AI资讯AI新闻资讯正文OpenClaw2.0正式发布:重构底层架构，支持多人共享云端会话发布于AI新闻资讯发布时间 :2026年8月31号 14:54阅读 :1分钟8月30日，开源AI项目OpenClaw发布其历史上规模最大的更新版本OpenClaw2.0。本次更新由933名贡献者共同完成，累计合并超过1.6万项拉取请求，涵盖项目历史上约半数的代码提交。由于开发工作量超越原有基础架构承载能力，团队历时近七周重构了产品基础与交付流程。OpenClaw2.0以简化安装与重构浏览器体验为核心切入点，进而对消息、记忆、技能、模型、自动化及安全机制等全流程进行了深度改造。新版本大幅删减配置步骤，优先调用本地已有API密钥、模型或ChatGPT/Claude订阅，实现开箱即用的极简体验，后续复杂配置可直接通过交互完成。针对日常场景，系统支持跨平台连接与自动化任务处理（如自动解析邮件并推送通知、跨应用跨消息检索信息等）。此外，新版引入了“共享云端会话”功能，打破以往个人智能体的上下文孤岛，使团队成员得以实时协作参与或完整交接AI处理流。作为开源项目，OpenClaw2.0不仅提升了智能化代理的部署效率，更标志着AI智能体正在从单机辅助工具向协同化、自治化的生产力基础设施演进。

AI资讯AI新闻资讯正文腾讯WorkBuddy首发接入Hy4preview:国内外版同步，开启两周限免发布于AI新闻资讯发布时间 :2026年8月28号 16:09阅读 :1分钟腾讯WorkBuddy于8月28日宣布首发接入腾讯混元新一代开源大模型Hy4preview，国内版与国际版同步上线，并推出限时免费政策:Hy4preview开放为期两周的免费体验，上一代Hy3的免费使用期限同时延长一个月至9月30日。Hy4preview为腾讯混元当日正式发布的开源旗舰模型，总参数770B、激活参数49B，上下文长度达1M，定位代码、办公、科学等真实生产力场景，已开源至HuggingFace等平台，并在腾讯云TokenHub、OpenRouter上线。此次WorkBuddy国内版与国际版同步首发接入，使开发者可在编程与智能办公工作流中直接调用该模型，实现从模型发布到产品落地的快速衔接。以首发接入叠加限免周期的组合策略，一方面以零门槛体验吸引开发者验证模型能力、收集真实反馈，另一方面通过延长Hy3免费期稳住存量用户，延续了腾讯混元以开源与产品生态协同推动大模型普惠的路线。模型厂商的竞争重心，正从参数规模比拼转向产品化落地与生态服务能力。

AI资讯AI新闻资讯正文索尼牵头 35 家音乐出版商起诉 Anthropic，索赔或达数十亿美元发布于AI新闻资讯发布时间 :2026年8月31号 15:39阅读 :1分钟索尼音乐出版、华纳查佩尔音乐连同另外 33 家合作音乐出版商，合计 35 家企业向美国加州北区联邦地区法院提起诉讼。被告除 AI 公司 Anthropic 外，还直接把两位联合创始人达里奥·阿莫代伊与本杰明·曼列为个人被告，罕见地将创始人一并推上被告席。“史上最公然的知识产权盗窃之一"原告在 48 页诉状中指控，Anthropic 在未获版权授权的前提下，通过 BT 种子下载、网络爬虫抓取等手段，大规模盗用数万份涵盖歌词、乐谱的受版权保护音乐作品，包括泰勒·斯威夫特等知名艺人的多首经典曲目。这些素材被用于训练 Claude 大模型，并靠侵权数据实现产品迭代与商业获利，原告将其定性为"史上规模最大、性质最公然的知识产权盗窃行为之一”。赔偿诉求上，原告要求法院下达禁令、阻止 Anthropic 继续使用相关版权素材。按美国版权法，每件侵权作品最高可索赔 15 万美元，每处被篡改或清除的版权管理信息额外追加 2.5 万美元；涉案作品数以万计，若全部按上限赔付，整体索赔规模可达数十亿美元级别。Anthropic 公开回应称不认同出版商的全部指控，将在法庭积极抗辩、维护自身权益。这并非它首次陷入版权官司——此前已接连面对作家、出版商、环球、康科德等机构的多起诉讼，并曾与作家群体达成 15 亿美元和解；而本次诉讼恰逢其筹备巨额 IPO 的关键窗口期，无疑给上市进程增添了不确定性。

