国内纯AI作品《箭头》发布，展示多模态AI创作新高度-宝玉 国内B站创作者DiDi_OK利用Nano Banana、VEO3、Runway等AI工具，并由Suno生成音乐，创作了一部名为**《箭头》的纯AI短片。该作品以“如果世界是程序，你会继续当NPC吗？”为主题，探讨人类在假想“屏幕世界”中的存在意义。这部作品被评价为国内纯AI创作的新高度，展现了AI在视频生成和音乐创作**方面的强大整合能力与叙事潜力。 Nano Banana Pro 在视觉创作与Prompt工程中的广泛应用-宝玉 Google的Nano Banana Pro模型在多种视觉生成任务中展现了其强大的能力。用户通过精心设计的Prompt，可以创作出高对比度 …
阅读更多以下是过去一段时间全球AI领域的重点新闻和进展： 谷歌Gemini 3 Deep Think的预测及2026年AI行业趋势分析-歸藏(guizang.ai) 谷歌发布了由Gemini 3驱动的Deep Think模型，并基于OpenRouter的报告分析了2026年AI行业发展趋势。预测指出，推理成本将大幅降低，云厂商的商业模式可能从“按Token收费”转向“按任务结果收费”，企业将更愿意为实际解决问题的成果付费。此外，AI基础设施将重构，全面支持有状态架构，使AI Agent能保持数小时甚至数天的“工作记忆”和上下文环境，无需重复上传数据，从而提升Agent的实用性和效率。 阿里巴巴发布Qwen3-TTS语音合成模型-小互 阿里巴 …
阅读更多Google DeepMind发布Gemini 3 Deep Think并预测2026年AI趋势-歸藏(guizang.ai) Google DeepMind已向Google AI Ultra订阅者推出 Gemini 3 Deep Think，该模型融合了IMO和ICPC获奖技术，擅长解决高度复杂的数学和科学问题。基于此模型对2026年AI行业趋势的分析显示，推理成本将趋向“白菜价”，导致云厂商商业模式从“按Token收费”转向“按任务结果收费”。此外，AI基础设施将重构以支持**“长程记忆”服务**，推理平台将支持有状态架构，允许AI Agent在云端保持数小时甚至数天的“工作记忆”和上下文环境，无需每次重复上传数据。 AI在未 …
阅读更多Andrew Ng推出构建工具执行型编码Agent新课程-Andrew Ng Andrew Ng宣布推出一门名为“Building Coding Agents with Tool Execution”的新课程。该课程旨在教授如何构建能编写和执行代码的AI Agent，而非仅仅依赖预定义的函数调用。学员将学习如何在沙盒云环境中安全地运行Agent生成的代码，并深入了解本地、容器化和云执行之间的权衡。课程内容涵盖了创建数据分析Agent（利用Pandas进行数据探索和可视化）以及构建全栈Next.js Web应用Agent等实用技能。 MistralAI发布Ministral 3多模态模型家族-merve (via …
阅读更多以下是过去一段时间全球AI领域的重要动态汇总： Andrew Ng发布AI编码代理新课程：Building Coding Agents with Tool Execution-Andrew Ng Andrew Ng宣布推出一项新课程，专注于教授如何构建具备工具执行能力的AI编码代理。该课程旨在让AI代理超越预定义函数调用，能够编写和执行代码来完成复杂任务，访问完整的编程语言生态系统。学员将学习在沙盒云环境中安全运行代理生成的代码，并掌握构建数据分析代理（使用Pandas）和全栈Next.js Web应用代理的技能，从而更自主地处理文件和错误。 MistralAI发布多模态模型Ministral 3系列-merve MistralAI …
阅读更多今日AI领域呈现出技术跃进与商业落地并存的复杂图景。一方面，Runway、Mistral等公司发布的新一代模型在文生视频、开源语言模型等领域树立了新的标杆，快手“音画同出”模型也预示着多模态生成能力的进一步融合。另一方面，商业化进程中的挑战开始显现，亚马逊因AI配音质量不佳而撤回产品，微软罕见下调AI销售指标，揭示了从技术演示到创造真实客户价值的鸿沟。同时，AI正加速向工业、医疗、自动驾驶等实体产业渗透，而端侧AI的兴起和脑机接口的进展，则共同勾勒出下一代人机交互的未来轮廓。 Runway Gen-4.5 发布，大幅提升文本到视频AI生成质量 Runway 推出了其最新的文生视频模型 Gen-4.5，该模型在生成视频的真实感和物理一 …
阅读更多Kling AI 发布原生音画同步模型 VIDEO 2.6 - 小互 Kling AI 发布了其最新的原生音画同步模型 VIDEO 2.6。该模型与Veo 3类似，能直接生成声音，不再需要外部配音或后期合成。其核心功能包括支持中英双语多人物对白、生成环境音效（如风声、脚步声、碰撞声）及情绪化声音。模型通过一次推理同时完成画面和音频生成，确保嘴型、节奏和气氛的自然同步，解决了传统AI视频中常见的“嘴型不对、情绪不连贯”问题。VIDEO 2.6支持5秒/10秒的1080P视频生成，并在动作、镜头衔接和故事节奏上表现出更强的稳定性。 Anthropic 红队利用AI攻击区块链，成功盗走460万美金 - 小互 Anthropic 红队 …
阅读更多Mistral AI 发布 Mistral 3 系列多模态模型，性能超越 Kim 2-小互 Mistral AI 重磅发布了其最新的 Mistral 3 系列模型，包括大型稀疏专家混合（MoE）模型 Mistral Large 3（41B活跃参数/675B总参数）以及面向端侧运行的 Ministral 3 系列（3B, 8B, 14B稠密模型）。Mistral Large 3 支持图像输入与分析，原生支持十余种主要语言，对系统指令遵循度高，并具备原生函数调用和结构化JSON输出能力，其 256K tokens的超长上下文窗口在开源模型中名列前茅。在LMArena榜单中，Mistral Large 3 位列开源非推理模型第二，开源总 …
阅读更多Mistral AI 发布 Mistral 3 系列模型-小互 Mistral AI 重磅发布了其 Mistral 3 系列模型，包括大型稀疏专家混合（MoE）模型 Mistral Large 3（总参数675B，活跃参数41B），以及面向端侧设备的小型稠密模型系列（3B、8B、14B）。这些模型在性能上超越了Kim 2，并支持图像输入与分析、原生函数调用、结构化JSON输出，且原生支持十余种主流语言。Mistral Large 3 还提供了 256K tokens 的超长上下文窗口。在 LMArena 榜单中，Mistral Large 3 在开源非推理模型中排名第二，在开源总体模型中排名第六。 炸裂 Anthropic 红队利 …
阅读更多以下是过去一段时间全球AI领域的重要动态： Runway 发布 Gen-4.5 视频生成模型，注重物理与视觉精度 - 歸藏(guizang.ai) Runway 推出了其最新视频生成模型 Gen-4.5。虽然该版本未带来范式革新，但其在多方面进行了显著升级，包括提升了物理与视觉精度，能够处理更复杂场景与详细构图。模型在物理准确性方面有所增强，并能生成更富有表现力的角色。此外，Gen-4.5 也优化了风格化与风格一致性，使其在生成电影感与真实日常场景时表现更佳。 国产AI视频生成应用内测，音画同步但风格抽象 - 向阳乔木 一项国产AI视频生成应用目前正在进行内测。该应用声称能够实现音画同步，这是一项重要的技术突破。然而，测试用户反馈其 …
阅读更多