xAI 推出 The X Subscription,整合 Grok、Cursor 与 X Premium
xAI 推出 The X Subscription,将 Grok、Grok Bot、Cursor 和 X Premium 合并为一个订阅方案,并在未来几天面向全球用户开放。
推荐理由:材料给出合并订阅的档位、价格和共享用量规则,可帮助读者比较原有 SuperGrok、Cursor 与 X Premium 方案的迁移成本。
AI 视频生成与理解:文生视频模型、视频编辑工具与影视创作变革的追踪。
xAI 推出 The X Subscription,将 Grok、Grok Bot、Cursor 和 X Premium 合并为一个订阅方案,并在未来几天面向全球用户开放。
推荐理由:材料给出合并订阅的档位、价格和共享用量规则,可帮助读者比较原有 SuperGrok、Cursor 与 X Premium 方案的迁移成本。
Google DeepMind 开发者指南介绍 Gemini API 的智能体视频理解,通过服务端 Think → Act → Observe 循环按需读取字幕、帧片段和音频轨道。
推荐理由:材料给出 Gemini API 中 agentic 视频处理的启用方式、适用场景和成本变化,便于开发者评估长视频分析方案。
团队用 Claude Code 和 Codex 驱动脚本、配音、图像、动画、剪辑、检查与上传,5 天制作 12 部黏土风短片并发布到 Instagram、TikTok、YouTube Shorts 和 Facebook,获得 18,971 次观看和 25 个关注。
推荐理由:文章用完整账本和逐片迭代规则,呈现 AI 智能体批量生产短视频时的成本结构与人工判断边界。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,为 Gemini 3.8 Live 增加近实时视频数字人形象,并已在 Gemini Enterprise 中可用。
推荐理由:官方说明了实时数字人、异步工具调用、97 种语言和企业版可用性,便于评估其在客服与交互式引导中的接入方式。
Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出智能体视频理解能力,可动态搜索、扫描和检查视频帧、音频及字幕中的相关片段。
推荐理由:官方说明了动态检索视频片段的工作方式、成本与 token 变化,便于开发者评估长视频分析接入路径。
Google DeepMind 推出 Gemini Omni 1.1 Flash,通过 Google AI Studio 的 Gemini API 面向开发者提供新的创作控制和生成视频能力。
推荐理由:官方说明了场景延展、首尾帧、360p 草稿和 4K 升清等视频控制能力,便于开发者评估接入方式。
Meta 发布 Muse Glimmer-30B,这是从 Muse 蒸馏出的 30B 稠密多模态模型,采用 Apache 2.0 许可,面向本地智能体、编码、文档分析和个人助理等隐私敏感场景。
推荐理由:文章同时给出架构、基准和 transformers、llama.cpp、vLLM 的 day-0 接入方式,便于评估本地智能体部署路径。
NVIDIA 发布 Cosmos-H-Dreams,这是面向手术机器人的实时、动作条件生成式模拟器,并通过 FlashDreams 流式推理库提供服务。
推荐理由:文章说明了从 Cosmos-H-Surgical-Simulator 蒸馏到实时学生模型的训练路径,以及单 GPU 上的交互式推理表现。
Google DeepMind 发布图像模型 Nano Banana 2 Lite,并首次通过 Google AI Studio、Gemini API 和 Gemini Enterprise Agent Platform 向开发者开放视频生成与对话式编辑模型 Gemini Omni Flash。
推荐理由:原文同时给出两款生成媒体模型的接入平台、价格、延迟和当前限制,便于开发者评估图像到视频工作流的组合用法。
Google DeepMind 推出 Omni 系列首个模型 Gemini Omni Flash,支持组合图像、音频、视频和文本输入,生成依托 Gemini 现实知识的高质量视频,并可通过多轮自然语言对话编辑视频。
推荐理由:可了解 Gemini Omni Flash 的多模态输入、对话式视频编辑与上线渠道,便于对比现有视频生成工具的工作流差异。