可灵 Kling 4.0 全面开放，支持 MCP 与 CLI 接入
可灵 Kling 4.0 现已全面开放，用户可通过改版后的创作界面使用，并支持通过 MCP 和 CLI 接入视频创作工作流。官方同时预告将推出 4K 和 1080p 的 10-bit HDR 视频输出，以及面向企业客户和开发者的 API 访问。
匹配字段摘要、正文
←搜索结果
搜索“视频”
Google 展示 Gemini 4 Argon 在 antigravity 中自主搭建 3D 世界
Google AI 发布演示，展示 Gemini 4 Argon 在 antigravity 中充当虚拟建造者，自主生成一座可完整探索的多层宝塔建筑场景，整个过程只需几分钟。视频由 Google DeepMind 的 GeokenAI 讲解。
匹配字段摘要
ElevenLabs 在 ElevenCreative 推出 Instant Soundtracks
ElevenLabs 在 ElevenCreative 上线 Instant Soundtracks，上传视频后模型会生成原创配乐，并分析画面中的音效触发点，把音效按时间戳自动放到时间线上。该更新还改善了短视频的卡点精度和跨场景情绪切换，并支持以视频原有音频作为参考来塑造新配乐。功能已在 ElevenCreative、ElevenMusic 和 API 开放，API 新增 add_sfx、separate_tracks、use_audio_as_reference 参数，单次请求最多支持 10 个视频、合计 200 MB 和 10 分钟。
ElevenLabs 在 ElevenCreative 上线 Instant Soundtracks，上传视频后模型会生成原创配乐，并分析画面中的音效触发点，把音效按时间戳自动放到时间线上。该更新还改善了短视频的卡点精度和跨场景情绪切换，并支持以视频原有音频作为参考来塑造新配乐。功能已在 ElevenCreative、ElevenMusic 和 API 开放，API 新增 add sfx、separate tracks、use audio as reference 参数，单次请求最多支持 10 个视频、合计 200 MB 和 10 分钟。
匹配字段摘要
Meta Muse Spark Open 上线 Together AI，支持 1M token 上下文
Meta 的开源权重智能体编码模型 Muse Spark Open 已在 Together AI 上线，支持 1M token 上下文窗口，可通过 serverless 和专用基础设施调用。Together AI 称其为目前能力最强的美国开源权重模型，面向长时间运行的智能体编码工作流，具备长程自主、computer use 与浏览、文本图像音频视频多模态输入等能力。定价为每 1M 输入 token 1.25 美元、每 1M 输出 token 4.25 美元、每 1M 缓存输入 token 0.15 美元，模型标识为 meta-models/Muse-Spark-Open-816B-A42B。
匹配字段摘要
SGLang 与 Miles 为 Muse Spark Open 提供 Day-0 支持
LMSYS 发布博客称，SGLang 与 Miles 为 Meta 开源多模态 MoE 模型 Muse Spark Open 提供 Day-0 支持。该模型采用 816B 参数文本 Transformer 主干、每 token 约 42B 激活参数，支持文本、图像、视频和音频输入以及 1M token 上下文窗口，checkpoint 提供 NVFP4 与 BF16 版本。在 8 张 NVIDIA B300 GPU 上以 NVFP4 checkpoint 跑 OpenHands 多轮智能体编码回放，并发 1 时单 GPU 吞吐 14.8K tokens/sec、单用户 543 tokens/sec（p50），并发 128 时为 80.3K tokens/sec、单用户 61 tokens/sec（p50）。支持平台包括 NVIDIA Blackwell（GB300、B300、GB200、B200）、H200、AMD MI350X 与 MI355X，以及 Intel Xeon 6 P-core，并首次通过 SGLang-TorchTPU 为开源权重模型提供 Day-0 TPU 支持。
匹配字段摘要
Meta 的 Muse Spark Open 上线 OpenRouter
Meta 发布的开源权重模型 Muse Spark Open 已在 OpenRouter 上线，OpenRouter 称其为美国实验室最强的开源权重模型，面向智能体编码，支持 1M 上下文，可输入图像、视频、音频和 PDF，定价为每百万 token 输入 1.25 美元、输出 4.25 美元。据 Meta 官方介绍，该模型总参数 816B、激活参数 42B，原生支持文本、图像、视频和音频，擅长长周期任务、复杂软件工程与多步推理。OpenRouter 表示该模型在发布首日即上线，合作方包括 Baseten、Fireworks AI、Nebius 和 Together Compute。
