OpenAI 推出 Images 2.6 模型,使 ChatGPT 首次支持通过提示词或图片直接生成并编辑 GIF 动画。该更新同步提升了图像生成速度,并向所有用户及 API 开发者推送了 GPT-Image-2.6 Flare 和 Sunburst 新变体。
多模态生成
Multimodal Generation
模型同时处理文本、图像等多种数据类型并生成相应内容的能力
收录情报动态
商汤科技发布多模态智能体模型 SenseNova 6.8 Flash,主打“委派智能”与端到端交付能力。该模型在网页生成、3D PPT 及动态海报等场景表现优异,旨在降低设计与办公自动化门槛,用户仅需提供目标即可由 AI 完成全流程执行。
Genspark 正式推出视频 Agent 工作台 Media Studio,通过编排 LLM、图像及音视频生成模型实现自动化短剧制作。该工具支持一键复刻爆款模板与交互式分镜生成,大幅降低非专业用户的内容创作门槛。目前平台正进行会员积分五折促销活动。
谷歌推出新一代世界模型 Genie 4,通过整合 Gemini Omni 的视觉锚定与推理能力,实现了前所未有的实时交互式模拟。该模型原生支持多模态生成,能同步输出环境音效、音乐及人物对话,显著提升了虚拟世界的物理一致性与行为连贯性,被视为迈向通用人工智能(AGI)的关键基础设施。
NVIDIA 在 Hugging Face 发布 BioNeMo 系列开源模型 RFD4-Proteina,旨在通过统一多模态生成能力解决传统蛋白质设计中因工作流割裂导致的信息丢失问题。该模型支持从定义目标到生成候选蛋白的端到端可重复工作流,并已与 Proteinbase 竞赛平台集成以加速实验验证。
最新研究发现,观看经 AI 篡改的图像或阅读含错误信息的 AI 摘要,会显著增加受试者产生虚假记忆的概率,并使其对错误记忆的自信度更高。实验表明,即使提前告知信息源自 AI,人类仍难以抵御其误导,这导致依赖“人工监督”来纠正 AI 错误的机制面临失效风险。
Grimoire for Biology 推出了一款基于大模型的交互式生物学学习工具,用户可通过自然语言提问生成动态知识图谱、3D 模型及视频解释。该工具将蛋白质工程、细胞结构等复杂概念转化为可拖拽、缩放的可视化界面,旨在降低生物学入门门槛并提升学习效率。
TypeSafe AI 发布 Jev 1.14.0 版本,在保持核心模型稳定性的同时,为“梦想家”用户引入实验性功能。此次更新包括图像生成能力、新数据类型及更长的上下文窗口,旨在探索可靠性与创造力的平衡边界。
Kombai 推出新基准 Design Creativity Bench,通过原创性、创意范围和适用性三个维度评估 AI 在 UI 设计任务中的创造力。评测显示,尽管前沿模型能生成功能性界面,但在创意决策上仍显著落后于人类设计师,最佳模型 GPT-6 Astra 得分仅为 65.5,而人类参考得分为 92.3。该基准已开源完整方法论与数据集,旨在将设计创造力转化为可量化的模型能力指标。
OpenAI 宣布其新模型 GPT-6 Astra 与视频平台 Higgsfield 达成合作,将 AI 视频生成时长上限从 1 分钟提升至 10 分钟。该能力主要依赖 GPT-6 Astra 支持的“创意智能体”特性,通过调用外部工具(如 3D 建模)来维持长视频中角色、场景和视觉细节的一致性。此外,Higgsfield 还集成了 GPT-Image-2.5 用于稳定渲染图像文字,并利用 Codex 加速内部产品开发。