AI资讯AI新闻资讯正文腾讯大模型迭代按下“加速键”，混元Hy4预览版参数规模倍增且大摩看高至550港元发布于AI新闻资讯发布时间 :2026年8月31号 16:01阅读 :1分钟近日，腾讯正式发布了混元Hy4预览版，该版本的推出不仅早于摩根士丹利此前预期的9月，也直接兑现了腾讯管理层在二季度业绩会上提及的年内亮相承诺。自从2025年第四季度首席AI科学家姚顺雨加入以来，腾讯模型的更新速度显著提升，从4月推出Hy3预览版、7月发布Hy3正式版，再到如今Hy4预览版的提前登场，市场普遍预期原定于今年第四季度面世的Hy4正式版也将大概率提前落地。在技术架构方面，混元Hy4预览版采用了混合专家架构，在模型规模与长文本处理能力上实现了量级跨越。其总参数量达到了7700亿，相比上一代Hy3的2950亿实现了成倍增长;激活参数量提升至490亿，高于上一代的210亿;上下文窗口更是一举支持100万token，远超上一代25.6万token的处理能力。在性能表现方面，凭借高质量训练数据与软硬件协同设计的加持，Hy4预览版的整体表现已经稳居行业第一梯队。在腾讯内部的双盲评测中，该模型取得了2.99分的平均成绩（满分4分），微幅领先于同类产品;在第三方竞技场的代码能力榜单中，该模型也位列前茅。除了常规的基准测试，该模型在软件开发、办公效率、游戏开发和科研等真实场景中的生产力提升同样显著，这些核心优势与腾讯的游戏、广告以及云服务等主业高度契合，有望转化为长期的商业增量。基于腾讯在人工智能领域的显著进展和坚实的基本面，摩根士丹利维持对其行业的有吸引力观点，并重申了增持评级，给出了550港元的目标价。该机构预计，在2026年至2028年期间，腾讯的营业收入与核心盈利将保持稳健增长，预期市盈率与净资产收益率也将展现出良好的市场竞争力。

AI资讯AI新闻资讯正文单月飙升超92%！MiniMax交出亮眼半年报，总市值强势回升至1249.56亿港元发布于AI新闻资讯发布时间 :2026年8月31号 16:20阅读 :1分钟近期资本市场迎来强劲反弹，人工智能企业MiniMax在经历此前的股价波动后迎来显著回升。自 7 月 27 日近期低点算起，其股价在约一个月内累计涨幅已超过92%。在最新一个交易日中，盘中股价更是一度大涨超19%，最终报收于357. 8 港元，推动公司总市值回升至1249. 56 亿港元。这一波强劲的股价表现背后，主要得益于公司发布的亮眼 2026 年中期业绩报告。数据显示，MiniMax在业务规模和商业化落地方面均取得了爆发式增长。其中， 7 月份的Token（词元）消耗量呈现几何级数上升，达到了今年 1 月份的 20 倍之多。在具体的财务数据方面，公司第二季度收入环比大幅增长81.8%，而截至 8 月份的年度经常性收入（ARR）更是突破了 8 亿美元大关。从整个上半年来看，MiniMax的总收入达到1. 17 亿美元，同比大幅增长283.1%，这一半年的营收业绩已经超越了去年全年的总和。回顾过去几个月的市场表现，该公司的资本化进程备受瞩目，不仅在今年初正式登陆港交所，随后还于 8 月份被正式纳入港股通标的，展现出资本市场对其技术实力和商业化前景的持续认可。

AI资讯AI新闻资讯正文豆包辟谣“建议煮拖鞋”:系博主诱导模型摆拍，非真实回复发布于AI新闻资讯发布时间 :2026年8月31号 16:46阅读 :1分钟豆包公关负责人刘星8月31日发文，对近期多个平台流传的“豆包建议煮拖鞋”内容进行辟谣，指出该说法系由摆拍段子演变而来的不实信息。此前，多个平台出现博主发文称，拖鞋暴晒变形后向豆包求助恢复办法，豆包建议将拖鞋放入开水中煮，导致拖鞋和锅均被煮坏。刘星表示，豆包并不会给出此类回复，在“拖鞋被暴晒怎么处理”的问题上，豆包会明确提醒用户不要相信开水烫、蒸煮等偏方。经官方核实，这类视频改编自“是谁说的晒小的鞋能煮回来”的视频段子。豆包方面已联系到最早发布“豆包建议煮拖鞋”的博主，对方承认系故意引导豆包按预设的错误内容进行回复，摆拍制作成玩梗视频传播;因流量表现良好，后续不少账号跟进进行了同质化摆拍。该事件折射出AI助手产品面临的新型舆情风险:通过刻意诱导获取模型的错误输出，再以摆拍形式包装传播，已成为部分账号的流量手段，不实内容在扩散中易被误读为AI产品的真实缺陷。如何在保留开放交互体验的同时防范诱导性滥用，正成为AI产品不可回避的课题。

