搜索全球AI产品动态

Lightricks开源AI视频模型LTX-Video迎来重大升级，支持60秒长视频生成，打破行业8秒限制。该模型采用自回归流式架构，实现从图像到高清视频(最高1216x704分辨率)的实时生成，首秒内容瞬时呈现。新增动态场景控制功能，允许实时调整姿势、深度等元素，支持多种生成模式。130亿参数模型在消费级GPU(最低8GB显存)上高效运行，60秒视频仅需数秒生成。作为开源项目，其代码和权重已免费发布，但商业用途受限。此次升级为创作者提供了长篇叙事能力，未来将在LTX Studio推出商业版本。

Mistral AI聊天机器人Le Chat迎来重大更新，新增五项核心功能：1）深度研究模式可智能拆解复杂问题并生成结构化报告；2）语音输入功能基于Voxtral模型实现自然对话；3）"思考模式"采用Magistral模型处理复杂推理；4）与黑森林实验室合作推出文本修改图像功能；5）新增项目管理工具可整理对话和文件。这些功能已在网页端和移动端同步上线，显著提升AI交互体验。

亚马逊AWS推出全新AI开发工具Kiro，主打"规范驱动开发"理念。该工具基于开源Code OSS平台，兼容VS Code生态，通过AI协作首先生成需求文档和系统设计，再自动生成代码、测试用例和文档，确保代码质量。Kiro支持多模态输入、自动化测试等功能，目前免费预览，未来将推出付费版本。其规范驱动的开发模式有望解决AI生成代码的维护难题，但初期使用可能较复杂。Kiro的推出标志着AI编码工具向生产就绪方向迈进，将与Cursor、微软VS Code等展开竞争。

墨刀AI推出30秒快速原型生成功能，支持多终端适配和对话优化。用户可通过文本、草图等多种输入方式生成高保真可编辑原型，并支持多轮对话调整。AI能智能解析上传的草图、线框图等，自动生成界面。提供双模式编辑、自动文档生成和代码联动功能，覆盖电商、社交等多场景需求，显著降低原型制作门槛，提升产品设计效率。

NVIDIA推出DiffusionRenderer技术突破视频生成瓶颈，实现3D场景的可控编辑。该技术采用双神经渲染器架构：逆渲染器提取场景几何材质数据，前向渲染器结合光照生成逼真视频。通过15万合成视频和1万真实视频数据集训练，模型在光影效果和材质还原上表现优异。支持动态光照调整、材质修改和对象插入等操作，大幅提升创作自由度。这项技术标志着AI视频生成从单纯创作迈向可编辑的新阶段。

谷歌为Veo3AI视频生成器新增图像转视频功能，该功能已整合进Gemini应用和Flow工具，覆盖150多国。目前仅限AI Ultra/Pro用户使用，每日限3次创作。用户可上传图片并添加音频描述生成视频，支持下载分享。数据显示7周内用户已创建超4000万视频。所有生成视频均带有可见"Veo"水印和不可见SynthID数字水印，谷歌还提供专用检测工具识别AI内容。

可灵AI推出新一代图像生成模型"可图2.1"，在指令理解、人像美感和电影质感等方面全面提升。新模型具备强大文字生成能力，支持180多种风格，7月17日前会员可免费体验。该模型能精准呈现复杂场景，如3D沙盘、海底火山爆发等宏大场面，在人像光影处理上尤为出色。可灵AI已发展为多模态创意平台，用户累计生成3.44亿张图片和1.68亿个视频，展现强大技术实力和市场影响力。

Vidu Q1模型推出"参考转视频"新功能，支持上传7张参考图像生成1080p高质量视频。该功能通过语义融合技术实现多元素视觉一致性，解决传统AI视频生成中的场景断裂问题。用户可组合人物、场景等图像，配合文本提示生成复杂叙事视频。模型还具备多主体一致性技术，确保角色、物体等元素在视频中保持特征稳定，支持多角度镜头切换和动态过渡，显著降低复杂场景制作门槛，为动画、广告等专业创作提供影视级体验。

字节跳动宣布开源VINCIE-3B，一款支持上下文连续图像编辑的3亿参数模型，基于其内部MM-DiT架构开发。这款模型突破了传统图像编辑的局限，首次实现从单一视频数据中学习上下文感知的图像编辑能力，无需依赖复杂的分割或修复模型生成训练数据。VINCIE-3B的发布为创意设计、影视后期及内容生成领域带来了全新的可能性。AIbase深入剖析其技术亮点、应用场景及行业影响。技术突破:从视频到上下文编辑传统图像编辑模型通常依赖任务特定的数据管道，需通过专家模型（如分割、修复）生成

2025年6月26日，字节 正式发布其最新图像合成技术 ——XVerse，旨在提供高精度的多主体图像生成解决方案。这项创新的技术使得用户能够对多个个体进行独立且精确的控制，极大地提升了个性化和复杂场景生成的能力。XVerse 的核心在于其独特的 DiT 调制方法，能够在不影响整体图像潜在特征的情况下，对每个主体的身份和语义属性进行调控。通过将参考图像转化为特定于令牌的文本流偏移量，XVerse 使得图像合成更加灵活和直观，用户只需简单的文字描述，即可生成符合预期的高保真图像。

近日，北京人工智能研究院推出了全新的开源系统 ——OmniGen2。这一系统专注于文本到图像的生成、图像编辑和上下文图像创作。与2024年发布的第一代 OmniGen 相比，OmniGen2采用了两条独立的解码路径:一条用于文本生成，另一条用于图像生成，且各自拥有独立的参数和解耦的图像标记器。这种设计让模型在保持文本生成能力的同时，有效地提升了多模态语言模型的表现。OmniGen2的核心是一个基于 Qwen2.5-VL-3B 变换器的大型多模态语言模型（MLLM）。在图像生成方面，该系统使用了一种自定义的扩

