腾讯牛逼 !! 微信视觉组开源 WeMM-Embedding, 让多模视觉理解又上一个高度： 比如我想定位视频中，美女打开车门的那段切片，完全可以口述让模型帮找出来，太有用了 赶紧下载体验，嘎嘎香

Veo 3.1 现在在Gemini中支持模板化生成视频 你可以套用预设模板，再配上自己的图片或文字描述来快速生成视频内容，降低了视频创作的门槛。​​​​​​​​​​​​​​​​ 打开Gemini 应用，在工具菜单里选择”创建视频” 然后从模板库里挑一个模板，再上传一张参考图片和/或写一段描述，就可以生成自己的视频了。

字节新视频模型Seedance1.5 pro有个很牛🍺的点，目前只有它能做。 可以一句话复刻经典影视片段、热门片段，做出同款名场面效果，甚至人物的动作和台词都能直接复用，比如我做的这个经典你过来啊（沈腾熊猫版） 我还测试了X个cases （1/4）

发现一个开源小模型，在GitHub上已经斩获 5w star，还登上了Trending榜单。 用它可以让你只用3块钱、花两个小时，就能训练出一个仅有25.8M参数的超小语言模型。 主打极致轻量化，最小版本体积只有 GPT-3 的 1/2700。 而且还开源了... tokenizer 分词器训练，包含 Pretrain、SFT等全过程训练代码，甚至拓展了视觉多模态的MiniMind-V。 所有训练脚本均为 PyTorch 原生实现，兼容MoE混合专家模型架构，基本实现了对大语言模型全阶段的开源复现show more

前两天用了ChatCut我以为它已经很牛了至少在某些程度上能替代剪映，没想到今天部署的这个开源项目OpenMontage更厉害，只需要接入大模型它就能直接帮你写好提示词分镜脚本，有哪里不对的还可以让它改，我刚就说了一句“帮我生成一个15秒的猫和老鼠的视频”，它就给我做了一个这样的视频出来，自从有了AI各行业的压力是越来越大了，以后动画设计那些我感觉越来越多人要失业了。

我去，美团把数字人视频生成模型开源了。外面数字人 Agent 一天卖 50 万，美团直接做了个 LongCat-Video-Avatar 塞进同一个仓库里开源了。 给一张人脸图加一段音频，数字人张嘴念稿，嘴唇、眼神、表情全自动对上。 它不是那种玩具开源，是实打实对标... Sora、Veo3、Kling 那种商业模型。 13.6B 参数，文生视频、图生视频、视频续写，一个模型全干完，720p 30 帧，长视频一口气跑几分钟不崩画质。而且你敢信？推理还比同级快了 10 倍。 坦率的讲，我看到技术报告的时候是有点懵的。因为 benchmark 上它一个 Dense 架构的 13.6B 模型，追着人家 28B 的 MoE 打。更让我愣住的是数字人那块。 你想想看，这事以前怎么搞。 要么自己录真人，要么掏钱买方案，几百块一条起步。现在一个开源模型，丢段文案给 TTS 一念，画面它自己出。而且 1.5 版做了蒸馏，推理从几十步压到 8 步，快了 15 倍。还加了 INT8 量化省显存。 说实话，这种东西别只收藏。 想试的，先跑 一下我下面的文章教程，参考就能部署。 GitHub 搜 meituan-longcat / LongCat-Video，权重在 HuggingFace 上直接下。show more

即梦现在可以用Seedance 2.0 生成 1080P 的视频了 试了一下，太屌了！感觉这个才是满血的 Seedance 2.0 这个细节就不说了。我感觉这个模型它的智能程度和提示词理解能力也上升了。 在“全能参考”上，对于素材的使用非常灵活，而且跟整个视频融合得更好。