GLM-5.3-Flash – 智谱开源的原生多模态模型，即Ox AlphaAI工具13小时前更新AI小集03GLM-5.3-Flash是什么GLM-5.3-Flash 是智谱最新推出的开源大模型，总参数三百二十亿，激活参数仅十八亿，为 GLM-5 系列首个原生多模态模型。模型综合智能指数达五十七分，与Claude Opus 4.8持平，定价仅为其四十分之一。模型采用稀疏与线性注意力混合架构及流形约束超连接技术，支持视觉编码、代码生成和专业文档处理，首次实现国产芯片集群大规模高效部署，端到端性能提升三倍。GLM-5.3-Flash的主要功能原生多模态理解：支持文本与图像的联合理解与生成，是 GLM-5 系列首个原生多模态模型。视觉编码：将视觉能力原生集成进模型，使其能自主判断何时需要”观察”，并利用视觉反馈指导编程与行动。代码生成与迭代：支持前端、游戏、3D 仿真等开发任务，能根据渲染和交互反馈自我检验并迭代改进代码。专业文档处理：针对 PPTX、PDF、DOCX、XLSX 等 Office 文档优化，具备审美判断与自我验证能力。金融与法律工作：覆盖金融研报生成、建模分析，以及合同审查、法律文书起草等专业场景。Agent 协同：通过 Browser Use Agent 与 Computer Use Agent 在代码、浏览器和图形界面间协同操作。GLM-5.3-Flash的技术原理混合注意力架构：GLM-5.3-Flash 采用线性注意力与稀疏注意力混合架构，线性注意力通过递归机制捕获局部依赖，稀疏注意力借助轻量级索引器召回全局上下文；同时引入 IndexPool 将索引器缓存向量从 4 个压缩至 1 个，使注意力计算量与 KV 缓存较 GLM-5.3 分别降低 3.01 倍和 4.44 倍，在保持精准长上下文能力的同时大幅降低服务成本。流形约束超连接（mHC）：模型采用 mHC 技术提升 Scaling 能力，使其在总参数量 320B 与 GLM-4.5 相当的情况下，将激活参数量从 32B 降至 18B、层数从 92 减至 45，结合 30T Token 多模态预训练语料，用更少的计算资源实现超越 GLM-5.2 的性能。国产芯片推理引擎：针对国产芯片内存容量与带宽瓶颈，团队在 SGLang 基础上构建专用推理引擎，采用 EPD（Encode-Prefill-Decode）分离式架构将多模态编码、预填充和解码拆分为独立工作池，结合张量并行、ReplaySSM、W8A8 量化及混合缓存量化等技术，使端到端性能较基线提升 3 倍，达到与主流英伟达 GPU 相当的效率。微信关注回复“开源”，加入AI开源项目交流群如何使用GLM-5.3-FlashBigModel API：访问 BigModel 开放平台 https://docs.bigmodel.cn/cn/guide/models/vlm/glm-5.3-flash注册账号，获取 API Key 后按文档调用glm-5.3-flash接口。Z.ai API：访问 Z.ai  API 官网 https://docs.z.ai/guides/vlm/glm-5.3-flash文档中心，注册并获取 API Key 即可接入模型。Z.ai 在线聊天：访问Z.ai网页，登录后直接开始多模态对话。智谱清言 App：下载智谱清言 App并登录，在模型列表中选择 GLM-5.3-Flash 即可使用。ZCode：进入ZCode，启用模型后在代码编辑器中让 Agent 协同完成开发任务。AutoClaw：访问AutoClaw官网，上传文档让模型自动处理办公和专业文书任务。开源本地部署：从 HuggingFace 下载模型权重，按说明在本地服务器加载运行。GLM Coding Plan：前往 https://bigmodel.cn/glm-coding 申请限量体验卡，免费试用模型能力。GLM-5.3-Flash的核心优势极致性价比：与 Claude Opus 4.8 同级智能，定价仅为其 1/40，限时折扣内为 GLM-5.3 的 1/20。