近日，魔乐社区（Modelers）正式上线了由阶跃星辰研发的 Step-Video 和 Step-Audio 两款开源多模态大模型。这两款模型分别用于视频生成和语音交互，旨在为开发者和企业用户提供更强大的 AI 工具。Step-Video 模型的全名为 Step-Video-T2V，这是一款参数量高达300亿的全球最大开源视频生成模型。该模型能够直接生成204帧、540P 分辨率的高质量视频，并在指令遵循、运动平滑性、物理合理性以及美感等方面，表现超越了市场上现有的顶尖开源视频模型。另一方面，Step-Audio 则是业内首款能够生成多种情

近日，OpenAI 宣布 macOS 版 ChatGPT 新增重磅功能:用户可在 IDE 中直接编辑代码，目前仅限 Plus、Pro 和 Team 订阅用户使用。根据 X 平台推文，这一更新将 ChatGPT 从对话工具升级为开发者生产力助手。OpenAI 在 X 上透露:“适用于 macOS 的 ChatGPT 现在可在 IDE 中直接编辑代码。”支持的 IDE 包括 Xcode、VS Code 和 TextMate，用户可通过快捷键或语音指令调用 ChatGPT，在代码窗口中实时优化代码、生成注释或修复 bug。例如，在 VS Code 中，用户可选中代码并要求“优化循环”，ChatGPT 会直接应用改进方案。此功能

近日，OpenAI 宣布对其 macOS 版 ChatGPT 应用进行了一次重要更新，推出了一项全新的功能，允许开发者在 Xcode、VS Code 等集成开发环境（IDE）中直接与 ChatGPT 进行交互和代码编辑。这一功能的推出，旨在提升开发者的编码效率，简化他们的编程流程。随着技术的不断进步，开发者的工作环境也在不断演变。这次更新后，用户只需通过快捷键 CMD+Z 呼出 ChatGPT，系统便会自动识别当前活跃的编辑器，并能够根据上下文提供相应的帮助。这意味着开发者在编写代码时，可以实时与 ChatGPT 对话，进行代

腾讯宣布开源其新研发的图像转视频生成框架 ——HunyuanVideo-I2V。该模型的发布是在其成功开源 HunyuanVideo 之后的又一重要进展，旨在推动开放源代码社区的深入探索。HunyuanVideo-I2V 结合了先进的视频生成技术，能够将静态图像转换为生动的视频内容，为创作者提供了更多的可能性。HunyuanVideo-I2V 利用了一个预训练的多模态大语言模型作为文本编码器，显著增强了模型对输入图像语义内容的理解能力。这意味着，用户输入的图像能够通过模型生成语义图像标记，这些标记与视频潜在标记相结

亚马逊旗下的 Prime Video 近日宣布，他们正在试验一种全新的 AI 辅助配音技术，以提升部分未配音影视作品的可及性。这项新技术结合了人工智能和专业本地化团队的力量，旨在确保配音的质量与准确性。该项目的首批试点将包括12部先前没有配音支持的影片，涉及英语和拉丁美洲西班牙语两种语言。这12部作品中，有西班牙动画片《埃尔西德:传奇》和家庭剧情片《我妈妈的罗拉》等。Prime Video 的这一举措，旨在通过 AI 配音技术，帮助更多观众欣赏到丰富多彩的影视内容，打破语言障碍，

2025年3月5日，Windsurf 团队正式发布了其AI驱动的集成开发环境（IDE）最新版本——Windsurf Wave4。这一更新在开发者社区中引发了热烈讨论，被认为是Windsurf 在AI编程工具领域持续创新的又一力作。基于X平台上的最新帖子和用户反馈，本文将全面梳理Windsurf Wave4的核心亮点，剖析其新功能如何为开发者带来更流畅、高效的编码体验。一、Windsurf Wave4的核心更新亮点Windsurf Wave4的发布延续了此前版本的迭代节奏，不仅优化了现有功能，还引入了一系列令人兴奋的新特性。本次更新的主要亮点包括以

