跳到正文

#内容生成

今日 3 条
今天11月2日周一
  1. 人人都是产品经理55

    AI漫剧卖铲子并非稳赚,H100涨价而传统机房降价

    王智远盘点AI漫剧产业链报价后发现,卖模型、算力、工具、课程四拨人生意涨跌各半,并非都在赚钱。H100合约价5个月从1.70美元涨至2.35美元,传统机房价格比2024年高峰低四成多、平均出租率不足四成;Seedance 2.5刊例价涨超五成,Vidu首发价0.09元一秒、可灵4.0比3.0便宜一半以上。

    决策要点

    漫剧卖铲子并非稳赚,同一产业链里高端算力与旗舰模型涨价,传统机房与另一批生成模型降价,部分高价靠平台补贴托底。

    • 影响制作一分钟漫剧的算力开销涨到200至300元,抽卡次数下降可省部分试错支出;进场卖铲子的,回报取决于处在涨价侧还是降价侧;靠补贴撑住的价格,补贴退坡后未必站得住。
    • 参考制作方可按秒价乘抽卡次数核算各家模型的实际出片成本,并测算部分镜头改用开源模型本地生成是否更省;打算进场卖算力或工具的,可先分清自己要卖的是涨价侧还是降价侧。
  2. 人人都是产品经理54

    42章经对谈同时做过 Agent、多模态和具身的从业者,Astra 被视为具身的 GPT-3 时刻

    42章经发布对谈实录,受访者先后在 MiroMind 做 Agent、在混元做多模态 RL infra,现加入具身公司负责模型训练。他认为 OpenAI 的 Astra 能直接输出动作序列操控机器人,算是具身的 GPT-3 时刻,其接管失败操作产生的 Error Recovery 数据可把小模型成功率从 50% 拉到 80%。

    决策要点

    Astra 把具身的大脑环节推向大模型厂商,具身公司的价值正在转向硬件协同的小模型和数据管线。

    • 影响具身业务可借 Astra 兜底失败操作并回流数据,人力从一人一机变为一人多机;视频生成依赖预训练与数据回流,巨头效应强;国内 RL 受算力约束,投入产出比要先算清。
    • 参考具身或机器人相关团队可考虑规划 Astra 接管加 Error Recovery 回训的数据管线,先盘点自有机型的数据采集能力;可评估把大脑环节交给外部大模型,自研聚焦硬件协同的控制小模型。
  3. 人人都是产品经理54

    即梦短剧工作室保姆级教程,双十一换算后每秒低至0.16元

    即梦正式上线短剧工作室,把剧本创作、角色场景资产、分镜、视频生成和后期整合进一个工作台,并整合了小云雀的短剧 Agent 能力,作者按剧本助手 DreamScript、分镜助手 DreamShot、选角导演、后期导演四大助手实测全流程。

    决策要点

    即梦把短剧创作从剧本到后期收进一个工作台,连续叙事生产的流程门槛下降,成本能用单秒价格直接核算。

    • 影响短剧和营销视频团队可按单秒价格核算制作成本,智能预演和 Draft 档能压低试错积分消耗;重制转绘的多地区本土化让已有成片可复用于出海版本;文中数据为作者实测与换算,采购前宜按自家素材验证。
    • 参考可考虑选一条现有短剧或广告片先用重制转绘跑小样,对比传统外包的单秒成本;值得用文中换算公式算出自家月产视频量,再决定选哪档会员。
11月1日周日
  1. IT之家·人工智能57

    消息称 Spotify 计划 2027 年初推出 AI 音乐混音服务,可自制混音与翻唱版本

    据金融时报报道,Spotify 计划在 2027 年初推出 AI 音乐混音服务,允许用户基于已授权歌曲制作混音与翻唱版本,或于 2 月格莱美奖前后亮相,考虑向订阅用户每月额外收取 4 至 5 美元。

    决策要点

    Spotify 的方案不是从零生成音乐,而是让用户基于授权作品二次创作,用版税全归原作换取版权方与音乐人入局。

    • 影响版权内容方多了一条把生成式 AI 变成增量收入的路径,核心在分成设计而非技术本身;音乐人保留逐人决定参与的权利,授权覆盖面将决定服务上限;订阅之外单收 AI 增值费的定价思路可作为内容产品参照。
    • 参考内容平台方可参考其版税归属原作加播放量计入官方榜单的机制,先算清开放用户二次创作对原权利方收益的影响;持有版权库的企业可提前明确对 AI 二次创作的授权口径。
10月31日周六
  1. 人人都是产品经理37

    腾讯音乐内测MusicBuddy,AI音乐创作覆盖从写歌到发行全流程

    腾讯音乐推出AI音乐创作产品MusicBuddy,官网已上线,目前处于内测阶段。产品工作流覆盖灵感、创作、编辑、发行、宣推、经营六个环节,支持多模型生成与对话式分轨编辑,产品方提出帮音乐人实现一人厂牌的目标。文中引述Deezer数据,2026年6月AI生成歌曲占该平台每日新上传量的50%以上,但播放量仅约1%至3%。

    决策要点

    MusicBuddy的实质不是又一个AI写歌工具,而是腾讯音乐用发行和版权生态把AI创作工具包进自家生意。

    • 影响品牌配乐、短视频配乐类需求可用AI音乐压缩制作成本与交付周期;音乐等内容生意的瓶颈正从生产转向发行和注意力;AI生成内容的权利归属直接影响授权与变现。
    • 参考可考虑先算清定制配乐等场景用AI工具替代外包的成本对比,再决定试点范围;值得让内容团队核对所用工具的商用条款,盘点自有素材的版权归属。
  2. IT之家·人工智能29