原生多模态：GLM-5 系列首个原生多模态模型，视觉能力原生集成，可自主判断并调用视觉反馈。高效架构：采用稀疏注意力与线性注意力混合架构，注意力计算量和 KV 缓存较 GLM-5.3 分别降低 3.01 倍和 4.44 倍。国产芯片部署：首次大规模使用国产芯片集群，端到端性能较基线提升 3 倍，效率对标主流英伟达 GPU。全面超越前代：用 320B 总参数 / 18B 激活参数，在多项基准测试中全面超越参数量高出一倍的 GLM-5.2。专业工作优化：针对金融、法律、Office 文档等专业场景深度优化，输出格式可直接交付。GLM-5.3-Flash的项目地址项目官网：https://z.ai/blog/glm-5.3-flashHuggingFace模型库：https://huggingface.co/zai-org/GLM-5.3-FlashGLM-5.3-Flash的同类竞品对比维度GLM-5.3-FlashClaude Opus 4.8GLM-5.3总参数320B未公开约 355B激活参数18B未公开32B模型层数45 层未公开92 层AA 智能指数57 分57 分更高（约 60+）多模态能力✅ 原生视觉编码✅ 多模态✅ 多模态开源状态✅ 开源❌ 闭源❌ 闭源定价水平极低（Opus 4.8 的 1/40）高端定价中端定价（Flash 的 10~20 倍）注意力架构稀疏 + 线性混合标准 Transformer标准 Transformer长上下文支持1M200K+1M国产芯片部署✅ 已验证❌ 否❌ 否核心定位前沿智能普惠化顶级闭源模型上一代旗舰模型GLM-5.3-Flash的应用场景前端与游戏开发：根据视觉反馈自主迭代代码，生成可运行的网页、游戏和 3D 场景。金融专业工作：覆盖金融研究、报告生成、建模与分析全流程，提供可追溯的数据来源。法律实务处理：审查合同条款、批注修订，并起草符合实务规范的律师函与诉讼文书。Office 文档自动化：处理 PPTX、PDF、DOCX、XLSX 等格式，具备审美判断与排版优化能力。Agent 协同办公：通过 Browser Use Agent 和 Computer Use Agent 在浏览器、代码与 GUI 间自动协同。日常多模态对话：在 Z.ai 和智谱清言 App 中进行图文理解、创意生成与知识问答。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Qwen3.8-Flash - 阿里通义推出的多模态 MoE 模型下一篇Hy-MT2-1.8B - 腾讯混元推出的端侧翻译大模型相关文章DanceGRPO – 字节Seed联合港大推出的统一视觉生成强化学习框架AI小集2GreenConvert – AI 音视频转录平台，双引擎转录模式AI小集2bioloGPT – AI生物知识机器人，提供详细见解和生物图表AI小集2Astryx – Meta 开源的 React 设计系统AI小集3QwQ-Max – 阿里推出的深度推理模型，基于 Qwen2.5-MaxAI小集4HotBot – AI搜索引擎，支持新闻、图片、视频等多种搜索选项AI小集2暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录DeepSkillAlphaVowXCellMetaDigChatArtLexcat最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！7小时前MiniMax H3 Max – MiniMax 推出的实时视频生成模型8小时前Ling-3.0-flash-Fin – 蚂蚁百灵推出的首个金融增强模型12小时前AI 技能成千上万怎么选？DeepSkill 精准搜索实战12小时前Rome – 开源的智能体操作系统，自然语言生成完整应用1天前Headlong – Laude Institute 开源的 AI Agent 微框架1天前Miya – 时域科技推出的 AI 音乐应用，画面可随歌词律动2天前Zing-0.5 – Loopit 开源的实时交互视频世界模型2天前2026 年 AI 生成图文店门头效果图 – 7 款工具深度横评3天前Hy4 preview – 腾讯混元开源的新一代旗舰大模型3天前Gemini Omni 1.1 Flash – 谷歌推出的 AI 视频生成模型3天前Twoo – 双人共用 AI 伙伴应用，能同时听懂双方对话3天前Prime Agent – Prime Intellect开源的长周期AI Agent运行框架3天前shuohao-skills – 开源AI短剧制作Skill集合，包含完整工作流3天前怎么用 MetaDig 做 AI 短视频，附教程实测案例4天前

