Gemini 3 Flash登陆API：输入$0.50/百万tokens，输出$3.00/百万tokens
Google宣布推出新一代轻量前沿模型 Gemini 3 Flash，主打高速、低延迟与规模化可用，官方称其在多数评测上强于 Gemini 2.5 Pro，并显著强化编码与工具调用能力。该模型已在 Gemini API/AI Studio、Vertex AI 与 Gemini CLI 等渠道提供预览...
Admin •
112
OpenAI Image Generation指南更新：GPT Image与Image API、Responses API使用要点
OpenAI 开发者文档“Image generation”页面对图片生成与编辑能力进行了集中说明：开发者可通过 Image API 直接生成、编辑或生成变体（变体仅 DALL·E 2 支持），也可在 Responses API 中把“image_generation”作为内置工具，用于多轮对话式的...
Admin •
164
MiMo-V2-Flash发布：256K长上下文与多Token预测提升推理吞吐
小米MiMo与小米大模型Core团队发布并开放MiMo-V2-Flash相关资源，定位为面向高速度推理与智能体工作流的基础语言模型，模型权重与推理部署资料同步提供给开发者与研究者使用。 该模型为Mixture-of-Experts（MoE）架构，总参数约309B、推理时激活约15B，并支持最高约25...
Admin •
130
OpenAI发布新旗舰图像模型：ChatGPT Images与GPT Image 1.5同步推出
OpenAI于2025年12月16日发布新版ChatGPT Images，并称其由新的旗舰图像生成模型驱动，重点提升指令遵循、编辑精度与细节保留能力，同时将生成速度提升至最高4倍。官方说明指出，新模型在对上传图片进行修改时更能“只改用户要求的部分”，尽量保持光影、构图与人物外观等关键细节一致。 此次...
Admin •
85
SAM Audio上线Segment Anything Playground：从混合音轨中提取任意声音元素
Meta推出SAM Audio（SAM-Audio），定位为“统一式”音频分割与编辑AI模型，目标是在复杂混音中按提示隔离并编辑特定声音。典型用例包括：在乐队演出视频中单独提取吉他或人声、过滤户外交通噪声、从播客里去除狗叫等干扰音。 SAM Audio的交互方式强调“人类直觉式提示”，支持三类提示并...
Admin •
163
美团LongCat团队推出LongCat-Video-Avatar：面向长时序说话人视频生成与多人物场景
美团LongCat团队在LongCat-Video代码库更新中宣布发布LongCat-Video-Avatar，并同步上线项目页与Hugging Face权重。该模型定位为“音频驱动”的人物视频生成方案，基于LongCat-Video架构，支持Audio-Text-to-Video（AT2V）、Au...
Admin •
126