加拿大 AI 图像生成公司 Ideogram 今日宣布，其全新图像模型 Ideogram2a 正式上线，并已在 Ideogram 官网、API 以及合作伙伴平台全面开放使用。这一发布迅速在 X 平台引发热议，被视为 AI 文生图领域的一次重要升级。Ideogram2a 以更快的生成速度、更低的成本以及优化的图形设计和摄影能力，吸引了全球创作者和开发者的目光。Ideogram2a 的核心亮点根据 X 上的最新反馈，Ideogram2a 是对现有 Ideogram2.0模型的优化版本，主打高效和实用性。X 用户 @WesRothMoney 发帖称:“Ideogram2a 现已上线 Ideogram 网站、API 和

近日，字节跳动技术团队宣布，其面向开发者的全新AI编程产品——Trae AI IDE，将于下周正式进入中国内地市场。这款IDE作为国内首个AI中文集成开发环境，旨在深度理解中文开发场景，为开发者提供智能协作支持。

近日，腾讯混元视频模型（Hunyuan Video）在 X 平台上正式公开招募测试伙伴，标志着这一前沿 AI 视频生成技术迈入关键测试阶段。根据官方透露，测试结束后，该模型有很大概率会开源，为全球 AI 社区贡献其技术成果。混元视频模型是腾讯在 AI 视频生成领域的重要创新，拥有超过13B 的参数量，是目前开源模型中规模最大的视频生成模型之一。其核心技术包括高效的时空上下文建模能力以及对复杂物理规律的精准模拟，能够生成高质量且符合真实世界逻辑的视频内容。此前，腾讯混元团队

全球开发者目光再次聚焦中国!在备受瞩目的全球开发者大会（GDC）上，阿里云魔搭社区重磅宣布，首发上线阶跃星辰最新开源的两款多模态模型，包括 全球参数量最大的开源视频生成模型 Step-Video-T2V，以及 业界首款产品级开源语音交互模型 Step-Audio。 这一消息瞬间引爆全球AI开源社区，再次彰显中国在人工智能领域的强劲创新实力。作为中国最大的AI模型社区，阿里云魔搭社区此次发布的这两款重磅模型，无疑是近期全球多模态领域最受瞩目的开源成果。 Step-Video-T2V 以其巨大的参数规模

2月19日，北京智谱华章科技有限公司宣布，其旗下的多模态创作平台“清影”与AI角色创作平台“捏Ta”达成战略合作，共同探索AI角色设计到动画创作的完整路径，并推动IP一致性的技术落地。此次合作旨在深入挖掘二次元用户需求与AI应用场景，为用户提供更高质量的生成效果和更快的推理速度。

今日，阶跃星辰与吉利汽车集团宣布，联合开源两款阶跃Step系列多模态大模型——Step-Video-T2V视频生成模型和Step-Audio语音模型。其中，阶跃Step-Video-T2V视频生成模型在参数量和性能上均处于全球领先水平。该模型拥有300亿参数量，能够直接生成204帧、540P分辨率的高质量视频，确保生成内容信息密度高、一致性强。评测结果显示，Step-Video-T2V在指令遵循、运动平滑性、物理合理性、美感度等方面均表现出色，显著超越市面上既有的最佳开源视频模型。

近年来，图像重光照技术的进步得益于大规模数据集和预训练的扩散模型，使得一致性光照的应用变得更加普遍。然而，在视频重光照领域，由于训练成本高昂以及缺乏多样化和高质量的视频重光照数据集，进展相对缓慢。仅仅将图像重光照模型逐帧应用于视频，会导致多种问题，如光源不一致和重光照外观不一致，最终导致生成的视频出现闪烁现象。为了解决这一问题，研究团队提出了 Light-A-Video，这是一种无需训练的、能够实现时间上平滑视频重光照的方法。Light-A-Video 借鉴了图像重光