    香港自研 AI 助手「港话通」推出 AI 音乐功能,可免费生成粤语歌

    香港生成式人工智能研发中心(HKGAI)研发的 AI 助理「港话通」于 10 月 30 日更新,推出接入自研 YuE2 音乐大模型的 AI 音乐生成功能。用户随口哼唱或上传图片并输入歌曲构思,即可即时生成兼具专业编曲和人声献唱的原创歌曲,功能已在 App 上线并向所有用户免费开放。官方表示新功能以粤语流行曲为特色,致力还原广东歌独特韵味。

    决策要点

    区域性 AI 助手以免费的音乐生成功能绑定本地粤语文化场景,用垂直创作能力做差异化,而非拼通用模型能力。

    • 影响面向粤语受众的内容与营销团队多了一个零成本生成原创歌曲的工具选项;生成效果目前只有官方描述,商用采用前需自行实测音质与人声;本地文化特色功能正在成为区域 AI 产品的获客手段。
    • 参考可考虑让营销或内容团队选宣传曲、短视频配乐等低成本场景试听生成效果;值得把生成质量与现有音乐外包成本做个对比,再决定是否纳入内容流程。
10月30日周五
  1. 量子位44

    AI 影视公司 Utopai Studios 完成 6000 万美元融资,估值站上 10 亿美元

    AI 影视公司 Utopai Studios 完成 6000 万美元融资,据 Dealroom、The Information 等媒体报道估值站上 10 亿美元,并据 The Information 报道获下一轮 20 亿至 30 亿美元区间投资意向。

    决策要点

    资本市场给这家 AI 影视公司定价的依据是制作体系与 IP 储备而非单片票房,好莱坞的成本压力为这类模式留出了需求缺口。

    • 影响内容预算增长停滞而付费主体向流媒体迁移,中等成本新故事的立项空间被头部 IP 挤压,成本结构变革者有机会补位;AI 影视公司的门槛不止技术,还包括工会关系与院线交付能力;本文属公司自述稿件,经营参考需留意口径。
    • 参考内容业务可考虑用 AI 原生制作重算中等成本项目的立项预算;值得对照授权市场 3898 亿美元与票房 335.5 亿美元的体量差,盘点自有 IP 的衍生变现路径;评估同类服务商时,可把工会资质与已交付院线项目列为硬指标。
  2. 人人都是产品经理50

    27B 开源模型 SenseNova-6.8-Code2Video 实测,本地部署即可用代码生成动画视频

    作者实测开源模型 SenseNova-6.8-Code2Video,一个 27B、基于 Qwen3.8-27B 微调、支持 512K 上下文的代码生成视频专用模型。

    决策要点

    通用开源模型在榜单上仍明显落后闭源,但专用微调让 27B 模型在代码做视频这个具体场景做到了够用且可本地部署。

    • 影响数据要求物理隔绝的内网单位有了把内部资料动画化的选项;自媒体和培训课件的量产边际成本趋近电费;单条制作需几十分钟到一两小时,质量与闭源头部模型仍有差距。
    • 参考可考虑选科普讲解或数据图解场景先做本地部署试点,算清闭源 API 单条几十块与本地算力的成本对比;有内网限制的单位值得盘点哪些内部资料适合动画化。
  3. 量子位42

    英伟达团队基于 MiniMax H3 开源视频增强方案,最高支持 4K 重生成

    英伟达与 MIT 研究人员组成的 Efficient-Large-Model 团队在 Hugging Face 开源视频增强项目 Open-H3-Regenerate-2K 的模型权重,推理代码在 NVlabs/Sana 仓库开放。

    决策要点

    H3 的开源生态已补齐官方仅通过 API 提供的高分辨率重生成环节,自部署方案在画质测试中还略胜官方接口。

    • 影响视频高分辨率重生成出现可自行部署的替代路径,算力成本转为自有 GPU 投入且需单张 B200 级硬件;开源版与官方 API 在各画质指标上互有胜负,替换前需按场景逐项对照。
    • 参考可考虑先用约 5 秒样片在自有 GPU 上复测 22.45 秒的耗时口径,再把 UniPercept 与 VBench 各项得分对照自身画质要求,决定自部署或继续调用官方 API。
  4. IT之家·人工智能43

    谷歌 Gemini 升级:生成的文档、表格可在聊天中直接修改

    谷歌今日起向所有 Gemini 用户开放文件编辑功能,用户可在聊天中直接生成、预览并修改 PDF、谷歌文档、谷歌表格、幻灯片、Markdown、TXT 及代码文件。

    决策要点

    谷歌把文件编辑搬进 Gemini 聊天窗口,生成与修改在同一个入口完成,聊天助手与办公套件的功能边界进一步模糊。

    • 影响文档、表格的轻量修改可以少切换一次应用,日常处理路径会有实际变化;功能向全部用户开放,会影响选型时对各家办公 AI 的功能对比;移动端仅支持 PDF,外勤和移动场景的使用范围受限。
    • 参考可考虑让常用文档流程的员工试用在 Gemini 内直接改表格、改文档的路径,记录省下的切换成本;采购办公 AI 时值得把聊天内编辑能力的格式覆盖列入对比清单。
  5. The Verge · AI37

