跳到正文
AI 资讯
11月17日周二
  1. Latent Space59

    Black Forest Labs 访谈解读 FLUX 3 的视觉智能训练思路

    Black Forest Labs 在访谈中介绍 FLUX 3 如何联合训练图像、视频与声音,以学习物体运动、视角变化和碰撞声音。团队认为普通二维视频可提供不同视角下物体外观的证据;其视频放大器沿用 FLUX 3 骨干,以减少逐帧增强导致的时间闪烁。FLUX Kontext 团队还分享了从关系标注实验到训练数据和模型的数月迭代,以及修复老旧家庭照片的实际用法。

11月14日周六
  1. The Decoder69

    Runway 开源 Praxis-1 机器人控制模型

    Runway 发布 Praxis-1 机器人控制模型,以开放权重和 Apache 2.0 源码形式提供,并允许商业使用。模型接收摄像头图像、文本指令和机器人位置信息,预测环境变化并持续计算控制动作;其在 Nvidia RoboLab-120 上的成功率为 46.2%,实机十项任务共成功 88 次。

11月13日周五
11月12日周四
11月6日周五
  1. Google DeepMind79

    Google DeepMind 发布 Gemini Omni 1.2 Flash,支持最长 15 秒视频生成

    Google DeepMind 开始推出 Gemini Omni 1.2 Flash,新增原生 15 秒视频生成、多轮对话式编辑和增强的参考图遵循能力。该版本支持 3 至 15 秒时长选择,720p 视频价格降至每秒 $0.07,较 Gemini Omni 1.1 降低 30%。

    推荐理由:文章说明了 Gemini Omni 1.2 Flash 的时长、价格和编辑能力变化,并给出其在 API 与多款 Google 产品中的可用范围。

  2. AIHOT83

    Google 发布 Gemini Omni 1.2 Flash,开放至多款产品

    Google 宣布 Gemini Omni 1.2 Flash 从今日起在 Google Cloud、Flow、Google Vids、Google Ads、Google AI Studio 和 Gemini API 上推出。Gemini App 同时面向所有 Google AI 订阅者开放,Ultra 订阅者可生成 15 秒片段,详情见 http://goo.gle/4kzWTi3。

    同一件事,精选收录的是《Google DeepMind 发布 Gemini Omni 1.2 Flash,支持最长 15 秒视频生成》

10月30日周五
10月28日周三
  1. Google DeepMind75

    Google DeepMind 发布 Genie 4 实时世界模型

    Google DeepMind 发布 Genie 4 世界模型,支持原生多模态生成与实时交互式世界模拟。模型结合 Gemini Omni、Gemini 3.8 Flash 等能力,可生成环境音效和交互对话,并模拟物理现象、人物动作及多步骤事件。

    推荐理由:原文同时呈现了 Genie 4 的能力边界与可信测试反馈,便于理解实时世界模型当前的可用范围。