OpenRouter是什么OpenRouter是 AI 大模型API 聚合平台，被称为”所有模型的统一接口”。平台通过一个API接入了80多家供应商的500多个模型，涵盖OpenAI、Anthropic、Google、Meta等主流厂商。平台会自动处理故障转移，为每次请求智能选择最具性价比的模型方案。平台兼容OpenAI SDK，现有代码几乎零改动即可迁移，同时提供Agent SDK和MCP服务器，方便构建AI应用。OpenRouter的主要功能统一模型接入：通过单一 API 端点调用数百个大模型，一个 Key 通用所有供应商。模型故障转移与智能路由：请求失败时自动切换备选模型，并按成本、速度或供应商偏好智能选择方案。OpenAI SDK 兼容：仅需修改 baseURL 即可无缝迁移现有 OpenAI 生态代码。三种集成方式：提供原生 API、类型安全的 Client SDK，以及自动处理工具调用循环的 Agent SDK。工具调用与结构化输出：支持函数调用、JSON 结构化返回和消息转换等高级能力。企业级管理：支持工作区预算、SSO 单点登录、SCIM 群组映射和预设策略。隐私与安全：提供零数据保留（ZDR）、输入输出日志、防护栏（Guardrails）和数据主权选项。性能优化：支持响应缓存、提示词缓存和正常运行时间优化，降低延迟与成本。MCP 服务器：让 AI 编程工具实时查询模型目录、价格和账户余额。丰富生态集成：兼容 LangChain、Vercel AI SDK、Zapier、Replit 等 10 余种主流框架。如何使用OpenRouter注册账号：访问 OpenRouter 官网 https://openrouter.ai/，点击登录按钮后选择 Google、GitHub 或 MetaMask 钱包任一方式完成注册。充值积分：进入账户的 Billing 页面购买 credits，积分按实际 Token 用量扣费，可用于平台全部 500+ 模型且永不过期。获取 API Key：在控制台 Keys 页面点击创建，生成一串以sk-or-开头的密钥，可复制保存并随时吊销。选择集成方式：想要完全控制就用任意语言直接 POST 原生 API；已有 OpenAI 代码只需把baseURL改成https://openrouter.ai/api/v1可零改动迁移；构建智能体安装@openrouter/agent。挑选模型：在 openrouter.ai/models 按能力、价格、上下文长度筛选模型，用~openai/gpt-latest这类 latest 别名可让代码始终自动指向最新旗舰版本。发送请求：向https://openrouter.ai/api/v1/chat/completions发送包含模型名和消息体的请求。可选进阶：在请求头加上HTTP-Referer和X-OpenRouter-Title可让应用登上官方排行榜，接入 MCP 服务器（https://mcp.openrouter.ai/mcp）能让 Claude Code、Cursor 等 AI 编程工具实时查询模型与价格数据。OpenRouter的核心优势一站式模型接入：一个 API、一把 Key 可调用 80+ 供应商的 500+ 模型，省去逐家注册、充值、适配接口的麻烦。高可用性：内置自动故障转移和供应商冗余，某个模型宕机时自动切换备选，保障服务不中断。成本最优：智能路由为每次请求挑选最具性价比的方案，按量付费无订阅，平台宣称比直连价格更优。零迁移成本：完全兼容 OpenAI SDK 和 API 格式，现有代码改两行配置即可接入全部模型。