共 54 篇
打开多模态自由创作的大门。 谷歌 Nano Banana 掀起的全球创作狂欢尚未消退之际，字节又玩了把大的。 近日，字节跳动开始内测最新的豆包・图像创作模型 Seedream 4.0。与此前版本相比，Seedream 4.0 首次支持多模态生图，同一模型可以实现文生图、图像编辑、组图生成，并在核心能力上迎来了显著提升： 主体一致性增强：无论是文本驱动还是图像驱动，都能稳健保持主体特征，避免「失真」与「错位」。 提示词：将平视视角改为俯视视角，将近景改为中景，并把画面比例改为 16：9。 多图灵活创作：支持文本、图像的多维组合输入，轻松实现参考生成、融合生成与编辑。 提示词：根据参考图中两个男生
近日，字节跳动智能创作部门（Intelligent Creation Lab）提出新作 DreamLite，一个主干网络仅有 0.39B 参数的轻量级统一扩散模型，在单一网络内同时支持文生图（Text-to-Image） 和图像编辑（Text-guided Image Editing）两个任务，是目前已知首个实现这一能力的端侧模型。
UiT 架构探路者，底牌还没亮。 2026 年 5 月，智象未来开源了文生图模型 HiDream-O1-Image（8B），直接登顶 Artificial Analysis 开源模型全球第一，Elo 1187 的分数力压 Qwen Image（27B）和 FLUX.2 dev。值得注意的是，这也是 Artificial Analysis 榜单前十中唯一的开源模型。 但消息一出，有人说最强一代开源文生图模型“实至名归”，却也有人直接骂“生成质量一坨”。Artificial Analysis 可不是随便哪里冒出来的野生榜单，盲测 Arena 里都是用户实时投票打出来的结果。 两极分化的评价让我们感
近日，NVIDIA 发布的世界 - 动作模型 DreamZero，在两项颇具代表性的机器人基准测试 RoboArena 、MolmoSpaces 上双双登顶。
新模型对标Nano Banana Pro，能免费体验。Seedance 2.0的热度还没下去，字节新模型又来了！今日，字节图像生成模型Seedream 5.0 Preview在视频编辑应用剪映、剪映海外版Capcut、字节AI创作平台小云雀均已上线，在即梦AI平台开启灰度测试，图片生成可限时免费体验。
据报道，Dream 获 a16z 领投的 1700 万美元种子融资，尝试把结构、材料、建筑规范和机电系统纳入建筑世界模型，而非只生成外观图。创始团队称产品已用于十个在建项目；实际工程设计仍需专业核验，不能把自动生成方案等同于已证明结构安全。
谷歌，可能已经破解了RSI！ 就在刚刚，谷歌联合 Google DeepMind、马里兰大学及弗吉尼亚大学，发表了一篇重磅论文。 这一次，他们展示了一条完全不同的RSI路线：AI自我进化，居然可以靠做梦？ 这一次，谷歌是让智能体把自己走过的每一步存成一棵树，然后在树里「做梦」。 在梦里练出更优的探索策略，再回到现实继续干。 论文地址：https://arxiv.org/abs/2609.14858 Dream-RSI的效果可以说是相当震撼： 算法优化任务，主流进化搜索系统需要跑51200代，Dream-RSI调用317次就达到了同等水平。 圆填充问题，追平谷歌自家AlphaEvolveV2的最
智象未来正式发布基于新一代原生全模态模型架构 Unified Transformer（UiT）打造的图像大模型 HiDream-O1-Image-Pro。这一超2千亿参数的原生全模态图像大模型，不仅在多个基准测试中刷新 SOTA 纪录，也标志着智象未来正向图像、视频、文本、音频等多模态统一建模的“原生全模态”阶段迈进。
今年，AI互动内容挺火。目前这个赛道上浮出很多AI互动小游戏公司。比如最近我见到的一位 95 后创业者，就要在生活方式赛道，做出可互动“下一代生活方式平台”。他的产品 Dreamova，就是从 00 后的需求出发，希望让 00 后们能在这里直接代入自己想体验的“屏幕中的生活”。
《读佳》独家获悉，腾讯在开发一款名为“探梦DreamNow”的AI产品，这是一个AIGC内容创作内容展示互动平台，用户可以看到其他人创作的AI视频和图片，最特别的一点是包含互动影游的创作和展示，不过，目前该产品功能并不完善，可能还处于打磨研发阶段，具体以官方为主。