    Google Gemini 聊天支持直接生成和编辑 Google Docs 等文件

    Google Gemini 聊天新增文件编辑功能,今日起向全部用户开放,可直接生成、预览和编辑 PDF、Google Docs、Google Sheets、幻灯片、Markdown、TXT 及代码文件。

    决策要点

    对话式 AI 正在把轻量文档编辑从办公软件拉进聊天窗口,Google 与 Anthropic 在同一方向上前后跟进。

    • 影响高亮改写、表格转图表这类零散文档任务可在聊天中直接完成,减少应用间切换;移动端目前只能处理 PDF,其他格式的移动办公需求受限;办公套件与 AI 助手入口的功能重叠在加深。
    • 参考可考虑让团队用高亮表格转图表、高亮提问这类场景做小范围试用并记录耗时;值得盘点团队移动端办公占比,非 PDF 格式需求先安排在网页版处理。
10月29日周四
  1. 36氪·AI59

    双十一要囤Token?AI积分消耗不透明,各平台计费规则难横向比价

    今年双十一,AI模型额度、Agent会员和视频生成积分进入消费者购物车,天猫AI空间站汇集千问AI、智谱、MiniMax、Qoder等渠道,AI服务开始像普通数字商品一样比价、促销和囤货。

    决策要点

    AI服务进入大众消费市场,但积分计价让消费者难以在购买前算清真实任务成本,行业尚未形成可横向比较的计费标准。

    • 影响企业按套餐价格采购AI服务难以预估真实任务成本,积分数量比价意义有限;各平台积分有效期相差数倍,囤积额度的实际价值要按期限折算;异常扣费和退款缺乏统一规则,预算超支风险需要预留。
    • 参考可考虑在采购前用真实任务做小规模试用,记录单项任务的积分消耗、失败重试和异常扣费情况;值得把积分有效期、退款政策和客服响应渠道列入采购评估清单。
  2. 量子位24

    阶跃智能体手机 STEPX Neo 发布两周即迎首次升级,扩展视频创作与支付能力

    阶跃终端旗下大模型原生智能体手机 STEPX Neo 在发布两周后迎来首次升级,更新覆盖视频创作、生活服务、工作任务及底层体验优化。升级后用户可通过个人智能体阶跃 Amoo 调用剪映一句话生成 Vlog、进行图片视频再创作,也可通过支付宝 AI 付下单,复杂工作可交给 WorkBuddy 完成。本文由阶跃提供、量子位获授权转载,官方称服务持续接入后产品将承接更多生活与工作需求。

    决策要点

    STEPX Neo 的首次升级把重点放在生态调用上,其能力扩张速度取决于剪映、支付宝等外部服务的接入进度。

    • 影响消费终端正成为智能体调用第三方服务的入口,用户发现服务与下单可由智能体代为完成;办公任务也出现专属代理,应用触达入口有向智能体集中的迹象。
    • 参考面向消费端业务的企业可考虑评估自家服务在这类智能体终端上的调用与下单路径;有多步骤办公流程的团队可测算交给 WorkBuddy 这类代理执行的可行性。
  3. 量子位58

    Genspark发布视频Agent工作台Media Studio,实测零基础拍出短剧

    Genspark正式发布视频Agent工作台Media Studio,接入20多家厂商的70多个模型版本,由DeepSeek V4.1 Flash、Claude Opus 5.5、Claude Fable 5.1等大模型担任导演,视频、图像、音频与3D生成在同一画布完成。

    决策要点

    把70多个模型装进同一个工作台按积分计费,短视频制作从学工具变成提需求,非专业人员可自助产出可用初版。

    • 影响营销讲解、短剧类内容可由业务人员直接试产,讲解片代码渲染不收积分有助压低成本;实测存在音画不同步、跳帧等瑕疵,正式对外物料仍需人工把关;积分消耗不低,折扣期到11月4日可作低成本试用窗口。
    • 参考可考虑在11月4日折扣结束前选一条产品讲解片或剧情短片试点,记录积分消耗和成片可用率;值得先算出外包同类片子的报价,与积分账单对比后再决定是否扩大使用。
  4. 钛媒体50

    谷歌发布世界模型Genie 4,张一鸣亲自督导字节世界模型项目

    谷歌10月28日发布世界模型Genie 4,用户可用自然语言和WASD按键实时干预生成中的世界,这也是Genie系列第一个带声音的模型;谷歌自评其为预览版,只能在短时会话中保持一致性,运行过长或多次复杂修改后视觉细节和物体恒存仍会漂移。

    决策要点

    世界模型正从预生成视频转向可实时干预的模拟世界,内容逻辑可能从分发已有内容变为按用户行为即时生成。

    • 影响内容与游戏生产可能从先制作后分发转向按交互即时生成,创作者价值向初始设定、规则与节奏倾斜;云端实时生成的算力成本随用户量上升,Genie 4与字节方案均处早期,商业化场景尚不明朗。
    • 参考可考虑让内容或培训团队试用Genie 4预览版与Seedance 2.5等工具,记录生成质量、时长与算力成本;值得盘点现有3D资产和仿真需求,评估图生3D资产路线能否降低制作成本。
  5. 36氪·AI50