匹配字段摘要
OpenRouter 上线 Meta 开源模型 Muse Spark
OpenRouter 宣布 Meta 的 Muse Spark Open 已在其平台上线，并联合 baseten、FireworksAI、nebiusai 和 togethercompute 在发布当天提供支持。该模型被描述为美国实验室最强的开源权重模型，面向智能体编码，支持 1M 上下文窗口，可输入图像、视频、音频和 PDF，定价为每百万 token 输入 1.25 美元、输出 4.25 美元。
匹配字段摘要
OpenRouter 上线 FLUX 3 Image Klein 等三项更新
OpenRouter 上线 Black Forest Labs 的 FLUX 3 Image Klein，这是一款可在单张消费级显卡上运行的开源权重图像模型，支持 4K 图像生成，起价 $0.009/张。同时 FLUX Video Upscale 进入早期访问，可将已有视频重渲染为 4K，价格从 $0.59/s 降至 $0.28/s；FLUX 3 Video 支持从提示词或图像生成 4K 视频，价格 $0.41/s。
匹配字段摘要
OpenRouter 上线 FLUX 3 Image Klein 等三款 bfl_ai 新能力
OpenRouter 上线 bfl_ai 的三项新能力：FLUX 3 Image Klein 是新的开放权重图像模型，可在单张消费级显卡上运行，生成 4K 图像，起价每张 $0.009；改进版 FLUX Video Upscale 进入早期访问，可把已有视频重渲染为 4K，价格从 $0.59/s 降至 $0.28/s；FLUX 3 Video 现在可由提示词生成 4K 视频，从此前的 1080p 提升，价格为 $0.41/s。
OpenRouter 上线 bfl ai 的三项新能力：FLUX 3 Image Klein 是新的开放权重图像模型，可在单张消费级显卡上运行，生成 4K 图像，起价每张 $0.009；改进版 FLUX Video Upscale 进入早期访问，可把已有视频重渲染为 4K，价格从 $0.59/s 降至 $0.28/s；FLUX 3 Video 现在可由提示词生成 4K 视频，从此前的 1080p 提升，价格为 $0.41/s。
匹配字段摘要
OmniHuman V2 在 fal 上线
OmniHuman V2 已在 fal 平台上线，可用单张图片和一段音频生成说话视频，并让唇部动作与表情跟语音同步。该版本还支持可选提示词来引导表演效果。
匹配字段摘要
阿里推出 Qwen Go 智能体，接入淘宝与支付宝
据 X.PIN 消息，阿里已推出由 Qwen 驱动的智能体 Qwen Go，面向搜索、比价和客服协商场景。演示视频显示，该智能体为延误航班争取到 10 美元赔偿，并通过淘宝价保追回约 7 美元。它不只会回答问题，还能查订单、联系人工客服并核实折扣，通过与淘宝和支付宝集成，把个人 AI 助手直接接入购物与支付系统。
匹配字段摘要
SpaceXSI 将 X Premium、Grok 与 Cursor 打包为一份订阅
SpaceXSI 推出 The X Subscription，把 Grok 的 AI 对话（支持语音、图像、视频和 API）、Grok 的智能体 AI Bot、用于 AI 编码的 Cursor，以及 X Premium 的蓝标认证、创作者工具和减少广告等付费功能打包在一起。新订阅分 free、Plus（8 美元/月）、Premium（30 美元/月）、Super（100 美元/月）和 Ultra（200 美元/月）五档，AI 用量上限随档位提高，免费档仅提供有限的对话和智能体用量，访问最新 Grok 模型需 Premium 及以上。现有用户可在 X 的订阅设置中升级到新套餐，也可保留当前方案，升级入口将逐步开放。
匹配字段摘要
FireRedTeam 开源人像动画框架 DynamicPose 并发布预训练模型
FireRedTeam 发布 DynamicPose，一个由人体姿态序列驱动人像动画的框架，支持大幅动作、非写实场景，并可从单张照片生成舞蹈视频。项目同时开源了姿态服务器与姿态对齐算法，代码采用 MIT 许可，后续将陆续放出数据清洗与预处理流程、训练脚本（DeepSpeed Zero2）以及 ComfyUI 和 Hugging Face Gradio 演示。作者也列出局限，包括侧脸易生成扭曲面部、复杂背景下难以区分人体与背景、手部持物时难以判断是否保留。
匹配字段摘要
Odyssey 开放世界模型 Odyssey-3 免费研究预览
Odyssey 推出世界模型 Odyssey-3 的公开研究预览，用户可用文本提示生成可实时探索的交互环境，开发者可申请 API 访问。免费在线演示基于 Odyssey-3 Flash，基础模型 14B 参数、生成 832×480 视频，Pro 版支持 1280×720。公司称 Odyssey-3 Pro 在 Physics-IQ Verified 视频到视频基准得 66.1 分，但该成绩来自单次测试并采用八选一筛选，未满足基准要求的四次运行规则，四次运行平均为 63.37 分。
