模型发布 - AI 资讯
20万页 智能选型深度横向博弈，紧密跟踪前沿大模型发布与 AI 落地实战应用解析。
Pexo 2026 版发布：首个支持多引擎自动路由的对话式 AI 视频代理
2026 年 10 月，Pexo 正式推出其最新视频生成能力，成为 Claude Motion 在真实影像生成领域的最佳替代方案。Pexo 通过整合超过 10 款主流视频引擎（包括 Veo 3.1、Sora 2、Kling 3.0 等），实现了从文本描述到包含真实生成画面、配乐及音效的完整视频自动化流程。与仅能处理用户自有素材的 Claude Motion 不同，Pexo 支持独立部署且无需团队席位，为需要 Cinematic B-roll 或真人出镜的专业创作者提供了更灵活的解决方案。
Higgsfield 发布 Cinema Studio：AI 视频实现电影级运镜与镜头语言精准控制
Higgsfield 正式推出 Cinema Studio 功能，解决了 AI 视频生成中运镜（Camera Move）、角度与镜头（Lens）不可控的核心痛点。该功能将原本依赖大模型猜谜的文本提示，转化为包含速度曲线、景深参数及光影逻辑的显式设置。通过引入 7 种电影类型预设、30+ 种运镜模式及多种镜头风格，用户可确保每次生成的视频在物理运动规律上高度一致，真正达到电影级制作标准。
ElevenLabs 与 Meta 达成战略合作，赋能 Meta 平台亿级用户生成自然语音与音乐
ElevenLabs 宣布与 Meta 达成深度战略合作，旨在为 Instagram、Horizon 等 Meta 生态平台提供可扩展、高表达的音频能力。此次合作将利用 ElevenLabs 超过 11,000 种声音和 70+ 种语言的 TTS、Dubbing 及音乐模型，帮助 Meta 在全球范围内实现本地化视频配音、虚拟角色语音生成及背景音乐创作，推动 AI 音频技术从单点应用走向亿级用户规模的核心体验层。
Meshy 赋能教育：AI 驱动 VR 科学探索重塑沉浸式学习新范式
Meshy 携手土耳其萨姆松科学与艺术中心，通过 AI 驱动的 3D 建模技术，为天才学生构建沉浸式 VR 科学探索环境。文章展示了如何利用 Meshy 将 2D 图像快速转化为高精度 3D 模型，结合 Delightex 平台打造虚拟实验室，让爱因斯坦、居里夫人等历史人物“活”在 VR 中。该案例不仅解决了传统 3D 建模门槛高的问题，更验证了 AI 工具在提升学生创造力、跨学科能力及竞赛表现方面的巨大潜力。
LTX Studio 发布 LTX-2.5：2026 年度最强世界模型与视频生成引擎
LTX Studio 于 2026 年 9 月重磅推出 LTX-2.5 模型，标志着其在视频生成与物理世界模拟领域的全面进化。该模型不仅大幅提升了时空一致性，更引入了原生 3D 场景理解能力，支持从文本到复杂物理交互视频的零样本生成。此次更新重新定义了 AI 视频生成的行业标准，为开发者提供了前所未有的创作自由度。
Felo Search 集成 GPT-6 Astra：首个获“关键级”认证的开源数学难题求解者
Felo Search 正式集成 OpenAI 最新旗舰模型 GPT-6 Astra，该模型在数学领域首次解决了十个长期悬而未决的难题，并首次获得 OpenAI 预备性框架下的“关键级（Critical）”安全评级。Astra 拥有 105 万 token 的上下文窗口，支持多模态输入与软件操作，旨在处理需要深度推理、跨语言合成及复杂验证的研究级任务。
Kimi 发布 WorldVQA：首个聚焦原子级视觉世界知识的 MLLM 评测基准
Kimi 团队正式发布 WorldVQA，这是一个旨在衡量多模态大语言模型（MLLMs）原子级视觉世界知识事实正确性的全新基准。该数据集包含 3500 个高质量图文对，覆盖自然、地理、文化等 9 大类，并严格区分长尾知识。评测显示，即便是顶尖模型在长尾知识上的准确率也常低于 50%，且普遍存在过度自信（Overconfidence）问题。Kimi-K2.5 在该基准上表现最佳，ECE 为 37.9%，Slope 为 0.550，但仍需大幅提升自我认知能力。
HeyGen 发布双 AI 虚拟人功能：重塑对话式视频生产流程
HeyGen 正式推出“双 AI 虚拟人（Dual AI Avatars）”功能，支持两个数字角色在视频中自然对话、互动及交换信息。该功能旨在替代传统真人拍摄，适用于培训、专家访谈、FAQ 视频及数字播客等场景。核心优势在于大幅降低制作成本、加速内容迭代，并支持多语言本地化。本文深度解析其技术架构与应用价值。
LocalBanana 发布六槽位提示词工程指南：基于 9599 条数据的实测优化
LocalBanana 基于其数据库中 9,599 条高质量 AI 图像提示词（Prompts）的深度分析，正式推出《六槽位提示词工程指南》。该指南通过数据实证指出，80 词以上的结构化提示词能显著提升生成质量，并提出了包含主体、场景、光线、相机、情绪与排除项的标准化框架，旨在解决用户描述模糊导致模型输出偏差的痛点。
Felo 发布 GPT-Image 2.5 12 大场景提示词库，解决多模态生成一致性难题
Felo 官方发布基于 GPT-Image 2.5 模型的 12 个可复制粘贴的 AI 图像提示词（Prompts），覆盖从个人头像到产品静物照的全场景应用。此次更新重点解决了多模态生成中的人物面部、产品细节及文字内容的一致性难题，为开发者与创作者提供了从创意构思到落地执行的完整工作流，显著降低了专业级图像生成的门槛。
Vmake AI 发布动漫人物生成指南：20 位热门角色与零样本创作新范式
Vmake AI 于 2026 年 9 月 11 日发布最新博客，不仅盘点 Jujutsu Kaisen、Attack on Titan 等作品中的 20 位人气男性角色，更借此契机展示了其核心能力：用户仅需输入文本提示词（Text Prompts）或上传参考图像，即可轻松生成原创的动漫风格肖像。该更新强化了 Vmake Labs 在特定艺术风格迁移与角色复刻方面的应用价值，为创作者提供了从灵感构思到成品输出的完整工作流。
MiniMax H3 视频编辑指南：基于参考的生成式视频编辑新范式
MiniMax 发布 H3 视频编辑指南，强调通过结构化提示词分离‘变更’与‘保持’要素，实现基于参考的生成式视频编辑。H3 支持多模态上下文输入（文本、图像、音频等），可生成 768P 或 2K 分辨率视频，但非传统时间轴编辑器。指南详细阐述了如何定义保护元素（主体、运动、构图等）、编写结构化编辑提示词、利用参考媒体明确视觉细节，以及根据编辑范围选择合适的生成路径（如窄范围编辑、2K 再生或外部剪辑器）。
