智源研究院等推出悟界·PhysCapBench跨领域物理视频描述基准
智源研究院联合逆矩阵、北京大学、清华大学、北京航空航天大学推出悟界·PhysCapBench,统一评测第三人称场景、第一人称操作与手持夹爪示范中的视频描述物理信息。
智源研究院联合逆矩阵、北京大学、清华大学、北京航空航天大学推出悟界·PhysCapBench,统一评测第三人称场景、第一人称操作与手持夹爪示范中的视频描述物理信息。
腾讯混元 Hy4 flash 经办公决策、读图、编程修复及论文转 PPT 四轮实测,于办公、编程与 PPT 生成较快,然复杂任务之内容完整度稍逊 Hy4。其总参数量为 224B,实际激活 12B,支持多模态与 1M 上下文;每百万 Token 输入 0.5 元、输出 2 元,解码速度逾 150 tps。
阿里千问正式发布 Qwen4-Max,维持 2.4T 主干总参数,支持文本、图像、视频输入及 100 万 Token 上下文。官方模拟工作场景评测显示,单任务平均费用由上一代 26.58 元降至 11.16 元,降幅 58%;华北 2(北京)按量价格为每百万 Token 输入 10 元、输出 30 元。
少数派编辑部汇总11月16日发布的消费新品与AI动态,包括 OPPO Reno17、Reno17 Pro、OPPO Pad Air6、OPPO Watch 5、影石 Insta360 Toast、GPD WIN Mini Ultra,以及阿里通义千问 Qwen4-Max、腾讯混元 Hy4 flash。
ComfyUI 现可通过 Partner Nodes 使用 Seedream 5.5,其多模态模型支持文生图与基于参考图的编辑。模型原生支持 RGBA 透明及半透明输出,并提供多轮局部修改、可读文字与结构化版式、人物写实和光照控制。使用前须更新 ComfyUI 或登录 Comfy Cloud,Partner Nodes 按 credits 运行。
推荐理由:ComfyUI 的集成信息给出了 Seedream 5.5 的使用入口与核心图像能力,便于评估其多轮编辑和透明输出在工作流中的适用性。
Replicate 发布 FLUX 3 使用指南,介绍文本生视频、首尾帧变形、视频续接、时间戳分镜与风格控制等用法。FLUX 3 采用整合架构,从图像、音频与视频学习并生成多模态输出,可依时间戳在一次生成中切换多场景和镜头。
推荐理由:通过文本生视频、首尾帧变形、视频续接和时间戳分镜等实例,呈现 FLUX 3 的多模态生成方式,并给出声音、时长与镜头提示方法。