【主题】Gemini Omni 1.2 Flash 全面开放:15 秒视频、多轮对话剪辑、价格下调约三成
解读 谷歌把短视频生成模型做成更便宜的量产工具:最长从约 10 秒提到 15 秒,还能在同一条片子上继续改镜头。对工程师来说,这意味着产品演示和社媒广告可以先在对话里迭代,再导出终稿。720p 约每秒 0.07 美元,选型时记得核对分辨率、参考图一致性和 SynthID 水印验收标准。
来源 Google
6 条当日/近期热点 · 工程师向浅科普
解读 谷歌把短视频生成模型做成更便宜的量产工具:最长从约 10 秒提到 15 秒,还能在同一条片子上继续改镜头。对工程师来说,这意味着产品演示和社媒广告可以先在对话里迭代,再导出终稿。720p 约每秒 0.07 美元,选型时记得核对分辨率、参考图一致性和 SynthID 水印验收标准。
来源 Google
解读 静态图工具终于补上轻量动效:API 提供偏快的 Flare 与偏精细的 Sunburst,并可直接输出 GIF 与 SVG。适合品牌贴纸、表情循环和海报快速试错,但别把它当成完整视频生产线。落地时用 Flare 探索方向、Sunburst 收口细节,正式成片仍建议走视频模型或后期。
来源 OpenAI
解读 Agent 框架最怕实验标签满天飞。这次 ADK 把 A2A、执行环境、评测与核心运行时毕业为稳定,还加了多轮评测和语义工具参数匹配。做多 Agent 编排的团队可以把 agent card 生成与稳定运行时写进选型清单,减少跨厂商对接时“接口说变就变”的风险。
解读 公开榜单容易被刷分,私有口语数据更能反映真实口音。HF 与 Liva AI 加入约 1.34/1.55 小时自发对话,并按内外圈口音做更细拆分。选英语语音识别模型时,别只看美式朗读分,顺手核对 Private 栏里非美式自发语音表现。
来源 Hugging Face
解读 找分子、做配对分析、提合成路线,过去常要化学家熬好几天。新 Skills 把 RDKit、ChEMBL、PubChem 等确定性工具接到 Agent 上,模型负责编排与推理,计算交给工具。对科研工程团队,这是“Agent + 领域工具箱”的清晰分工模板,而不是让大模型空想分子结构。
解读 印度健身科技公司 cult.fit 先把工程侧统一到 Codex,再开放给跨职能团队做数据分析与内部应用,近期已有二十多个非工程团队工具。案例还提到用统一平台缩短需求到上线路径,并节省内部软件成本。对企业落地的启示是:先标准化仓库约定与评审门禁,再谈“人人可搭工具”。
来源 OpenAI