大数跨境

AI速递 | 火山引擎推出视频生成模型Seedance 2.5 flash;腾讯混元推出实时语音模型Hy Realtime;Qwen4-Max发布;Gemini 4 Hydrogen发布

AI速递 | 火山引擎推出视频生成模型Seedance 2.5 flash;腾讯混元推出实时语音模型Hy Realtime;Qwen4-Max发布;Gemini 4 Hydrogen发布 数字营销江湖
2026-11-16
0
导读:AI 速递,前沿情报




Seedance 2.5 flash :生成速度翻倍,创作成本更低


火山引擎正式推出视频生成模型Seedance 2.5 flash,定位为当前效果最接近旗舰版Seedance 2.5的轻量模型。Seedance 2.5 flash的发布逻辑不是追求效果天花板,而是把接近旗舰模型的能力下放到批量生产的成本区间。生成速度翻倍、价格显著下探,同时保留了指令遵循、物理运动与音频表现上的高水准,支持多图、多视频、多音频的混合输入与视频编辑。该模型以“接近旗舰效果+显著降本”为核心卖点,为批量内容生产提供了更具性价比的选择。



混元Hy Realtime:语音助手从“能对话”走向“能办事、会共情”


腾讯混元推出全新实时语音模型Hy Realtime,在语音理解、指令遵循和拟人化表达上实现显著升级,并新增两大差异化能力:Agentic工具调用与唱歌。模型能结合对话上下文还原口齿含糊、中途改口等不完整输入的真实意图,多轮长对话中的稳定性同步增强。工具调用方面,可根据意图自主判断是否联网搜索并统一完成搜索与回答生成。唱歌能力依托与TME灵音AI团队的Co-Design,支持按歌手、曲风、语种、年代等组合点歌,并可承接前文多轮选歌。模型已在元宝语音通话、腾讯客服上线,近期将开放腾讯云API。



Qwen4-Max发布:2.4万亿参数AI“新同事”就位


Qwen4-Max的发布,核心信号不在参数规模本身,而在于它把“AI同事”从一个比喻变成了可调用的生产力组件。超大规模稀疏架构、百万级上下文和原生视觉能力,使它能够承接长项目、复杂文档、代码开发、3D建模及金融法律医疗等专业任务,并在工作过程中保持对整体目标的理解。更实际的变化是调用成本被压到可日常使用的水平:缓存命中价格很低,单任务平均开销明显下降,专业工作流可以长期运行而不必频繁权衡预算。后续开源中小尺寸模型的计划,还会把这种能力扩散到更广泛的开发者生态。对企业而言,AI正成为能持续干活的工具,而不只是演示阶段的能力展示。



谷歌Gemini 4 Hydrogen登场:轻量模型反超旗舰,主打智能体高效执行


Gemini 4 Hydrogen发布,其定位在Gemini 4家族中非常清晰:Carbon和Argon负责攻坚深度推理,Hydrogen负责把决策快速、稳定地执行到底。它在默认思考层级下完成任务的速度大幅领先前代,同时在编程与智能体基准上表现出远超“轻量模型”的纪律性。配合Orchestrator在多个模型间动态调度,Hydrogen的意义不在于单点跑分,而在于让“多模型协作”从理念变成可运行、可控制成本的工作流架构。



百度词元所发布首日:供应商暴增超百家,客户新增超千家


百度词元所11月12日在百度世界2026正式发布,定位为“大模型的交易所”。发布首日即新增申请入驻供应商超百家、新接入客户超千家,试运行期间日均调用次数已突破五千万次,平台已上架DeepSeek、Kimi、智谱GLM、MiniMax及文心系列等40余款模型。词元所主打验真与征信两大能力,模型入平台前须通过指纹比对、能力测试与可用性核验,上线后持续抽检监测,结果沉淀为供应商信用评级,直指当前词元中转站“效果不保、真伪难辨”的信任痛点。从产业视角看,该平台为中小算力中心与模型厂商提供了公开可检索的变现出口,有助于缓解算力结构性错配,但其信用评级能否被市场广泛采信,仍需持续观察。




阿里快乐虾米APP上线:情绪、故事、场景皆可成歌


阿里巴巴旗下AI音乐创作平台快乐虾米(HappyShrimp)正式上线APP版本,快乐虾米APP的差异化不在于AI能不能写出一首完整的歌,而在于它把创作的门槛降到了“描述情绪即可”。聊天记录、一段故事、一种MBTI人格,都可以直接成为歌曲的起点,用户无需提炼主题或编写歌词。“做同款”功能则更进一步:它把一首歌背后的“音乐配方”变成可复用、可二次创作的社交资产,让创作从单向生成变为可传播的模板。AI音乐产品的竞争焦点,正在从生成质量转向“创作行为能不能在社交场景中自然发生”。


DeepSeek开放全家桶应用API,开发者可1:1复刻完整App体验


DeepSeek正式将App端的全套交互能力整合进API体系。开发者在原有API中开启对应参数,即可获得联网搜索、深度思考搜索、文件输入(支持PDF、Office、图片的纯文本提取与图文混排解析)、链接阅读及安全校验等对话功能,工具调用与上下文拼接均由服务端自动完成。语音及底层能力同步开放独立接口,涵盖Search、Fetch、OCR、ASR、TTS,支持单独或组合调用。V4.1-Flash模型已在Messages、Responses与Chat Completions接口下支持上述能力。官方同步开源了轻量前端Demo,支持导入历史对话,开发者可借此实现与DeepSeek App基本一致的功能体验。




【声明】内容源于网络
0
0
数字营销江湖
1234
内容 1998
粉丝 0
数字营销江湖 1234
总阅读26.9k
粉丝0
内容2.0k