来自北京的月之暗面公司在7月16日发布了全新旗舰大模型 Kimi k3，是全球首个开源 3 万亿级大模型。100 万 上下文长度，可一次性载入百万字文档、完整代码库、整本财报、长篇专业文献，专为长时程代理式编码和自我演化工作流而构建。原生多模态统一支持文本、图片、截图、图纸视觉理解，非外挂视觉插件。 综合能力上仅次于闭源顶级模型 GPT-5.6... Sol、Claude Fable 5，在代码、长文档检索、复杂工程任务上反超绝大多数竞品开源 / 闭源模型。 完整模型权重将于2026 年 7 月 27 日公开释放，企业可本地私有化部署、二次微调，是当前可商用规模最大开源基座。show more

非常Nice啊，这模型完全免费，Token终于可以自由白嫖了，甚至视频模型都是免费的，太爽了。 它叫Agnes AI，全球模型榜前十，6 月 1 号起把自己家三个核心模型全免费开放了，无限期。图片模型在 artificial analysis 上榜了，文字模型一周被干了一万亿... Token。我把它接进 Claude Code，配起来十分钟的事，Token 随便用。 这玩意到底是什么呢。 Agnes AI 是全球模型榜单前十的一个 AI Lab，这次免费开放的是三个模型，文本、图片、视频。 文本模型叫 agnes-2.0-flash。能写代码，能做知识问答，能跑 Agent，能规划复杂任务。在 Claw-Eval 智能体评测榜进了 Top 10。说真的，这周它还要上 1M 超长上下文，以前用 200K 的模型跑到 150K 就降智，这种破事不用再忍了。 图片模型叫 agnes-image-2.1-flash。图改图、多图融合、换背景、改文字、图像修复，电商主图和广告素材这种反复改的场景，太合适了。最近还加了 4K 超高清输出，最高 4096×4096，生成的图可以直接进印刷，不是那种看着还行一放大就糊的草稿。 视频模型叫 agnes-video-2.0。原生音画同步，首帧生视频、首尾帧生视频、多镜头切换都支持，720P 和 1080P 随便选。 接进 Claude Code 怎么搞，其实很简单。 第一步，去 注册，拿到 API key。 第二步，打开 cc-switch。右上角选 Claude CLI，右上角点 + 号，选自定义配置。把 API key 填进去，请求地址写 格式选 OpenAI Chat Completions。 第三步，点获取模型列表，选 agnes-2.0-flash。 第四步，点左上角设置，找到路由，打开路由总开关，Claude 打开。 完事。 回到 Claude Code 正常发消息，模型就已经切过去了。我试了一个在酒吧吉他弹唱的视频，和真人区别不大。 现在 Token 不要钱，Agent 该跑几轮跑几轮，该拆几步拆几步。反正我觉得这才是免费开放最爽的部分，不只是省钱，是心理上解放了。 我测试了一下视频模型，能用，就是慢了点，文字模型还是比较快的。 开发者文档在 OpenClaw、Hermes、Claude Desktop 的，也有现成教程。show more

卧槽，答案终于揭晓了！ 那个在open router上持续霸榜的神秘模型，是阿里推出的全新大模型“蚂蚁百灵”！今天我们来深度聊一聊这个模型。 用过AI来完成前端开发的朋友肯定懂： 要让AI做出想要的UI总是要找参考，再不然就是要依赖设计 skill 的帮助。 但这种界面一旦看多了，就会陷入审美疲劳。 原因在于不管你是对标UI还是使用skill，结果都是被限定在固有的生成范围内。... 最近小灰测了新模型 Ling-2.6-1T （由蚂蚁集团 Ant Ling 开发），发现它刚好就能打破这个限制。 它生成的页面不仅审美极度在线，而且自带高质量的交互效果，做出来的东西终于不再是干巴巴的呆板网页了。 但用它有个必须要避开的坑：Ling 2.6 1T 默认是没有深度思考模式的。 它在计算资源分配上极其克制，如果你偷懒丢一句"给我写个好看的界面"，那么它大概率会给你一个准确但极其敷衍的结果。(视频1) 那么怎么取巧使用它？ 小灰分享一个能逼出它真实设计水平的实操工作流：把它当成主规划师，先拆解风格，再写代码。 跟它对话时，你可以直接下这种指令： 1. 强制思考：先别急着写代码！帮我分析这个产品的定位，明确它的视觉情绪、色彩规范和排版布局，把思路列出来。（比如明确告诉它你要包豪斯风格或者北欧风）。 2. 落地执行：等它把设计语言梳理清楚，你确认没问题了，再让它基于这套标准去生成具体的 TailwindCSS 样式和前端页面。 用这种先 Plan 后做的方式，出来的页面不仅美观，而且风格极其统一。（视频2） 目前在Openrouter中可以免费体验该模型。 选对工具打破模板限制，用高审美的模型直接拔高视觉质感，能帮我们省下大把死磕 CSS 的时间。 期待大家都能快速做出让人眼前一亮的作品！show more