    谷歌发布世界模型Genie 4,字节与张一鸣的世界模型布局承压

    谷歌于10月28日发布世界模型Genie 4,用户可用键鼠和自然语言实时干预生成的世界,为Genie系列第一个带声音的模型;官方称其仅能在短时会话中保持一致性,长时运行或多次复杂修改后视觉细节会漂移。

    决策要点

    世界模型正从被动观看的生成视频转向可实时干预的交互世界,谷歌技术领先一步,字节押注的则是内容分发与创作者生态的落地能力。

    • 影响内容生产方式可能从推荐已制内容转向按用户行为即时生成,创作与分发环节会催生新角色和新工作流;算力成本从终端头显转移到云端数据中心,用户规模越大并发成本越高;Genie 4自身物理与长时一致性未解决,现阶段更接近娱乐预览。
    • 参考内容、游戏和XR企业可考虑评估可交互世界与自有IP和分发渠道的结合点;机器人与自动驾驶团队值得测试用生成式3D资产补充极端场景训练数据;相关团队可先算清云端并发成本与延迟对体验的影响再定投入。
  6. 爱范儿57

    实测即梦短剧工作室,这可能是 Seedance 2.5 最有性价比的用法

    即梦正式推出短剧工作室,将剧本创作、角色场景资产管理、3D 导演台、智能预演与片段重拍整合为一套短剧创作流程,作者实测了从一句灵感到成片的完整环节。

    决策要点

    即梦把 AI 视频创作的竞争点从单次生成价格转向工作流组织,用资产复用、预演和局部修改减少重做次数,这是其降本逻辑的实质。

    • 影响多镜头短剧项目的试错成本下降;生成价格只决定单次尝试贵不贵,资产复用与预演影响需要尝试多少次,预算要同时算这两笔账;对工作室和制作团队,资产共享与积分分配开始成为生产流程的一部分。
    • 参考可考虑选一个已有剧本小规模跑通短剧工作室全流程,记录各环节耗时与积分消耗;值得对比原抽卡式工作流的重做次数,先算出单部作品的完整成本,再决定是否迁移部分产能。
  7. 36氪·AI46

    谷歌 DeepMind 发布世界模型 Genie 4,支持实时交互与音视频同步生成

    Google DeepMind 发布新一代实时世界模型 Genie 4,单次世界连贯时长从上一代的 1 分钟延长到 2 分钟。模型原生支持音视频同步生成和文字实时改场景,由 Genie 4 生成画面声音、Gemini 负责世界逻辑的混合架构驱动;谷歌还与机器人公司 Apptronik 演示机器人下西洋跳棋,一句笼统指令被拆成 22 个动作步骤。

    决策要点

    世界模型从只能看的技术演示走向可实时交互生成,谷歌、AMD、亚马逊密集投入,赛道升温但离稳定商用仍有距离。

    • 影响游戏与影视可先用于镜头和走位的低成本预演;机器人训练多了一条用虚拟世界合成数据的路径;官方承认场景会漂移,短期难承担正式生产环节。
    • 参考可考虑让内容团队申请内测,先在镜头预演这类低风险场景试水;做机器人的企业值得测算用世界模型合成训练数据的成本;引入前先列明物理与人声的验收标准。
  8. 36氪·AI59

    AI 视频 Runway 逆袭?模型跌出榜单前 10,ARR 半年翻倍逼近 2 亿美元

    Runway 最新模型 Gen-4.5 已跌出 Artificial Analysis 视频生成榜单前 10,去年 12 月短暂登顶后大半年未再推新模型;但 9 月初 CEO Anastasis Germanidis 在领英公布其 ARR 接近 2 亿美元,较 4 月的 1 亿美元半年近乎翻倍,AppMagic 口径移动端近 30 天月流水约 270 万美元。

    决策要点

    视频生成赛道的竞争正在从模型能力转向商业交付,Runway 模型掉队后靠聚合、路由与授权撑起了近 2 亿美元 ARR。

    • 影响企业采购视频生成能力时多了一个中间层选项,可按场景在成本与质量之间权衡;持有关键 IP 或数据安全要求高的企业多了一条私有部署加微调的路径;广告营销团队用改视频能力局部修改素材,可能比从零生成更贴投放迭代需求。
    • 参考可考虑把视频生成预算按场景拆成质量优先与成本优先两档分别核算,先在广告素材迭代流程试用一句话改视频能力;持有关键数据的企业可向厂商询价模型私有部署授权的报价、Checkpoint 与维护支持条款。
10月28日周三
  1. 爱范儿31

    实测讯飞输入法 16.0,它是我最实在的 AI「赛博嘴替」

    作者实测新上线的讯飞输入法 16.0.1,其第三代「意图成稿」与个性化 AI 键盘能把截图和聊天信息提炼成任务卡片,跨聊天框按用户长程记忆偏好直接生成可用草稿。

    决策要点

    输入法从打字工具变成替人整理信息、组织措辞的成稿助手,但业务截图与剪贴板内容也随之经过键盘上云。

    • 影响员工汇报、合同与客户沟通的起草效率会提高,措辞更稳定;业务截图、合同金额等信息会经截图读取和剪贴板权限流经第三方键盘;iOS 需开启允许完全访问才能用全功能,数据边界需要重新划。
    • 参考可考虑先盘点哪些岗位会用 AI 键盘处理工作截图与客户消息,对照现有数据安全制度划出可用范围;值得在低敏场景试点,把汇报类高频沟通交给它对比耗时。
  2. 极客公园53

