产品应用8

Google Omni首发全模态AI视频编辑功能

开源AI项目落地2026-05-20

AI 摘要

开源AI：Google Omni首发全模态AI视频编辑功能，可进行内容添加、风格重绘等操作，支持全模态输入，精通物理知识，实现高控视频生视频，是AI圈重大技术进步。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Gemini、GPT进《我的世界》评测，新框架破瓶颈

国立清华与英伟达团队研究《VLM-AR3L》，把Gemini 2.0、GPT-4.1等拉进考场，评估视觉裁决能力。结果显示Gemini综合最稳，开源小模型特定场景反超。还提出VLM-AR3L框架破使用瓶颈，实战超人类手写奖励。

Genspark团队开源AI办公套件GenOffice，全平台免费无广告。它界面类似微软Office，零成本上手，AI能直接编辑文档。虽处Alpha阶段，但可切换多种模型，还给出了配置第三方模型的方法。

8月17日，智象未来发布交互式世界模型HiDream - O1 - World，定位为全球首款原生全模态交互式世界模型。它提供漫游和编辑两种交互方式，在WBench测试中成绩优异，但开放场景表现待验证。其采用独特生成方式，有广阔应用前景。

DeepMind换帅一周后震荡持续，谷歌将拆分它，把部分非技术团队转入谷歌汇报体系。谷歌联合创始人谢尔盖·布林重新介入Gemini。此外，Gemini因算力、内讧、官僚等问题落后。