国产AI真的越来越强大了！发现一个AI复刻爆款视频的办法，不用开会员。 我在即梦下载了爆款视频之后，通过小云雀上传视频，就可以智能分析复刻同风格的爆款视频了，每天有130积分可以体验！ 图一是爆款视频，图2是复刻后的视频，感觉效果还不错！快去试试！

做短视频的朋友，微信问我：看到抖音非常有用的视频，想把文案扣出来逐字稿，怎么搞？要花多少钱 我猜他平时肯定不用 Codex , Claude Code. 当场我在 Mac 上给他糊了个，唯一要花点小钱的是阿里... QWen ASR Flash Transfile 这个语音识别模型，夯爆 3-5r 可以识别好几个小时的视频show more

发现一个上海交大团队出品的大模型实战开源课程，在 GitHub 已经斩获4.6w+ star 内容从零开始设计，不堆理论，每个章节都能直接上手跑代码 内容包含API调用、模型微调、多模态开发一路递进，还专门开了越狱攻防、多模态模型等进阶模块，配套在线实验环境，学完即可实战 适合想系统补齐大模型知识的人

卧槽，感谢前端哥，又学到了一个拥有28.7K开源小可爱 Herdr 。它是目前仅有18M的Rust终端，装上它可以让你轻松放羊了。 之前一直在用tmux，初步上手感觉我的tmux可以丢到垃圾桶了，tmux 拥有一套完整的键盘快捷键体系，而 Herdr 在设计上选了鼠标优先的路线。从分屏、调高宽到标签页切换，全部支持可视化操作。同时 Herdr 依然保留了快捷键机制。... 同时 Herdr提供了开源的skill，可以让你轻松管控一大堆Agent，比如Claude Code、Codex、Grok Build、OpenCode等等，而且使用herdr可以让各个Agent之间轻松实现相互的通信。 最后，他目前也支持window，评论区我放上开源项目地址和视频酷炫终端使用指引，有兴趣的可以试试看show more

之前用 Seedance 2 做了个做酸菜鱼的视频， 生成到第10秒的时候，美女的手直接伸进滚烫的锅里搅拌。AI完全不知道那样会烫。 当时觉得好笑，后来越想越觉得，这不只是 bug这么简单，现在的 AI 根本还没到理解物理世界怎么运转这一层。... 这半年做了太多AI视频了，每次满心欢喜等它生成，结果经常是人物动作接不上、物体空间瞬移、手还没碰到东西物体就动了，各种幻觉 bug，真的挺折磨。 最近看到黄碧薇教授 Biwei Huang 的 Aether AI 官宣融资，认真看了一下方向，感觉它解释了很多视觉 AI 里反复出现的问题。 Aether AI 做的是因果世界模型。这个词听起来很学术，但放到视频生成里其实很好理解。 今天的视频模型，Sora、即梦、Veo，已经能生成非常真实的画面。杯子掉落、水洒出来、机械臂抓取，看起来越来越像真的。但它们很多时候是在根据海量视频经验预测下一帧，类似画面后面通常会发生什么，就生成什么。 所以桌子高了 2cm，机械臂就可能失效。明明伸过去的角度看起来对，杯子却自己飞起来了。画质够了，数据也不少，但模型没有真正理解这个动作为什么会带来这个结果。 Aether AI想做的，就是让 AI 学到变量之间的底层规律，比如桌子高度变了会带来什么影响，物体受力之后会怎么运动，一个动作会导致什么后果。 这类东西学进去，模型才能在没见过的场景里稳定推演、举一反三。对视频生成、机器人、自动驾驶、3D 世界模拟都会很关键。 视觉 AI 下一阶段的方向，可能就是从生成看起来合理的画面，走向理解画面为什么会这样变化。 黄教授 Biwei Huang 做因果AI 超过 12 年，这次 Aether AI 融资，我觉得是一个值得关注的信号：因果世界模型正在从学术前沿走向产业。 想了解的可以戳一下官网看看：show more