    即梦上线短剧工作室,把剧本、分镜、视频生成和剪辑整合进同一项目

    剪映旗下 AI 创作平台即梦于 10 月 26 日上线「短剧工作室」,将剧本创作、角色与场景资产管理、分镜设计、视频生成和后期剪辑整合进同一项目。官方数据显示,用生成一段 8 秒视频的成本可预演一场 1 分 13 秒的戏,相当于以约 10% 的成本提前验证效果;双十一活动期 Seedance 2.5 视频生成价格最低 0.19 元/秒,通过 CLI 使用最低 0.18 元/秒。

    决策要点

    AI 视频竞争的焦点正从生成质量转向创作流程整合,即梦把整条短剧生产链搬进一个项目以摊低试错成本。

    • 影响内容团队的视频制作预算结构会改变,预演与局部重拍可减少无效生成的算力支出;批量制作方的单位成本随生成价下调而降低;工具选型的参照正从单点模型能力转向完整工作流。
    • 参考可考虑让内容团队用短剧工作室试做一部样片,先算出生成、修改与预演的实际成本再决定批量投入;值得盘点现有分散的视频生成与剪辑工具,评估是否并入单一工作流。
  3. 极客公园46

    蚂蚁灵波开源模型被 AMD 与斯坦福等采用,成为世界模型技术底座

    蚂蚁集团旗下灵波科技的开源世界模型 LingBot 系列正成为全球具身智能的技术底座。2026 年 9 月 AMD 在 IFA 开幕演讲用 LingBot-World 2.0 实时演示可交互三维世界。

    决策要点

    灵波走的是技术底座出海路线,通过被学界、芯片厂商和开发者自发选用,在世界模型赛道拿到了事实标准的生态位。

    • 影响端侧芯片开始为实时世界生成铺路,交互式内容与机器人仿真的部署门槛在下降;工具链和云路径成熟,试点成本可控;围绕单一开源底座构建,存在技术路线绑定的集中度风险。
    • 参考可考虑在机器人或交互内容项目选型时把 LingBot 系列纳入对比基线;值得先算清目标场景的显存与算力开销,1.3B 版可作为低门槛试点起点;可优先利用 SGLang、AWS 等现成部署路径。
  4. 人人都是产品经理49

    Google发布世界模型Genie 4,实时生成可交互世界并同步生成环境音与对话

    Google发布新一代世界模型Genie 4,距上一代Genie 3时隔14个月,官方演示显示画面照片级真实感更强,可用键盘和自然语言实时改变天气、加入物体、修改事件,并同步生成环境音、音乐性声音与人物对话。

    决策要点

    世界模型正从生成一段视频走向生成可交互的持续世界,Google以Gemini引导生成来补长因果短板,游戏与互动内容的生产成本结构面临重估。

    • 影响开放世界游戏和互动影游的内容制作成本结构可能松动,规则与机制设计的价值相对上升;生成式世界每次运行都持续消耗推理算力,长时运行的算力成本与稳定性直接制约商用落地;视频路线与3D路线开始合流,游戏影视工具链出现新的选型选项。
    • 参考可考虑让游戏或内容团队评估Marble这类可导出Unity、虚幻管线的3D生成工具的适配成本;值得先测算自家产品若引入生成式世界,单用户在线时长对应的推理算力账;规则设计能力可提前纳入内容团队建设重点。
  5. IT之家·人工智能40

    微软发布图像编辑模型 MAI-Image-2.7-Preview,官方称榜单排名全球第二仅次 OpenAI

    微软 10 月 27 日发布 MAI-Image-2.7-Preview 图像编辑模型,官方称以 1,193 Elo 位列 Artificial Analysis 图像编辑榜第二,仅次于 OpenAI 的 GPT Image 2.5 Sunburst (max)。

    决策要点

    微软用第三方榜单名次为 Preview 模型造势,但它尚无 API、定价和权重,企业眼下还接不进来。

    • 影响图像编辑能力对素材修图、设计改稿场景有直接参考价值,但接入渠道只有试用页;排名和 24 个 Elo 的领先幅度出自单一评测口径,选型结论要换算到自己素材上才成立。
    • 参考有修图需求的团队可先在 MAI Playground 或 Arena 试改文字、换风格、重打光等高频任务,与现有工具对比成功率;采购测算可等微软公布 API 和定价后再做。
  6. 36氪·AI58

    谷歌 DeepMind 发布世界模型 Genie 4,实测 30 秒生成游戏,24 帧实时交互、边玩边改

    Google DeepMind 于当地时间 10 月 27 日发布新一代世界模型 Genie 4,官方称其为迄今最逼真、交互性最强的世界模型,相比 Genie 3 新增原生音频生成、自然语言实时操控与物理人物行为模拟,单次生成交互体验最长 2 分钟(上一代为 1 分钟)。

    决策要点

    谷歌用 Gemini 负责推理规划、Genie 负责实时生成,把世界模型从生成一段视频推进到可交互、可操控的环境模拟。

    • 影响对游戏与影视团队,单段 2 分钟的交互窗口已够验证单段玩法或预览镜头,可压缩前期打样成本;角色对话与音效由模型实时生成,互动叙事里写死台词的角色制作方式可能被替代;目前仅研究预览,可用时长与开放范围都有限。
    • 参考游戏或互动内容团队可考虑争取 Gemini API 与 Google AI Studio 早期合作伙伴资格,选单段玩法验证、镜头预览这类短时场景先做内部试点,并记录现有原型制作的耗时成本作对照。
  7. 人人都是产品经理58