近日，Qwen VLo多模态大模型正式发布，该模型在图像内容理解与生成方面取得了显著进展，为用户带来了全新的视觉创作体验。 据介绍，Qwen VLo在继承原有Qwen-VL系列模型优势的基础上，进行了全面升级。该模型不仅能够精准“看懂”世界，更能基于理解进行高质量的再创造，真正实现了从感知到生成的跨越。用户现在可以在Qwen Chat（chat.qwen.ai）平台上直接体验这一新模型。

AI 音乐公司 Suno 在本周四宣布收购 WavTool，这是一款基于浏览器的 AI 数字音频工作站（DAW）。此举旨在增强 Suno 在歌曲创作和制作方面的编辑能力。WavTool 于2023年推出，提供多种功能，包括音频分离、AI 音频生成和 AI 音乐助手，预计将与 Suno 最新推出的编辑界面相结合。虽然此次收购的具体条款尚未公开，但公司发言人表示，大部分 WavTool 的员工已经加入了 Suno 的产品和工程团队，至于未加入的员工数量则未披露。这一收购的时机颇为微妙，正值 Suno 面临多起法律诉讼之际。本月初，乡村

Black Forest Labs正式宣布，其全新图像编辑模型 FLUX.1Kontext [dev] 现已开源，引发了AI社区的广泛关注。这一模型作为FLUX.1系列的最新成员，以其强大的图像编辑能力和高效性能被誉为可媲美GPT-4o的开源替代方案。FLUX.1Kontext [dev] 基于12亿参数的流匹配变换器架构，专为图像编辑任务设计，支持消费级硬件运行，为创作者、开发者和研究人员提供了前所未有的灵活性。核心功能:上下文感知与精准编辑FLUX.1Kontext [dev] 的最大亮点在于其 上下文感知图像生成与编辑能力。与传统仅基于文本提示的图像

近日，Black Forest Labs宣布正式开源其最新图像编辑模型FLUX.1Kontext [dev]，这一拥有120亿参数的AI模型被誉为对标OpenAI GPT-4o和Google Gemini的强力竞争者。据AIbase了解，该模型专为图像编辑任务设计，兼具高性能与易用性，不仅能在消费级硬件上高效运行，还为用户提供了前所未有的图像编辑体验。多场景精准编辑，角色一致性无与伦比FLUX.1Kontext [dev]以其强大的迭代编辑、角色保持以及局部与全局精细控制能力脱颖而出。无论是为人物添加帽子、替换背景风景，还是将图片中的狗替换为猫，FLUX.1

近日，字节跳动旗下AI智能助手豆包迎来重大功能升级，其AI编程功能正式进化为“应用创作1.0”，为用户带来可视化编辑、实时预览及多版本管理等全新体验。这一更新大幅降低了网页和应用开发的门槛，让零编程基础的用户也能轻松打造个性化数字产品。可视化编辑，零代码也能玩转网页设计豆包AI编程“应用创作1.0”的核心亮点在于其强大的可视化编辑功能。用户无需深入理解复杂的代码逻辑，只需通过简单的点击选中或自然语言描述，即可对网页中的文字、图片、组件等元素进行精

近日，来自香港大学、香港中文大学以及商汤科技的研究团队发布了一个令人瞩目的新框架 ——GoT-R1。这一全新的多模态大模型通过引入强化学习（RL），在视觉生成任务中显著提升了 AI 的语义和空间推理能力，成功应对复杂的文本提示生成高保真、语义一致的图像。这一进展标志着图像生成技术的又一次飞跃。目前，尽管现有的多模态大模型在根据文本提示生成图像方面已有显著进展，但在处理涉及精准空间关系和复杂组合的指令时，仍面临诸多挑战。GoT-R1正是为了解决这一问题而诞生

最近，xAI宣布正在开发一款新型的文件编辑器，旨在通过集成文本和电子表格功能来进一步提升工作效率。这款编辑器将与 Grok 进行深度互动，预计将极大简化用户的日常工作流程。早前推出的 Grok Studio 已经为用户提供了分屏工作空间和文件整理等实用功能，受到了不少用户的喜爱。此次新编辑器的上线，如果属实，将标志着社交平台 X 在向 “全能应用” 转型的过程中迈出了重要一步。通过将不同功能整合到同一平台，用户可以在一个地方完成更多任务，从而节省时间并提高生产力。据

近日，科技媒体 MacRumors 披露了苹果即将推出的 iOS26系统中的新特性，特别是增强版图乐园（Image Playground）。此次更新不仅让图像生成效果更自然，更加入了 ChatGPT 的强大功能，使得用户体验得到显著提升。iOS26的图乐园功能最早在 iOS18中引入，用户可以通过输入简短的描述，生成各种风格的图像。新版本的图乐园在生成效果上进行了重大优化，特别是在人物图像的表现上更加真实细腻。头发、眼睛和服饰的细节处理都有了明显改进，用户生成的图像看起来更具真实感，避免了以往版本中

近日，关于 xAI 正在开发一款新型文件编辑器的消息引发了广泛关注。这款编辑器不仅支持文本文件，还将具备电子表格功能，标志着 xAI 在与 OpenAI、谷歌和微软等科技巨头的竞争中迈出了重要一步。根据逆向工程师 Nima Owji 的泄露信息，用户在编辑文件的同时，可以与 Grok 进行互动，这无疑将提升办公效率。在此之前，xAI 于2025年4月推出了 Grok Studio，这是一款分屏工作空间，允许用户与 Grok 合作生成文档、代码、报告和网页游戏。此外，Grok 还新增了创建工作空间的功能，使用户能够在一