免运维升级：latest 别名自动跟随厂商最新旗舰模型，模型换代无需修改和重新部署代码。厂商中立：不被单一供应商锁定，可随时切换或混用不同厂商的模型。开发者友好：提供 Agent SDK、MCP 服务器和 10+ 主流框架集成，从简单调用到复杂智能体都有对应工具。企业级能力：支持工作区预算、SSO、零数据保留（ZDR）和数据主权，满足合规与团队管理需求。OpenRouter的同类竞品对比对比维度OpenRouterOfoxAIDMXAPI背景/注册地美国，全球最知名的模型聚合平台新加坡注册，自称授权合作伙伴国内团队，LangChain 中文网旗下模型规模500+ 模型、80+ 供应商100+ 模型，覆盖 GPT/Claude/Gemini/DeepSeek 等300+ 模型，含文本/图像/语音/视频多模态国内访问国内连接不稳定、常丢包，晚高峰延迟约 850ms国内直连无需翻墙，延迟 <300ms国内线路优化，部分场景延迟约 180ms支付方式仅海外支付（信用卡等），对国内用户不友好支持支付宝，秒到账人民币结算，支持公对公付款接口兼容OpenAI 兼容，另有 Agent SDK 和 MCP 服务器兼容 OpenAI/Claude/Gemini 三大协议，支持 RAG 和 MCP100% 兼容 OpenAI 协议，改两行代码迁移企业功能工作区预算、SSO、ZDR 零数据保留 [^文档索引^]企业账号：多用户+统一付费+用量可观测可开增值税发票，充值后即可开票，无需等消耗SLA/稳定性官方未承诺高 SLA，实测成功率约 92%（国内）宣称 SLA 99.9%高可用站宣称 99.99% SLA，但实测延迟波动较大OpenRouter的应用场景软件开发与代码辅助：开发调用 AI 模型自动生成代码片段、优化代码结构、修复错误，甚至设计复杂的软件架构，显著提高编程效率。内容创作：内容创作生成高质量的文本内容，如文章、故事、新闻报道和营销文案，激发创意并提升创作效率。自然语言处理：企业构建智能聊天机器人，用在客户服务和虚拟助手，提供实时语言理解、翻译和情感分析，提升用户体验。数据分析与报告：企业和研究机构生成数据报告和可视化图表，帮助用户更好地理解复杂数据，支持决策制定。教育与学习：教育机构和在线学习平台生成个性化的学习材料和练习题，根据学生的学习进度和需求提供定制化的内容，提升学习效果。©️版权声明：若无特殊声明，本站所有文章版权均归AI工具集原创和所有，未经许可，任何个人、媒体、网站、团体不得转载、抄袭或以其他方式复制发表本站内容，或在非我站所属的服务器上建立镜像。否则，我站将依法保留追究相关法律责任的权利。类似于OpenRouter的工具CaffeUC伯克利研究推出的深度学习框架昇思MindSpore华为开源的自研AI深度学习框架TensorFlowGoogle推出的机器学习和人工智能开源库智谱清流智谱推出的企业级AI智能体开发平台文心智能体平台百度推出的智能体构建平台无问芯穹AI大模型服务平台，提供从算力、模型到应用一站式服务暂无评论再想想发表评论暂无评论…

Gemini Omni 1.1 Flash – 谷歌推出的 AI 视频生成模型AI工具3天前发布AI小集03Gemini Omni 1.1 Flash是什么Gemini Omni 1.1 Flash 是谷歌推出的AI 视频生成模型，面向开发者和专业创作者，支持从 360p 快速预览到 4K 超高清的多档位输出。模型具备场景续写、首尾帧指定、视频参考等精细控制能力，可基于已有画面无缝扩展至 40 秒，通过引入最长 3 秒的参考片段保持角色与场景一致性。模型采用按秒计费模式，360p 约 0.2 元/秒，4K 约 2 元/秒。Gemini Omni 1.1 Flash的主要功能场景扩展：基于已有视频从结尾无缝续写，每次 10 秒，单条累计最长可达 40 秒。指定首尾帧：给定起始帧与结束帧，自动生成平滑转场与镜头运动。360p 快速预览：生成速度比 720p 提升 60%，成本仅为三分之一，适合快速迭代。4K 高分辨率输出：支持直接输出 1080p 或 4K 画质，满足专业制作需求。视频参考：可引入最长 3 秒参考视频，精准保持场景背景与角色一致性。