seedance2.0出来以后，有兴趣做视频的如鱼得水，但是对没兴趣做视频的人似乎没什么帮助。 这个换发型，看自己更适合哪种发型，可能是目前对所有人都最有实用价值的应用了。 一个产品，要想破圈，还得找到让所有人都能获益的切入点啊。

爽了，AI视频终于卷起来了，MiniMax H3 牛逼！！！ Seedance 2.0 30% 的价格 + 2K... 画质 + 原生声音 + 角色一致 + 指令编辑 真香！我来给大家详细讲一讲这个模型： 它原生同时出画面和声音。给一段描述，视频出来自带对话、音效、环境音，不用像以前一样跑完视频再去配 TTS、找音效、对口型。 之前做一条完整有声视频至少串三四个工具，现在一步全出来。光这一个能力就已经省掉巨多时间了。 比如，你设计好一个品牌模特，把参考图喂进去，最多同时喂 9 张图 + 3 段视频 + 3 段音频，模型生成的每条视频里这个人物长相和声音都一致。 而且生成完不满意不用整条重跑，直接说"背景换成卧室""手里的产品换一个"，视频编辑能力 Artificial Analysis 全球第一，不是吹的！ TopviewAI 是首批将将它推向市场的平台，而且Ultra 年费用户60 天无限生成，你就敞开了测到满意为止。show more

用 AI 生成视频卖空气，验证需求，这个方法大家可以去尝试了。 最近看到一个很有意思的例子：歸藏老师用 Seedance 2.0 和 ChatGPT Image2... 直接做成了游戏试玩视频，直接被新浪微博CEO 来总，转发表示想玩。 这其实就是在“卖空气”： 没有产品、没有游戏、只有一个 AI 视频 但你已经在验证：有没有人想玩 / 感兴趣 先用 AI 把产品视频出来，看看有没有人买单，不必要花费大力气去做网站、游戏、实体产品等，用极低的成本去验证需求。 而且现在制作这样验证需求的视频也很简单，比如我下面生成的视频：首先ChatGPT Image2 生成一张网站首页的图片，一张网站使用过程中的图片，然后让Seedance 2.0 生成一个网站使用过程中的演示视频，就可以去卖空气，验证需求了。 Seedance 2.0 我使用的是之前海外版“拼多多” gamsgo 旗下的 Rita 去生成，他们是官方直连模型，而生成速度挺快，不用排队。可以先免费试用，觉得不错，可以用我的邀请链接优惠购买：show more

AI漫剧门槛彻底被Toonflow打破了！ 你敢相信吗？一句话扔进去，普通人也能做出完整的AI漫剧！ 市面上很多开源AI项目，看起来很牛，实测下来却是： 角色崩坏、剧情断层、废片率极高…… 最近也在深度体验tooflow，下面视频就是用他简单生成的，只提供了一个创意【竹篷船上捡个娘子】，可以看出来质量还是挺高的～ 主要有以下亮点： ✅小说 → AI写剧本... → 智能分镜 → 图片模型定角色 → 视频模型出镜头，一气呵成。 ✅保持人物一致性，牢牢记住你主角的长相风格，长剧角色也不跑偏。轻松实现批量生产的利器！ 漫剧风口来了，一定要抓住，感兴趣的可以看看哦～ 地址：show more

发现一个AI自动剪视频de 开源项目，它自动帮你把视频里所有高光片段全部剪出来，在GitHub 已经斩获5k star 你把视频链接粘进去或者直接上传，它会自己下载、分析，识别爆点、金句、高光时刻，裁成独立片段，标题和主题也一并生成好，最后一键打包下载就行 全程不用动手，AI替你把二创素材都备好了 而且完全开源，免费用