近日，Adobe 正式推出其 AI 视频生成工具 Firefly Video 的公开测试版本，允许用户将文本和图像转化为时长最长5秒的短视频，视频分辨率为1080p，帧率为每秒24帧。该工具的推出，标志着 Adobe 在视频生成领域迈出了重要一步，用户可以通过简单的文字指令或者上传图片，快速生成精美的视频内容。Firefly Video 的用户界面友好，允许用户对生成的视频进行多项调整。用户可以选择不同的风格、摄像机角度、运动方式以及构图等，这为创作者提供了极大的灵活性。同时，Adobe 表示未来将推出更快的

一项创新的视频生成技术FlashVideo日前宣布开源，该框架通过独特的双阶段设计，巧妙解决了AI视频生成中速度与质量的平衡问题。FlashVideo采用了类似于网页前端LQIP（低质量图像占位符）的思路，将视频生成过程分为预览和质量增强两个阶段。在预览阶段，系统能以极低的计算成本快速生成视频草稿，让用户得到即时反馈，显著提升了用户体验和商业应用可行性。在质量增强阶段，FlashVideo展现出强大的画质提升能力，能将270P的低分辨率预览视频优化至1080P的高清品质，确保最终成品的观看

据豆包大模型团队官方公众号消息，在北京交通大学和中国科学技术大学的联合研究下，由豆包大模型团队提出的 “VideoWorld” 视频生成实验模型近日正式开源。这个模型的最大亮点在于，它不再依赖传统的语言模型，而是仅凭视觉信息就能认知和理解世界。这一突破性的研究灵感来源于李飞飞教授在 TED 演讲中提到的 “幼儿可以不依靠语言理解真实世界” 的理念。“VideoWorld” 通过分析和处理大量视频数据，实现了复杂的推理、规划和决策能力。研究团队的实验显示，模型在仅有300M 参

JetBrains，这家以开发 IntelliJ IDE 和 Kotlin 语言而闻名的公司，近日推出了其首款 AI 编码助手 Junie。这款新工具旨在帮助开发者处理日常开发任务，并能够理解现有项目的上下文，为新应用的创建和功能扩展提供支持。Junie 在备受推崇的 SWE-Bench Verified 基准测试中，针对500个常见的开发者任务，成功解决了其中的53.6%。尽管这一成绩在目前来看并非最高（目前最佳模型得分超过60%），但 JetBrains 认为 Junie 的表现“很有希望”。值得注意的是，目前领先的 Weights & Biases 的 “Programmer O1crosscheck5”

Hugging Face 推出了一款令人瞩目的 AI 模型 ——SmolVLM。这款视觉语言模型的体积小到可以在手机等小型设备上运行，且性能超越了那些需要大型数据中心支持的前辈模型。SmolVLM-256M 模型的 GPU 内存需求不足1GB，性能却超过了其前代 Idefics80B 模型，这一后者的规模是其300倍，标志着实用 AI 部署的一个重大进展。根据 Hugging Face 机器学习研究工程师安德烈斯・马拉菲奥提的说法，SmolVLM 模型在推向市场的同时，也为企业带来了显著的计算成本降低。“我们之前发布的 Idefics80B 在2023年8月是首个开

2025年1月22日，上海阶跃星辰智能科技有限公司宣布其视频生成模型 Step-Video 正式升级至 V2版本。此次升级带来了显著的技术突破和功能提升，使其在真实世界模拟方面更加强大。

传统的视频理解模型在处理长视频时面临着许多挑战，包括理解长视频所带来的复杂上下文。尽管已有不少研究致力于提升视频理解能力，依然难以有效克服训练和推理效率低下的问题。针对这些问题，研究团队通过 HiCo 技术，将视频信息中的冗余部分进行压缩，从而显著降低计算需求，同时保留关键信息。具体而言，HiCo 通过对视频进行层次化压缩，将长视频分割成短片段，进而减少处理的标记数量。这一方法不仅降低了模型对计算资源的要求，还提升了上下文窗口的宽度，增强了模型