Gemini Omni 1.1 Flash的技术原理长上下文视频理解：模型将可分析的前置视频上下文从 1 秒扩展至 10 秒，通过更长的时序记忆捕捉画面中的动态细节与叙事逻辑，在续写时维持角色外观、光影环境和摄像机运动的一致性，避免片段衔接处的跳变。多模态输入融合：系统同时处理文本提示、静态图像与视频片段三种模态，将文本语义映射为视觉指令，以图像定义关键帧构图，以参考视频锁定角色与场景风格，最终在统一的潜空间中生成连贯的时序内容。分辨率自适应生成：采用同一套模型架构支持 360p 到 4K 的多档位输出，低分辨率模式下通过减少潜空间采样步数实现快速草稿，高分辨率模式下则启用增强的上采样与细节重建，让创作者先用低成本验证创意，再输出成片。时序一致性保持：通过引入外部参考视频作为条件输入，模型在生成过程中将参考帧的特征嵌入与当前生成帧进行对齐，结合对前序 10 秒上下文的自注意力计算，抑制角色形变、背景漂移等时序不一致问题。如何使用Gemini Omni 1.1 Flash获取访问权限：访问Google AI Studio或接入 Gemini API，确保账号具备调用权限。选择目标模型：在模型列表中选择gemini-omni-1.1-flash作为目标模型。准备输入素材：根据需求准备输入素材：纯文本提示、起始/结束图像、参考视频（最长 3 秒）或已有视频片段。选择生成模式：直接生成新视频、基于已有视频续写（需传入previous_interaction_id）、或指定首尾帧生成过渡。设置输出分辨率：先用 360p 快速预览验证创意，满意后再切换至 720p、1080p 或 4K 输出成片。执行生成：调用 API 或点击生成按钮，等待模型返回视频结果。导出与后续编辑：下载最终视频文件，或直接在 Adobe Firefly、Runway 等已集成平台中继续编辑。Gemini Omni 1.1 Flash的核心优势4K 超高清输出：支持直接生成 1080p 乃至 4K 分辨率视频，满足专业影视制作标准。场景无缝续写：基于已有视频从结尾继续生成，每次 10 秒步进，单条叙事最长可延伸至 40 秒。首尾帧精准控制：只需提供起始帧与结束帧，即可自动生成平滑转场与复杂镜头运动。360p 极速草稿：预览模式生成速度提升 60%，成本仅为 720p 的三分之一，大幅降低迭代试错开销。视频参考一致性：引入最长 3 秒的参考视频，即可精准锁定角色形象与场景风格，避免生成漂移。10 秒长上下文理解：模型可回溯分析多达 10 秒的前置画面（此前仅 1 秒），续写时叙事与视觉连贯性显著增强。多模态灵活输入：同时融合文本提示、静态图像与视频片段，让创意指令的表达维度更丰富。Gemini Omni 1.1 Flash的项目地址项目官网：https://blog.google/innovation-and-ai/technology/developers-tools/build-with-gemini-omni-1-1-flash/Gemini Omni 1.1 Flash的同类竞品对比对比维度Gemini Omni 1.1 FlashRunway (Gen-3/Gen-4 系列)开发商Google DeepMindRunway ML最高分辨率4K1080p（主流版本）累计生成时长最长 40 秒（原生支持扩展）单次通常 10–16 秒场景续写原生支持，10 秒步进无缝扩展需借助外部工具拼接首尾帧控制原生支持，自动生成平滑过渡与运镜支持 Image to Video参考视频一致性最长 3 秒参考视频，精准锁定角色与场景支持 Video to Video低成本预览360p 模式，速度快 60%，成本低至 1/3无专门低分辨率预览模式上下文理解可分析前 10 秒画面保持连贯通常仅参考末端帧计费方式按秒计费（$0.03–$0.30/秒）按信用点或订阅制Gemini Omni 1.1 Flash的应用场景影视广告与预告片制作：用 4K 输出和首尾帧控制，快速生成高质感商业短片、品牌广告与电影预告。社交媒体内容创作：借助 360p 快速预览低成本迭代，批量产出短视频、动态封面与 viral 内容。