字节跳动Seed团队发布新一代视频创作模型Seedance2.0，采用统一的多模态音视频联合生成架构，推动AI视频生成从“单点突破”迈向“全能协作”的工业级应用阶段。相比1.5版本，新模型在复杂交互与运动场景下的可用率显著提升，通过出色的物理还原能力，攻克了双人花滑、多人竞技等高难度动作生成难题。
阿里千问APP接入万相2.5模型，视频创作能力升级，动作精度和肢体协调性提升，成为首个支持音视频同步输出的移动端AI助手。该模型具备音画同步能力，支持多模态输入输出，在LMArena评测中图生视频能力全球第三。
巨人网络AI Lab联合清华大学、西北工业大学发布三项音视频多模态生成技术：YingVideo-MV（音乐驱动视频生成）、YingMusic-SVC（零样本歌声转换）和YingMusic-Singer（歌声合成）。这些技术将开源，其中YingVideo-MV仅需音乐和人物图像即可生成视频。
蚂蚁集团AI助手“灵光”上线4天，App Store中国区下载量破百万，登顶免费榜第六，速度超ChatGPT和Sora2。团队紧急扩容保障核心功能稳定。产品亮点：用户用自然语言30秒生成可编辑、可交互的小程序，支持3D、音视频等多模态输出，零门槛操作。
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
-
Anthropic
$105
$525
200
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
$2
$20
Baidu
128
$6
$24
$8
$240
52
TencentARC
ARC-Qwen-Video-7B是腾讯ARC实验室开发的用于理解现实世界短视频的多模态模型，基于Qwen2.5-VL-7B-Instruct构建，支持音视频同步分析和理解。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