    Kimi K3.1 Pro 实测两天,3D 建模、文档转视频、小游戏均跑通,配额消耗与定价被吐槽

    作者自费 199 元订阅 Kimi Pro,实测 K3.1 Pro 两天,3D 建模、文档转视频、小游戏和 PPT 制作均跑通,其中解牛 3D 项目在 Kimi Code 跑了十小时、消耗 2.62 亿 Token(缓存命中 2.54 亿)。

    决策要点

    K3.1 Pro 能独立完成十小时级的多步骤生成任务,能力边界清晰,短板集中在无工具推理与配额成本。

    • 影响文档转视频、课件和轻量 3D 展示类工作可交给它一步生成,制作门槛下降;但单任务动辄上亿 Token,半天耗掉 27% 周限额,订阅支出要先按用量核算;网页端与 Kimi Code 都有请求排队,不适合当稳定性要求高的生产依赖。
    • 参考可考虑先按官方定价算清本单位任务的 Token 用量和订阅成本,再选文档转视频或课件生成这类低风险场景试用;值得像作者一样把真实任务完整跑一遍,再决定付费档位。
  8. IT之家·人工智能53

    谷歌 DeepMind 推出世界模型 Genie 4,一句话生成可交互虚拟世界并同步实时音频

    谷歌 DeepMind 推出世界模型 Genie 4,目前为研究预览,用户输入一句话即可生成可交互虚拟世界,支持实时编辑天气、镜头和人物物体,连贯场景最长两分钟,是前代 Genie 3 的两倍。

    决策要点

    世界模型从生成视频走向可实时编辑的交互仿真,谷歌借 Genie 4 把竞争焦点转向实时性与音频,赛道同时进入收购整合期。

    • 影响影视和创意团队可在分镜与原型阶段低成本试错,前期创意流程的工具有了新选项;机器人相关企业多了一条先仿真验证再上真机的路径;但细节偏移与音频短板意味着现阶段只适合评估,难以承担生产任务。
    • 参考可考虑让内容或机器人相关团队申请早期使用权限,各选一个分镜或仿真验证场景做小范围试点;值得先梳理现有视频生成工具的分工,再决定是否为新工具预留预算。
  9. 爱范儿53

    谷歌发布世界模型 Genie 4,可交互虚拟世界单次可达 120 秒

    Google DeepMind 发布新一代世界模型 Genie 4,输入文字即可实时生成可探索、可交互的虚拟世界,单次模拟时长从约一分钟延长至两分钟。模型首次支持原生音频与人物实时对话,谷歌让 Gemini 负责规划行动、Genie 4 负责实时生成环境,并演示了辅助机器人训练的案例。

    决策要点

    世界模型从可观看的视频走向可实时交互的环境,并与大模型推理结合,让 AI 能在自建世界中预演行动后果。

    • 影响影视与游戏团队多了一条低成本验证镜头和原型的路径;工业仿真与机器人研发可能减少部分真实试验的时间和成本;当前仅为受邀研究预览,尚不构成企业可直接使用的工具。
    • 参考可考虑盘点业务中依赖三维搭建、实拍预演或真实设备测试的环节,评估用文字生成虚拟场景替代的可行性;值得留意 Project Genie 订阅开放与 Gemini API 早期合作两条接入路径的节奏。
  10. TechCrunch · AI47

    Google DeepMind 发布 Genie 4 世界模型,新增音频、更逼真场景与实时操控

    Google DeepMind 于周二发布世界模型 Genie 4 研究预览版,官方称可生成迄今最逼真的可交互世界,用户能在模拟进行中输入提示词修改场景,模型同步生成音乐、环境声和互动对话等实时音频。

    决策要点

    世界模型正从生成视频片段转向可实时操控的交互式模拟,谷歌借 Genie 4 巩固身位,但产品形态仍未定型。

    • 影响影视和游戏团队多了一个快速做概念与分镜原型的候选工具;机器人团队可先用仿真验证作业场景;2 分钟场景上限和细节漂移意味着离生产级使用仍有距离。
    • 参考内容团队可考虑通过 Google AI Ultra 订阅或 Gemini API 早期合作获取访问,先在概念与分镜环节小规模试用并记录效率变化;机器人相关团队可评估用仿真先验证作业场景的路径。
  11. Google DeepMind:Blog50

    Google DeepMind 发布世界模型 Genie 4,支持实时交互式世界模拟

    Google DeepMind 于 10 月 27 日发布世界模型 Genie 4,支持实时交互式世界模拟并原生生成音频,已作为研究预览向受信任测试者开放。

    决策要点

    Genie 4 的实质是把世界模型从视频生成推进到实时可操控的模拟环境,官方将其定位为智能体与机器人的训练底座和新交互体验入口。

    • 影响影视预演与游戏原型的验证成本可望下降,官方测试者已用于预可视化和零到一场景生成;开放先限受信任测试者与订阅者,规模使用尚有时日;官方自述长会话细节漂移,严肃仿真用途需先核对限制。
    • 参考可考虑让创意或研发团队加入 Project Genie 候补名单,选一个预演或原型场景小成本试用;值得同步评估 SynthID 水印对内容合规流程的影响。
  12. The Verge · AI38