游戏与动画预演（Previz）：通过场景扩展和参考视频保持角色一致性，快速生成分镜脚本与动作预览。电商产品动态展示：基于产品图指定首尾帧，生成 360° 旋转、细节特写等动态展示视频。教育与培训视频：用视频参考保持讲师或动画角色形象统一，批量生成解释性视频与课件动画。# AI工具# AI项目和框架©版权声明本站文章版权归AI工具集所有，未经允许禁止任何形式的转载。上一篇Twoo - 双人共用 AI 伙伴应用，能同时听懂双方对话下一篇Hy4 preview - 腾讯混元开源的新一代旗舰大模型相关文章Readtheirlips – 唇语识别AI软件，无音频也能转录口语内容AI小集4Context7 – 为大模型和AI编辑器提供最新文档和代码示例的平台AI小集3OpenCoder – 无限光年联合多所高校推出的开源代码大型语言模型AI小集3GPDiT – 清华北大联合阶跃星辰等推出的视频生成模型AI小集2Kineto – JetBrains 推出的零代码AI应用构建平台AI小集3Genmoji – AI表情包制作应用，支持文字、人脸生成虚拟卡通表情AI小集4暂无评论再想想发表评论暂无评论…热门工具Loomy即梦AISekoAiPPT秘塔AI搜索妙呀堆友Agent美图设计室绘蛙AIupdream办公小浣熊秒哒最新收录DeepSkillAlphaVowXCellMetaDigChatArtLexcat最新文章秒悟Meoo – 1分钟生成前后端完整的网站，真0门槛开发！7小时前MiniMax H3 Max – MiniMax 推出的实时视频生成模型8小时前Ling-3.0-flash-Fin – 蚂蚁百灵推出的首个金融增强模型11小时前AI 技能成千上万怎么选？DeepSkill 精准搜索实战12小时前Rome – 开源的智能体操作系统，自然语言生成完整应用1天前Headlong – Laude Institute 开源的 AI Agent 微框架1天前Miya – 时域科技推出的 AI 音乐应用，画面可随歌词律动2天前Zing-0.5 – Loopit 开源的实时交互视频世界模型2天前2026 年 AI 生成图文店门头效果图 – 7 款工具深度横评3天前Hy4 preview – 腾讯混元开源的新一代旗舰大模型3天前Twoo – 双人共用 AI 伙伴应用，能同时听懂双方对话3天前Prime Agent – Prime Intellect开源的长周期AI Agent运行框架3天前shuohao-skills – 开源AI短剧制作Skill集合，包含完整工作流3天前怎么用 MetaDig 做 AI 短视频，附教程实测案例4天前Gemini 3.5 Transcribe – 谷歌推出的最新语音转文本模型4天前

感谢IT之家网友软媒用户1053564、Domado的线索投递！IT之家8 月 28 日消息，当地时间 8 月 27 日，谷歌宣布推出 Gemini Omni 1.1 Flash 视频生成 AI 模型，最高可生成 4K 视频。IT之家附新模型亮点如下：场景扩展：用户可以直接基于已有视频，从结尾处无缝衔接并继续生成后续画面。用户可按每次 10 秒的步长逐步扩展视频，单条视频的累计最长时长可达 40 秒；指定首尾帧：只需指定镜头的起始帧与结束帧，即可实现平滑自然的转场效果与镜头运镜；生成 360p 预览：相较于 Omni 1.1 的标准 720p 分辨率，生成速度最高可提升 60%，且成本仅需原有的三分之一，适用于快速原型验证、分镜脚本迭代以及高速渲染；最高 4K 分辨率：可直接输出画质细腻、细节完善的高分辨率 1080p 或 4K 最终成片；视频参考：构建视频场景时，支持引入最长 3 秒的参考视频片段，从而依据参考内容精准维持画面的上下文背景与角色一致性。价格方面，Gemini Omni 1.1 Flash 生成 360p 视频每秒 0.03 美元（现汇率约合 0.2 元人民币），生成 720p 视频每秒 0.1 美元（现汇率约合 0.67 元人民币），生成 1080p 视频每秒 0.15 美元（现汇率约合 1 元人民币），生成 4K 视频每秒 0.3 美元（现汇率约合 2 元人民币）。