智象未来发布原生全模态视频模型 HiDream-O1-Video-1.0
智象未来(HiDream.ai)发布首个原生全模态视频生成模型 HiDream-O1-Video-1.0(简称 HD-V1),支持文本、图片、视频等多种模态输入,可一键直出 5–20 秒 1080p 视频。
智象未来(HiDream.ai)发布首个原生全模态视频生成模型 HiDream-O1-Video-1.0(简称 HD-V1),支持文本、图片、视频等多种模态输入,可一键直出 5–20 秒 1080p 视频。
作者在主力机上从公测版起长期使用 iOS 27,认为基于 Google Gemini 模型的新 Siri 比旧版更聪明,能处理多步指令、读取屏幕与文件上下文,并可通过相机识别取景器中的物体。
推荐理由:作者以主力机长期实测 iOS 27 的新 Siri 与 Apple Intelligence,给出可迁移的使用场景与局限。
生数科技发布世界模型 Motus2,在前代基础上拓展视觉、语言、动作与触觉模态,把行动、预测、评估三种能力放进同一模型,形成生成动作、预测后果、评估结果、更新策略的闭环,探索递归自我改进(RSI)。
应用材料公司副总裁 Paul Meissner 在上海受访时表示,无显示 AI 眼镜、HUD 眼镜与高规格 AR 眼镜将长期并存,兼顾显示与舒适性的中间形态最终可能成为最大市场。
苹果 CEO John Ternus 与全球营销高级副总裁 Greg Joswiak 在秋季发布会后接受 Tom's Guide 与 TechRadar 联合专访,回应首款折叠屏 iPhone Duo、iPhone 18 Pro 系列与 AI 隐私等焦点问题。
Suno 推出 v6 音乐模型,分为面向付费 Pro 和 Premier 订阅用户的旗舰 v6、实验性的 v6-wild 以及面向所有用户免费的 v6-mini,同时停用全部旧模型。
Suno 发布新模型家族 Suno v6,称其使用来自 Warner Music Group、BMG、Believe 等音乐厂牌和发行商的授权数据开发,且未使用训练旧版模型的数据。
OpenAI 发布新一代图像生成模型 ChatGPT Images 2.5,重点提升图片细节质量、生成速度、编辑精度和多轮修改一致性,并新增 Sketch 手绘参考、创作模板、图片评论编辑等功能。
推荐理由:作者实测了 Images 2.5 的精准编辑与参考图保持能力,并列出噪点等短板,可据此判断它是否适合现有图像工作流。
彭博社报道称,库克在亚洲之行中看到三星、华为折叠屏设备受消费者欢迎后,推动苹果加速研发折叠屏 iPhone,该设备售价预计超 2000 美元。小米 18 Fold 首销较上代大折叠增长 310%,起售价 10999 元。《旅行青蛙·中国之旅》因 IP 授权到期将于 12 月 8 日停运,日文原版不受影响。
爱范儿实测智象未来(HiDream.ai)已全球上线的无限时长内容创作智能体 vivago R1,国内版本名为「够搭」,官方称其为首个可稳定生成 3 至 5 分钟视频的对话式创作 Agent。
阿里研究团队发布 Qwen-Drive 1.0,基于 2 月发布的 Qwen3.5-4B 增加鸟瞰图感知模块和 Planning Expert 规划模块,用一个模型同时完成环境空间感知、交通问答和路径规划。
Google 发布 Lyria 3.5 音乐生成模型,已在 Gemini 应用中上线并通过 API 提供。据 Google 介绍,Lyria 3.5 的人声表现更富表现力、编曲更丰富,用户可在 Gemini 应用中选择曲风与风格、人声或纯器乐,并生成短曲或较长曲目,还提供背景音乐和个性化生日歌模板。
GPT-6 Astra 毫无预警全量上线,面向 ChatGPT Work 及 Codex 的 Pro、Enterprise、Business Premium 用户开放,API 接口同步就绪,随后也向 Plus 和 Business 用户推出并再次重置额度。
推荐理由:汇总 GPT-6 Astra 上线首日的 3D 场景与游戏原型实测案例,并给出各档套餐的调用额度与 API 定价。
OpenAI 在 GPT-6 Astra 发布宣传片中演示了从黄色圆圈到火箭草图、Blender 3D 模型,再到生成 STL 文件并发送给拓竹 P1S 打印成实物的完整流程。文章认为,GPT-6 对 GUI 理解能力的提升让 AI 能完成「感知→判断→行动→反馈」循环,从而从操作软件走向操作现实。3D 打印机正位于数字世界与现实世界的交界线上。
Google 在 9 月 1 日发布主动视频理解功能,接入 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 三款模型,让模型自行决定看哪段画面、以多快速度看,并调用内部工具精读片段。
小米官宣 9 月 7 日 19:00 举行秋季旗舰新品发布会,小米 18 Fold 折叠屏与小米平板 9 Pro Max 将首发玄戒 O3 AI 旗舰处理器,与当日 14:30 的华为发布会及 9 月 10 日的 Apple 特别活动排期高度集中。
World Labs 发布 Atlas,一个从零开始在文本、图像、视频和 3D 数据上训练的 omni-model,可将每个输入锚定到 3D 空间中的具体位置,形成其称为 spatial context 的共享空间理解。
推荐理由:World Labs 的 Atlas 把生成、重建与仿真放进同一个模型,读者可据此了解空间智能路线与视频模型路线的差异。
李飞飞创办的 World Labs 发布 3D 世界模型 Atlas,官方演示中只用 3 到 5 台普通手机和运动相机拍摄,就能生成传统需要 60 台设备阵列才能完成的子弹时间环绕视角。
推荐理由:原文用子弹时间演示说明稀疏视角重建三维场景的路线,读者可据此理解世界模型与视频生成模型的差异。
Google 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 加入智能体视频分析,模型自行决定查看哪些片段、以何种帧率和模态处理,不再按每秒一帧的固定速率扫描。
李飞飞创办的 World Labs 发布多模态世界模型 Atlas,官方称其从零预训练,可原生处理文本、图像、视频、相机位姿与 3D 深度信息,在同一模型中完成世界生成、空间重建和时空模拟。
推荐理由:Atlas 把相机位姿作为原生输入并支持稀疏视角重建,读者可据此判断世界模型在具身智能数据生成上的位置。
影眸科技发布世界生成模型 WorldGen,可把一张普通 RGB 图像转成由独立 3D 资产组成、物体关系合理的完整场景,每个物件都能单独取出并导入 Blender 或 Unreal。
Runway 发布 Solaris,这是其称为 Interface World Models 的新类别中的首个模型,不运行代码而是随交互逐帧生成用户界面,以 720p 渲染并响应点击、拖拽或语音指令。