302.AI

近日，腾讯混元团队开源了其最新图像模型 Flux-1-SRPO，这款模型是基于黑森林 Flux-DEV 微调的文生图模型，其全称为 Semantic Relative Preference Optimization（语义相对偏好优化），旨在解决当前 AI 生图模型在人像生成方面的油腻皮肤质感和“AI味”常态。 针对人像生成优化，混元团队提出的创新型 Dire…

仅靠一张图片就能制作电影？通义万相于 9 月 19 日开源了其角色动画驱动模型 Wan2.2-Animate —— 一款能够实现一键迁移角色动态的强大模型。其核心能力就是把人物角色的动作、神态，精准迁移到任意角色身上，从而实现让一张静态图复刻任何视频里的动作，主演任何视频里的场景。 AI 视频生成技术普及以来，如何让作品中的角色动态叙事更完整、更真实，这一直…

AI 行业大事记 2025 年 8 月 联合出品： Jomy @ 302.AI 南乔 @ ShowMeAI 大聪明 @ 赛博禅心 说明: ①本文讨论了 2025 年8月 AI行业的大事，涵盖模型、图像、视频、音频、3D、机器人、应用、新闻/融资等多个领域。 ② 本文分类中的「模型」均指代语言模型； ③ 本文分类中的「融资」包含了融资、收购、团队成员吸收等多种…

AI 视频生成技术今年在以前所未有的速度进行迭代，当你惊叹于互联网上天马行空的视觉作品并尝试自己付诸实践时，却尴尬地发现，绝大数多数视频模型在画质与动效上表现力惊人，而其生成的世界却陷入了一种诡异的沉寂——大部分主流模型都无法实现音视频一体生成。这就意味着我们虽手握造梦的权力，却被迫成为了“无声电影时代”的遗民。不禁想到一句经典广告语，“没声音，再好的戏也出…

美团于 8 月底正式开源了其首个 560B 参数的 MoE 大模型 LongCat-Flash-Chat，并同步上线了官网。官方资料称，作为一款非思考型基础模型，LongCat-Flash-Chat 仅激活少量参数，性能就可比肩当前主流领先模型，尤其在智能体任务中表现优异。其面向推理效率的创新设计带来了极快的推理速度，更擅长处理长耗时的复杂智能体应用。 Lo…

在开始这篇万字长文前，可以先看两则我刚剪的短视频，配乐均来自本篇评测中生成的 AI 音乐案例，能对目前的 AI 音乐质量有个直接的认知。相信我若不说明，能一耳朵辨别出这是 AI 音乐的人，恐怕寥寥无几。 放眼今天的 AIGC 版图，图像/视频领域早已卷得飞起，这周刚被万千用户追捧的 SOTA 模型很可能下周就被新的竞品完爆，潮起又潮落。然而当我们把视线挪到 …

如果每次查数据、改状态、触发工作流，都需要你离开聊天窗口，去翻 API 文档、写 curl 命令或者跑一个单独的脚本，那 Chat 的效率其实大打折扣。真正的集成，应该是让工具主动适配你的工作流程，而不是反过来。 为了解决这个断层，302.AI 支持把用户现有的任何 API 配置成一个 MCP Server，并即刻在 Chat 中像调用内置功能一样使用它。 …

自从 Nano Banana 上线风靡全网，各路网友早就把玩法开发到了极致，其中最出圈的还得是——真人转 3D 手办。凭借极强的主体一致性和局部细节像素级还原能力，Nano Banana 能够把你上传的角色 1:1 精准复刻成一个精致的桌面手办，并且主体不局限于人物，动物、潮玩 IP、平面漫画形象等，万物皆可 3D 手办化。 然而，光是静态玩法还不够。最近 …

在 Google 的图片编辑模型 Nano Banana 热度尚未消退之际，字节跳动 Seed 团队于昨日发布了其全新升级的生图模型 Seedream 4.0。该模型首次支持 4K 多模态生图，灵活支持文本、图像的组合输入，实现多图融合创作、参考生图、组合生图、图像编辑等核心功能。且其推理性能较 3.0 版本提升了近 10 倍，“画”之前会先“想”，能够深度…

在跨语言信息处理需求日益增长的今天，大量图片中的外语文本、复杂排版与专业术语壁垒，始终是许多用户面临的现实难题。传统的解决方式往往需要分步操作：先提取图片中的文本，单独进行翻译，再进行图像编辑处理。而如今，越来越多支持端到端图片翻译的 AI 模型正不断涌现，致力于探寻“即视即译”的技术边界——这不仅要求模型具备出色的多模态感知能力，以准确识别图像中的文字与结…