生數科技發佈視頻生成旗艦模型Vidu Q4 Preview預覽版,面向影視創作、AI短劇、廣告營銷等場景。新版本在畫質分辨率、參考控制與鏡頭表現力上顯著升級,支持2K/4K高分辨率、10bit色深,單次最長生成16秒視頻,並具備多維度參考控制能力。
谷歌發佈視頻生成AI模型Gemini Omni1.1 Flash,最高支持4K超高清輸出,並在場景擴展、運鏡控制與生成效率上全面升級,面向開發者和專業創作者。該模型主打多項功能亮點,用戶可直接進行場景擴展等操作,推動多模態視頻生成向更高清、更長時方向演進。
商湯科技面向社區開源輕量統一多模態模型SenseNova U1.5-Lite-Preview。該模型基於U1系統性迭代,在單一架構中融合視覺理解、推理、生成與編輯四大能力,僅以8B-MoE參數即支持4K分辨率、更真實質感與複雜視覺控制。商湯稱U1驗證了統一架構可行性,U1.5則實現了輕量高性能的突破。
索尼PS6迎來技術變革,爆料稱其將融合視頻幀插補、獨家超分辨率算法與AI光線追蹤,藉助AI幀生成等黑科技,目標在4K分辨率下實現120幀超高流暢度體驗。
在線使用GPT Image 2.5創建和編輯圖像,免費啟動,輸出高達4K
用AI對圖像和視頻進行超分辨率處理,最高支持8K圖像和4K視頻
免費在線AI圖像放大器,秒將低分辨率照片提升至4K畫質
一款支持多模態輸入、可單次生成30秒原生4K畫質及同步音頻的AI視頻生成器。
Alibaba
$1
輸入tokens/百萬
$10
輸出tokens/百萬
256
上下文長度
Bytedance
-
$1.8
$5.4
16
Baidu
32
$3
$9
$1.5
$4.5
128
Huawei
Google
$0.14
$0.28
131
$0.35
$0.7
Chatglm
4
Minimax
Tencent
$3.5
$7
Mungert
GLM-4.1V-9B-Thinking是基於GLM-4-9B-0414基礎模型開發的視覺語言推理模型,專注於圖像文本到文本轉換,在複雜多模態任務中表現出色,支持64K長上下文和4K分辨率圖像處理,提供中英雙語支持。
THUDM
GLM-4.1V-9B-Thinking是基於GLM-4-9B-0414基礎模型的開源視覺語言模型,專注於提升複雜任務中的推理能力,支持64k上下文長度和4K圖像分辨率。
zai-org
GLM-4.1V-9B-Base是智譜AI開發的開源視覺語言基礎模型,擁有90億參數,專注於多模態推理能力,支持中英雙語,處理高達4K分辨率的圖像和64K上下文長度。
Efficient-Large-Model
Sana是一個高效生成4K分辨率圖像的文本生成圖像框架,能夠快速合成高分辨率、高質量且文本-圖像對齊性強的圖像,並可在筆記本電腦GPU上部署。
depth-anything
Prompt Depth Anything 是一種高分辨率且精確的度量深度估計方法,通過提示(prompting)釋放深度基礎模型的潛力,能夠生成高達4K分辨率的精確度量深度。
internlm
InternLM-XComposer2-4KHD是基於InternLM2的通用視覺語言大模型,具備4K分辨率圖像理解能力。
Banana Image MCP是一個基於MCP協議的AI圖像生成服務器,讓Claude等助手能夠使用Google Gemini模型生成高質量圖像,支持4K分辨率和智能模型選擇。