百度发布文心 5.5 Flash Preview,编程、3D建模、知识工作与内容创作能力升级
百度11月11日发布基础模型文心 5.5 Flash Preview,总参数量2800亿、每个Token激活140亿参数,支持最长100万Token上下文。模型针对编程与游戏开发、Blender和CAD等3D建模工具、知识工作及视频内容创作做了专项训练,生成速度每秒超过200 tokens。
百度11月11日发布基础模型文心 5.5 Flash Preview,总参数量2800亿、每个Token激活140亿参数,支持最长100万Token上下文。模型针对编程与游戏开发、Blender和CAD等3D建模工具、知识工作及视频内容创作做了专项训练,生成速度每秒超过200 tokens。
字节跳动发布新一代图像创作模型 Seedream 5.5,主打像素级精准编辑、百轮修改不崩坏、原生 RGBA 透明素材、小字渲染和摄影质感等能力。官方称在中英文及密集小字测试中,其严重文字崩坏率降至 0.4%、轻微文字崩坏率降至 1.7%;爱范儿实测连续 18 轮编辑多人物海报后,人物身份特征与构图仍保留较好。
推荐理由:原文用连续多轮改图和密集中文小字做了实测,并给出文字崩坏率与价格对比,可据此评估它在电商海报和详情页制作中的可用性。
Google DeepMind 正式上线旗舰模型 Gemini 4 Carbon,面向开发者、企业、科研人员及普通消费者开放,主打复杂编程、网络安全、科学推理和多智能体长时任务,在 CursorBench 4.0 等三项基准排名第一。
推荐理由:原文按用户群体整理了获取方式、门槛和 12 月调价后的 API 价格,可据此判断自己能否用上以及以什么方式用。
MiniMax 正式发布图像生成与编辑模型 H3 Image,定位开源图像模型中的 SOTA,发布当天开放权重,可通过 API、MiniMax 开放平台、MCode 和 MiniMax 海螺平台使用。
推荐理由:实测给出了4K生图速度、16张参考图和Agent接入案例,可以据此判断这款开源模型是否适合替代现有生图流程。
Anthropic 的新模型 Fable 5.2 在 Scale Labs 和 CAIS 的 Remote Labor Index 上以 41.3% 居首,该基准衡量 AI 智能体能否把真实自由职业项目做到付费客户可接受的质量。
ElevenLabs 发布 Scribe v3 和 Scribe v3 Live 两个语音转文本模型:Scribe v3 面向录制音频,在 102 种语言上比 Scribe v2 减少 27% 词错误率;Scribe v3 Live 面向实时音频,比 Scribe v2 Realtime 减少 43% 语义 WER,并首次加入实时说话人分离和改进的轮次检测。
量子位汇总Fable 5.2发布后的首批实测,模型在软件工程测试达69.9%,比上一代提升13.6个百分点,编程测试超过Opus 5.5的45.5%,输出速度比Fable 5.1最高快30%,支持100万Token上下文、最高12.8万Token输出,价格下调20%,API每百万输入、输出Token分别为8美元和40美元。
量子位在豆包中实测字节的Seedream 5.5图像模型,用连续100轮编辑、多图合成广告、电影感画面、科学海报、动作迁移和图层拆分等任务对比GPT-Image 2.6。
推荐理由:作者以100轮连续编辑、多图融合、图层拆分等任务实测Seedream 5.5,并给出单张约0.28元的API成本参考。
Anthropic 发布 Claude Fable 5.2 和 Mythos 5.2,生成速度较 5.1 版最高快 30%,标准 API 价格降至每百万输入 token 8 美元、输出 40 美元。苹果国行 Apple 智能备案新增平板和笔记本电脑两类适用场景,场景变更日期为 11 月 9 日。英伟达股价 11 月 9 日收跌 4.27%,单日市值缩水约 1.29 万亿元人民币。
TikTok 更新其 Symphony AI 广告创作工具,接入最新 Dreamina Seedance 模型用于在 Symphony Agent 中生成视频广告。
推荐理由:原文给出了参考素材上限、单次视频时长等具体变化,广告主可据此评估 Symphony 生成能力的提升幅度。
Instagram 在 Edits 平台推出基于网页的 AI 特效制作工具 Effect Builder,用户通过对话式提示词描述想要的效果即可生成,无需设计或编程技能。上传照片可作风格参考,Meta AI 会依据图片的色彩、光影和纹理指导效果生成。提交的特效经 Meta 安全审核后发布,审核一般不到 24 小时,通过后可在 Instagram Stories 特效浏览器中使用。
ElevenLabs 为 Ads Engine 新增人工审核,团队可让 ElevenLabs 的本地化专家和创意专家审核在 Ads Engine 中制作的广告。
Google DeepMind 发布 Gemini Omni 1.2 Flash,并在 Gemini API 和 Gemini for business 全面开放。
推荐理由:原文给出每秒价格、15 秒时长上限和多轮编辑等具体参数,可据此评估一次生成完整广告素材的成本与可行性。
Google DeepMind 宣布新一代世界模型 Genie 4,主打更高写实度、实时交互模拟和原生音频生成,角色可实时对话并对输入作出反应。模型结合 Gemini 家族能力,由 Gemini 3.8 Flash 在循环中充当引导智能体,将目标拆解为步骤并校验渲染进度。