匹配字段摘要
Anthropic 为 Claude 推出 Dashboards 与 Motion 两项 beta 功能
Anthropic 为 Claude 推出两项 beta 功能：Dashboards 可连接 BigQuery、Databricks、Snowflake、Salesforce 等数据源，通过文本提示生成自动更新的实时看板，每个数字都会显示其底层查询，结果还能接入 Amplitude、Grafana、Hex 等工具；Motion 则用文本、图表和图片生成动画讲解视频，支持以代码方式编辑并导出 MP4。Dashboards 面向付费用户，Motion 面向 Team 和 Enterprise 套餐。Docs、Slides、Design 结束 beta，向包括免费账号在内的所有套餐开放，Anthropic 称这些工具已创建超过 4500 万份文档。此前公布的 Claude Design 将于 12 月 14 日并入主应用，并提供迁移指南。
匹配字段摘要
Google SynthID Detector 公开上线，支持 Nano Banana 2.1、OpenAI、NVIDIA 与 Kakao
Google 的 SynthID Detector 现已公开可用，支持 Nano Banana 2.1、OpenAI、NVIDIA、Kakao，并将很快支持 Apple。用户可上传或粘贴图片、视频、音频文件，检测其中是否带有 Google 或其合作伙伴的水印，文件在扫描后立即删除。
匹配字段摘要
Google 向公众开放 SynthID Detector 检测站点
Google 于 10 月 7 日将图像、视频、音频电子透水印检测网站 SynthID Detector 的适用范围扩大到普通用户，除 Google 外还支持 OpenAI、NVIDIA、Kakao 的 AI 生成内容，并计划近期支持 Apple 的生成内容。用户需登录后上传文件检测是否含有 SynthID 透水印，视频和音频还能看到检出透水印的区段，目前不支持文本检测。Google 说明未检出透水印也不能否定 AI 生成，因为非 SynthID 模型或透水印推出前的内容本就不带该信号，大幅加工也可能削弱信号。
匹配字段摘要
Anthropic 推出 Claude Dashboards 与 Claude Motion 测试版
Anthropic 宣布 Claude Dashboards 和 Claude Motion 进入 beta：Dashboards 可连接 BigQuery、Databricks、Snowflake、Salesforce 等数据源，用自然语言生成并持续更新的仪表盘，每张图表可查看背后的查询，目前在付费计划开放；Motion 面向 Team 和 Enterprise，通过编写代码生成动画讲解，可导出 MP4，不使用视频生成模型。同时 Docs、Slides、Design 结束 beta，向包括 Free 在内的所有计划开放，Artifacts 支持 CMEK，并可将演示文稿导出为 PowerPoint、PDF 或 Google Slides 可编辑文件。Claude Design 独立站点将于 12 月 14 日关闭，团队设计系统需迁移至 Claude 内。
匹配字段摘要
Google 的 SynthID AI 图像检测器全球上线，将支持 Apple 模型
Google 的 AI 图像与视频检测工具 SynthID 从有限早期访问升级为全球可用的英文工具，未来还将继续扩展。新版 SynthID 除支持 Google 自家 Gemini 生成的内容外，还兼容 OpenAI、Nvidia、Kakao 以及 Apple 等合作方的模型，这些模型生成的内容会带有肉眼不可见的水印。Google 表示，Apple Intelligence 生成的图像将“很快”带有 SynthID 水印。
匹配字段摘要
Google 上线 SynthID 网站，向所有人开放 AI 生成媒体检测
Google 周二上线新网站，任何人都可以验证图片、视频或音频是否由 AI 生成。该工具此前在 Google I/O 上仅向部分记者、媒体从业者和研究人员开放测试，现面向所有人开放。网站支持 JPG、PNG、GIF 等图片格式，MP4、MOV、WEBM 视频格式，以及 WAV、MP3、FLAC 等音频格式，检测基于 Google 2023 年推出的 SynthID。Nano Banana、Veo、Lyria 以及 Gemini、Flow、ProducerAI、Vids 等生成工具都会用 SynthID 为生成内容加水印，OpenAI、Nvidia、Kakao 也支持 SynthID，Apple 据称将很快加入。Google 已将 SynthID 验证嵌入 Gemini 应用和 Chrome，目前每天有 100 万次内容验证请求。
匹配字段摘要