海宇 AI 日报8 条要闻

Seedream 5.5 发布,Gemini 视频延长到 15 秒

今天关注 Seedream 5.5、千问办公 2.0、英伟达首尔 AI Day 和亚马逊的模型压缩研究。另选四条近期更新,涵盖短视频、开发协作、开源模型和图像 API。

  1. AI 图像

    Seedream 5.5 支持局部连续编辑,也能直接输出透明图

    字节跳动 Seed 团队发布 Seedream 5.5,把重点放在反复改图的稳定性上。按照官方说明,指定区域修改时可以尽量保留其他区域的像素,同一作品支持多达 100 轮编辑。新版本也能输出带 Alpha 通道的透明或半透明素材。

    海宇提要

    • 即梦、豆包、豆包工作和火山方舟正在陆续上线,具体入口以账号里实际出现的模型选项为准。
    • 做商品图可以拿带文字的包装先试两轮。只改背景,再只改一个角标,检查标签和主体颜色是否漂移。需要把主体交给设计同事时,再导出透明素材。
  2. AI 智能体

    千问办公 2.0 加入协作空间和专属数字员工

    新版把讨论、交办、资料和任务产物放进同一空间。客户端也支持云端任务跨端接续,移动端可以远程操作已授权的目标电脑。

    海宇提要

    • 远程控制需先在目标电脑开启,手机和电脑使用同一账号组织。
    • 团队先用非敏感项目试点,检查 AI 能看到哪些资料、成员能修改哪些产物。
  3. AI 产业

    英伟达首尔 AI Day 发布四款模型的 Dynamo 部署方案

    英伟达为 A.X K2、K-EXAONE 2.0、Solar Open 2 和 Motif-3 提供面向分布式推理的配置,便于工程团队从可复现的设置开始部署。

    海宇提要

    • 官方会场更新页提供 Dynamo 专题说明和四款模型的背景。
    • 使用现成配置时,先用自身典型请求测首字延迟、并发吞吐和资源占用。
  4. 开源研究

    亚马逊公开 HOPE 方法,把共同工作的模型专家一起考虑

    混合专家模型每次只调用一部分专家,但部署时通常要为所有专家预留内存。亚马逊研究团队发布的 HOPE 会考虑专家之间的配合关系,再决定裁掉哪些专家,以减少单独打分时误删关键组合的情况。

    海宇提要

    • 官方文章提供论文、代码和运行说明。文中的结果来自特定模型和评测任务,部署时应使用自己的数据复测。
    • 要评估这类方案,可在同样的显存预算下比较裁剪前后的实际任务成功率,尤其是有工具调用的多步任务。
  5. 开发工具

    Slack 和 Teams 里的 @GitHub 正式开放

    团队成员可以在 Slack 或 Teams 对话里让 @GitHub 帮忙排查问题、开 Issue、改代码或创建拉取请求。Teams 还支持在 Canvas 里与同事一起审阅计划、代码改动和预览。

    海宇提要

    • GitHub 更新了仓库识别与会话启动流程。由聊天触发的 Issue 和拉取请求会注明对话来源。
    • 适合先用内部测试仓库跑一遍「收到缺陷描述 → 建 Issue → 提交拉取请求」,确认仓库识别、访问权限和审阅环节符合团队要求。
  6. AI 视频

    Gemini Omni 1.2 Flash 原生生成 15 秒视频

    Google 将 Omni Flash 单段视频的上限从 10 秒提高到 15 秒,允许在 3 到 15 秒之间按秒选长度。生成后可以继续用对话修改片段,也可以结合图片、短动作参考和声音来控制效果。

    海宇提要

    • Google 公布的 720p 生成价是每秒 0.07 美元。按这项费率计算,一次生成 15 秒是 1.05 美元。
    • 开发者可看 Gemini API 和 Google AI Studio。做电商短片,可以先用一组商品正反面参考图检查标识和材质,再决定是否生成多个背景版本。
  7. 开源模型

    腾讯混元 Hy4 正式版上线,加入视觉理解与电脑操作

    腾讯发布混元 Hy4 正式版,把视觉理解和电脑操作纳入这一代通用模型。对办公和研发团队,值得关注的是它处理文档、网页和界面任务的方式,尤其是需要跨多个步骤才能完成的流程。

    海宇提要

    • 腾讯公告列出的入口包括腾讯云 TokenHub、WorkBuddy、CodeBuddy 和元宝,也提供开源入口。接入前可用一份自有文档验证结果是否能追溯到原文。
    • 腾讯云 TokenHub 公告称,到 2026 年 12 月 31 日按刊例价五折计费。估算长期成本时,把活动期和常规价格分开算。
  8. 图像 API

    OpenAI Images 2.6 提供 Flare 和 Sunburst,加入 GIF 输出

    OpenAI 发布 Images 2.6,更新覆盖 ChatGPT、Codex 和 API。API 里的 Flare 偏向快速出图和迭代,Sunburst 更适合重视细节和多轮一致性的任务。新版本还增加了 GIF 输出和用标记指示编辑位置的方式。

    海宇提要

    • 如果团队用模型做初稿和终稿,可以分别试 Flare 与 Sunburst。用相同提示词和素材对比成稿时间,以及改图后是否保留包装上的关键信息。
    • 准备把 GIF 放进商品详情页前,先核对渠道对动画尺寸、体积和格式的要求,再决定用 GIF 还是视频。