    Google 发布 Genie 4 世界模型,可生成更逼真的交互体验

    Google 发布用于生成可交互体验的世界模型 Genie 4,官方称四大更新为更逼真的世界、用自然语言提示实时修改体验、音频生成,底层由 Gemini 3.8 Flash 辅助模拟;单次体验约 2 分钟,较 Genie 3 的 1 分钟延长。

    决策要点

    生成式世界模型从演示片段走向可实时编辑、带音频的交互模拟,但一致性与时长限制使其仍处于早期试验阶段。

    • 影响影视预演、游戏原型和机器人训练这类早期验证场景可能先用起来;细节和物体恒存性会漂移,成片或生产级用途暂不适用;获取渠道限受信任测试者与 AI Ultra 订阅,短期内难以大规模落地。
    • 参考可考虑让创意或研发团队申请候补名单,选定一个分镜预演或玩法原型场景做耗时与成本对比;值得先盘点现有原型工具的预算基准,再决定是否接入。
10月27日周二
  1. The Verge · AI43

    苹果为 Pages、Keynote、Numbers 添加 AI 助手并开放 MCP 接入

    苹果宣布在 Pages、Keynote、Numbers 三款办公应用中加入 AI 助手,基于 Apple 与 OpenAI 的模型,能理解文档上下文,可起草和改写文稿、设计并动画化幻灯片、计算和可视化数据并建议图表类型。

    决策要点

    苹果把 AI 助手直接嵌入办公三件套并向第三方智能体开放 MCP 接口,办公软件正在变成 AI 能力的分发入口。

    • 影响依赖苹果生态办公的团队将在应用内获得文稿起草、幻灯片设计、数据整理的 AI 能力,不必单独采购工具;MCP 向第三方智能体开放后,办公文档的数据流向不再只经过苹果,内部资料的边界管理需要跟上。
    • 参考可考虑让使用苹果设备的内容和设计岗位先试用测试版,记录起草文稿与制作幻灯片的耗时变化;值得排查哪些内部文档会被交给 AI 处理,明确涉密材料能否使用这类功能。
  2. 36氪·AI43

    字节、腾讯、快手同时提速,互动内容离爆发还有多远?

    字节、腾讯、快手近一个月密集加码互动内容,抖音上线互动剧专区、将《归墟》《零号档案》等热门AI短剧改编成互动版,投入90万DOU+流量做专项激励,并于10月19日面向外部制作方启动互动剧和互动影游合作征集。

    决策要点

    头部平台把互动内容从工具测试推进到入口与供给建设阶段,但分账模式和用户消费习惯都还没有市场证据,这一轮是平台铺基建而非已验证的需求。

    • 影响短剧承制和发行团队多了联合发行、联合出资、IP联合开发等合作通道;互动剧多条剧情线成本更高而分账机制未明,投入产出难以测算;靠原作粉丝导流的改编存在反噬风险,原作断更会引发用户不满。
    • 参考可考虑用一个小体量项目试做轻交互互动剧,先算清多条剧情线的增量制作成本和回款周期再定投入深度;值得细读抖音征集方案中联合出资与分账条款,评估外部资金能否分摊试错风险。
  3. 量子位42

    国产 AI 3D 模型 Hi3D 开源可商用,V1.0 代码上线 GitHub 与 Hugging Face

    Hi3D 正式开源 V1.0 模型代码,可商用,已在 GitHub 和 Hugging Face 上线并提供在线 Demo;模型沿用 Sparc3D 架构,训练数据约 200 万个筛选后的 3D 资产,开放前经团队生产工作流验证。

    决策要点

    3D 资产生产出现开源可商用的专业模型选项,文中框架是通用大模型管意图理解、专业 3D 模型管几何生成。

    • 影响游戏、动画、手办等需要 3D 资产的团队多了一个可自部署的生成选项,开源版本可先低成本试用;效果指标均出自团队技术报告,选型前需按自家资产类型实测;实体打印落地还受壁厚、支撑和材料等条件制约。
    • 参考可考虑用官方在线 Demo 先测自家资产类型的生成质量,再对比现有外包或人工建模成本;值得让法务核对商用授权与部署条款,并评估通过 MCP 接入现有制作流程的可行性。
  4. 极客公园42

    Hi3D 开源 V1.0 底座模型并推出创作 Agent,切入 AI 3D 落地下半场

    Hi3D 正式开源经过生产验证的底座模型 Hi3D V1.0,并推出面向创作者的 Hi3D Agent,把意图理解、生成、修改到工程适配串成连续工作流。官方披露 1536³ 档位 3D 打印切片通过率 90%,同期同档位竞品仅 7%-17%;公开测试报告称 V1.0 综合偏好得分 85.9%,多视图保真度 MVF 0.75、细节丰富度 DR 0.841 列同期第一。

    决策要点

    AI 3D 竞争正从单图生成的效果比拼转向生产可用性,Hi3D 以开源底座加创作 Agent 把能力延伸到交付环节。

    • 影响开源底座使企业能以更低成本私有化部署生产级 3D 生成能力;选型标准需从正面渲染效果转向切片通过率、网格可编辑性等工程指标;Agent 把单点生成延伸为覆盖修改与适配的工作流,压缩跨软件跳转和修补成本。
    • 参考可考虑把切片成功率、网格可编辑性列入 3D 生成工具的验收项,用自有资产实测对比;值得测算基于开源 V1.0 私有化部署替代外购服务的成本;创作团队可选打印或游戏资产场景试点 Agent 并记录修补工时。
  5. 人人都是产品经理41

