
何恺明参与!DeepMind把文生视频模型做成通用视觉基座,训练数据量仅1/500 (opens in a new tab)
当下计算机视觉长期陷入“一任务一专用模型”内卷: 做深度估计要用DepthAnything,分割依赖SAM,人体姿态单独训练Sapiens,几何重建还得搭VGGT,各类网络骨干、解码器、损失函数完全割裂,研发与部署成本居高不下。
Total 109 articles

当下计算机视觉长期陷入“一任务一专用模型”内卷: 做深度估计要用DepthAnything,分割依赖SAM,人体姿态单独训练Sapiens,几何重建还得搭VGGT,各类网络骨干、解码器、损失函数完全割裂,研发与部署成本居高不下。

180 万亿。这是截至今年 6 月,豆包大模型的日均 token 调用量。

终于,几天前登上 Artificial Analysis 榜首的神秘模型 Whisper Thunder (aka) David 现出了真身。

最近,两条消息同时刷屏:先是 9 月 23 日快手宣布其可灵 2.5 Turbo 图生/文生视频模型,推出 10 天后,即在 Artificial Analysis 上成为世界第一;紧接着,腾讯也宣布混元图像 3.0 模型在 LMArena 上成为世界第一。

一年前,Google 在 AI 赛道上还是「追赶者」的形象。ChatGPT 席卷硅谷时,它显得迟缓。 但短短几个月后,情况突变。 Gemini 2.5 Pro 横扫各大榜单,「香蕉」模型 Nano Banana 让生图、修图成了轻松事;视频模型 Veo 3 展示了物理世界的理解力;Genie 3 甚至能一句话生成一个虚拟世界。

文章指出,AI短剧消耗国内55% Token和占据一半算力的说法并不准确,但其快速增长正创造新增推理需求,并推动视频模型与算力基础设施扩张。

今天,可灵AI在凌晨的时候,终于正式上线了他们最新的视频模型Kling 4.0。

AI短剧的女主接一条广告,60秒报价25万元。另一边,一条AI天宫短片在海外刷屏,零推广、小成本,数以万计的海外观众追着去搜中国神话。做出这条短片的栖光,是成都一名90后眼镜店老板,没学过影视,也没有团队,AI创作只是他坚持了两年的业余爱好。这条刷屏的天宫短片,正是用Pavo做出来的。

这两天,AI圈百家争鸣。GPT-6曝光、DeepSeek V4 Flash公测、SD2.5发布、MiniMax多模态开源视频模型发布……

PJ Ace 在推文中兴奋地表示,他们借助 Utopai Studios 推出的下一代 AI 视频模型和智能体 PAI2.0, 以好莱坞灾难片大师罗兰·艾默里奇(Roland Emmerich)的视听风格,硬核「复活」了一段 250 年前激情澎湃、颠覆想象的美国独立日「真实历史影像」。