内容类型
AI 视频、图像、语音模型的新版本与开放。
5 条精选近 30 天 5 条共收录 12 条
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。
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。
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。