    Soul 将推出语音视觉多模态交互产品 Loxinity(洛希无限)

    Soul 将推出面向实时交互场景的语音视觉多模态产品 Loxinity(洛希无限),内含语音合成模型 Loxi Speech 与视频生成模型 Loxi Avatar。

    决策要点

    Soul 把社交场景打磨的交互式语音 AI 打包推向 B 端市场,避开通用大模型赛道,成效取决于外部落地案例。

    • 影响需要实时语音交互或数字人能力的企业多了一类来自社交厂商的候选供给;该产品并发承载、使用成本、微表情自然度尚无外部落地案例支撑,选型前需自行压测与核算;社交业务积累的真人对话样本是其壁垒,显示垂直数据能转化为产品差异化。
    • 参考可考虑在数字人、实时语音项目选型时把 Loxinity 列入对比清单,重点测试长时间对话稳定性与端到端延迟;值得先测算自家并发峰值下的使用成本,再比较积分与订阅两种计费方式。
  6. 36氪·AI40

    Soul 将推出语音、视觉与多模态交互产品 Loxinity(洛希无限)

    Soul 将推出专为实时交互场景打造的语音与多模态交互产品 Loxinity(洛希无限),下辖语音合成模型 Loxi Speech 与视频生成模型 Loxi Avatar,主打强活人感。

    决策要点

    Soul 把站内社交场景打磨出的活人感语音与数字人能力打包对外输出,切的是同类数字人工具朗读感重、音画脱节的短板。

    • 影响需要交互语音或数字人的企业多了一个语音与形象驱动原生打通的候选;同时文中提示,站内跑通的能力面向外部 B 端交付时,并发承载、实时延迟、使用成本都是硬性门槛。
    • 参考可考虑把 Loxinity 纳入数字人与实时语音选型的对比清单,用真实并发和长轮次对话场景测试;值得按积分与订阅两种计费分别估算单场对话成本再定预算。
  7. 人人都是产品经理61

    实测Kimi K3.1 Pro,离第一梯队还有多远?

    作者沃垠AI实测Kimi K3.1 Pro,该模型AA指数从前代44分升至55分,3万亿参数、原生VLM、1M上下文并保持开源。实测中它经Kimi Code端到端完成可打印3D台灯、《早发白帝城》3D立体书、青花瓷展示网页和1080P MV,作者认为其摸到了Opus 5.5、GPT-6 Astra的门槛。

    决策要点

    国产模型在复杂生成与智能体任务上的能力上限已接近第一梯队,真正的差距转到耗时与额度成本上。

    • 影响复杂3D建模与内容生成任务多了一个接近前沿水平的开源国产选项,权重开源便于自行评估;但单任务动辄上小时的耗时和较快的额度消耗会直接抬高使用成本,重场景需先核算单位任务成本。
    • 参考可考虑挑一两个现有3D展示或内容生成需求做对比试用,记录任务耗时与额度消耗再定替换范围;值得评估其开源权重对私有化部署的可行性,注意3T参数对算力要求不低。
  8. 人人都是产品经理42

    字节把剪映国际版 CapCut 嵌入 ChatGPT,11 月开放测试

    剪映国际版 CapCut 宣布视频编辑与生成能力即将进入 ChatGPT,官方称开放测试计划于 11 月覆盖移动端、桌面端和网页端。官方演示中,用户上传 5 段足球视频并用自然语言要求剪成 12 秒竖屏高光集锦,ChatGPT 生成草稿后可继续对话修改,项目还能带回 CapCut 网页编辑器精修。

    决策要点

    这不是简单多一个分发渠道,而是 CapCut 把能力前置到创作意图形成之处,争夺剪辑工作流的入口。

    • 影响内容团队的筛选片段、加字幕、横竖屏适配等重复剪辑环节可交由对话完成;创作规划向聊天窗口迁移后,剪辑工具可能退居精修和导出;剪辑岗位价值转向定义结果与判断质量。
    • 参考可考虑在 11 月测试开放后,选一条短视频产线做对比试点,记录初剪与多平台适配耗时;值得盘点现有剪辑流程中的重复环节,评估哪些先交给对话式工具处理。
  9. 人人都是产品经理45

    腾讯上线交互式世界模型 Hy-Nomas,文字描述场景即可生成可漫游视频世界

    近日腾讯混元视觉团队上线交互式视频世界生成模型 Hy-Nomas,输入场景描述即可生成 AI 世界,可用提示词或键盘 WASD 操控镜头像玩游戏一样漫游。作者以橘猫厨房场景实测多轮续写,支持第一、二、三人称及观察者视角,单次最长生成 60 秒视频,文中称各视角下复杂场景和背景保持不变。

    决策要点

    视频生成从一次性抽卡转向分段可控创作,镜头和情节可边做边改,改变的是视频创作流程本身。

    • 影响游戏、影视、文旅等需要场景原型和预演的团队可降低试错成本;60 秒上限使其更适合前期预演而非成片制作;内容迭代方式可从整段重做转向分段续写。
    • 参考可考虑让游戏或影视团队选一个场景原型或分镜预演做小范围试点,先算清单条视频的生成耗时和重做次数对比,再决定是否纳入内容生产流程。