的六分之一

SpaceXAI 和 Cursor 一起训了个新模型 Grok 4.5,性能大概卡在 Opus 4.7 和 4.8 之间,但按 token 算钱的话,比 Opus 便宜 6 倍,比 GPT-5.5 便宜 3 倍。现在 Cursor 里能用,API 也开放了。

推荐理由:SpaceXAI 与 Cursor 联合训练的 Grok 4.5 已上线 Cursor 并开放 API,性能介于 Opus 4.7 和 4.8 之间,按 token 计费比 Opus 便宜 6 倍。

Latent Space

SpaceXAI 发布 Grok 4.5,跟 Cursor 联手训了个主打编程和干活儿的模型

SpaceXAI 赶在 GPT-5.6 发布前一天放出了 Grok 4.5。这是个 1.5 万亿参数的大模型,比上一代 Grok 4.3 大了三倍,专门冲着编程和让模型进业务流程干活儿去设计的。Cursor 说这是他们头一回把模型能力扩展到纯写代码之外。

推荐理由:SpaceXAI 与 Cursor 联手推出 Grok 4.5,Cursor 的模型能力拓展从代码编写延伸到业务流程任务。

AI HOT 精选

诉讼称一男子用 Grok 生成 7000 张继女色情图片后自杀,xAI 只上报了一条轮奸提示词

一起新诉讼指控 xAI 的 Grok 被用来生成了超过 7000 张用户继女的儿童性虐待图片,该男子随后开枪自杀。xAI 只向美国国家失踪与受虐儿童中心上报了一条涉及轮奸的提示词,其余数千次生成均未报告。诉讼指责 X 和 xAI 在庇护儿童侵害者。

推荐理由:诉讼指控该男子用 Grok 生成超 7000 张继女色情图片,xAI 仅上报其中一条涉及轮奸的提示词,平台安全上报机制的实际覆盖范围由此进入司法审查。

7月8日星期三

Hacker News 首页

Mistral 发布 Robostral Navigate:一个只用单摄像头的机器人导航模型

Mistral 推出了一个 80 亿参数的模型,让机器人只靠一个普通 RGB 摄像头就能在室内外认路,直接输出速度和转向角。它跳过了激光雷达和高精地图,思路是降低硬件门槛。不过公告里没提延迟、帧率、跑在什么硬件上、用了多少训练数据,也没给具体的测试基准分数。这点先别太激动,等第三方实测再说。

推荐理由:Mistral推出的导航模型用普通RGB摄像头直接输出速度和转向角,通过省去激光雷达和高精地图探索降低机器人导航硬件门槛。

TechCrunch · AI

Meta 推出 Muse Image 生图工具,用户照片被拿来 AI 改图引发反弹

Meta 在 7 月 7 日上线了 Muse Image,一个由旗下 Superintelligence Labs 做的免费 AI 生图工具,可以在 Meta AI 应用、Instagram 快拍和 WhatsApp 里用。功能本身跟主流生图工具差不多,还提供预设提示词帮你起头。

推荐理由:Meta 推出 Muse Image 生图工具后因使用用户照片改图遭遇反弹,照片使用边界成为产品上线时的争议焦点。

AI HOT 精选

Meta 发了两个新模型 Muse Image 和 Muse Video,一个画图一个做视频,都接进了 Instagram 和 WhatsApp

Meta 的超级智能实验室放出了 Muse Image 和 Muse Video,这是他们头一批媒体生成模型。Muse Image 主打听话出图,能按指令精确生成、编辑图片,还能参考多张图来构图,并且会读 Instagram 上的社交信息当上下文。它还能调用工具干活,集成了一个叫 Muse Spark 的东西,具体是什么正文没细说。

推荐理由:Meta让Muse Image读取Instagram社交信息作为上下文,为按指令生成和编辑图片加入社交信息参考。