Harvey 用 GPT-6 Astra 将法律语境转化为更强的文书草稿
Harvey 在法律文书起草中使用 GPT-6 Astra,将法律语境转化为更强的文档草稿。OpenAI 官方称该模型产出的法律文档更有结构、更贴合上下文,让律师得以专注于策略工作;本条材料为官方案例摘要,未附具体数据。
Harvey 在法律文书起草中使用 GPT-6 Astra,将法律语境转化为更强的文档草稿。OpenAI 官方称该模型产出的法律文档更有结构、更贴合上下文,让律师得以专注于策略工作;本条材料为官方案例摘要,未附具体数据。
Higgsfield AI 借助 OpenAI 的 GPT-6 Astra 在一天内上线了新的视频功能。OpenAI 官网介绍称,GPT-6 Astra 让小企业制作视频广告更简单,并帮助新创意工具更快推向市场。
Google 与设计师 Jane Wade、Sergio Hudson 合作,在 Google Flow 中为纽约时装周定制了两款 AI 工具。一款在数字模特上预演发型、妆容、配饰与鞋服搭配,替代通常占用最多三个整天的真人选角试装;另一款在预算内模拟场地、灯光、道具与模特走位,免去过去每次修改设计都要重做 3D 渲染的成本。
Google 用时装周实战案例推动时尚 AI 走出试点,路径是工程师与设计师共创、把工具嵌进既有流程。
OpenRouter 用同一提示词实测 20 个图像生成模型,单张默认设置计费从 $0.006 到 $0.134,价差 22 倍,数据测于 2026 年 9 月 11 日。
图像生成模型的标价互相不可比,选型关键从比价转向实测实扣,参数设置对账单的影响可以超过模型选择本身。
作者实测用 OpenAI 的 GPT-6 Astra 通过 computer use 能力在 Keynote 内直接搭建演示文稿,首次生成约完成 80% 工作量,剩余 20% 需要人工做创意判断和叙事编辑。
computer use 让模型直接操作 Keynote 这类桌面软件,排版执行可交给 AI,人的价值集中到创意判断和最后 20%。
Marketing AI Institute 盘点了 8 家 MAICON 2026 赞助商代理商,称它们不再简单给现有服务加 AI,而是通过 AI 原生交付、嵌入式运营和 AI 咨询等方式重构营销服务。
代理商竞争的焦点正从用不用 AI 转向服务模式本身的重构,甲方选代理商的评估标准也需要随之调整。
Marketing AI Institute 预告,Orbit Media 联合创始人 Andy Crestodina 将在 MAICON 2026 演讲,主题是如何把营销工作从人工流程一步步变成提示词驱动的AI工具。
这场分享的实质是把营销团队采用AI的重心从挑选外部工具转向沉淀内部专家经验,提示词被当成可管理的代码资产。
OpenRouter 发布文本转语音 API 教程,演示通过 OpenAI 兼容的 POST /api/v1/audio/speech 端点,用一个 API key 调用多家供应商的 TTS 模型。
OpenRouter 把多家供应商的语音合成统一到一个 OpenAI 兼容接口,换供应商的成本降到改模型和声音两个字段。
Marketing AI Institute 发布 23 个 AI 营销平台盘点,入选者全部为 MAICON 大会赞助商,并将在 2026 年 10 月 13 至 15 日克利夫兰的展会现场提供演示。
这本质上是一份大会赞助商名单,但它集中呈现了营销 AI 从内容生成走向智能体自动执行的共同动向。
Google DeepMind 与 Primordial Soup 合作推出纪录片短片《Love, Rendered》,用 AI 重现 Burt 与 Ethelle Shatz 结婚 70 多年间未被拍摄的初遇日,影片由奥斯卡提名导演 Liz Garbus 执导。
用 AI 重现真实人物未被拍摄的过往已能成片,当事人的参与校正被视为留住情感可信度的前提。
OpenRouter 发布教程,把源图和编辑指令放进一个 API 请求发给 google/gemini-3.1-flash-image,就能在代码中用文本提示词编辑图片,结果以 base64 返回。
用文本提示词改图已收敛为一个 API 请求,模型一字段可换,图像编辑环节的技术门槛对内容团队足够低。
OpenRouter 发布 ByteDance 视频模型 Seedance 2.5 的评测,称其单次可生成 4 至 30 秒视频,分辨率为 480p 或 720p,自 2026 年 8 月 7 日起已上线其视频 API。
Seedance 2.5 用分辨率上限换来长镜头与素材改写能力,视频模型选型正变成按长度、分辨率、参考输入和单价逐项对表。
Tomasz Tunguz 用五年写作数据复盘发现,AI 协作写作没有减少人工编辑量,而是抬高了产出质量,已发布文章第 10 百分位评分从 2.59 升至 3.81。
AI 写作工具的实质收益不在省时间,而在抬高同等投入下的产出质量下限,编辑量并不因自动化而减少。
Google 发布图像创作与编辑工具 Google Pics,未来几周内向 Google AI Pro、Ultra 订阅者和多数 Workspace 商业客户推出。工具基于 Nano Banana 模型,支持对象分割、图内文字编辑与翻译和多人协作;已集成进 Docs 与 Slides,Drive 集成将在未来几周推出,入口为 pics.new。
Google 把图像生成与编辑能力装进办公套件,AI 配图从独立工具变为订阅套餐内的内置功能。
Google DeepMind 发布 Gemini Omni 1.1 Flash,为开发者在 Gemini API 与 Google AI Studio 中提供更可控的生成式视频能力。
生成视频开始具备专业生产所需的控制粒度,长叙事、首尾帧与低成本草稿让视频工作流可被工程化接入。
OpenRouter 提供统一异步视频生成 API,应用向 POST /api/v1/videos 提交任务、轮询状态后下载视频,同一端点支持 Seedance、Veo、Wan 等模型。
视频模型切换从架构改造降为配置改动,多模型试错成本随接入模型增多而摊薄,一次集成可长期复用。
OpenRouter 上线 Visual Image Benchmarks,用一组用于区分模型能力差异的挑战性提示词横向对比其平台全部 39 个图像模型(截至 2026 年 8 月),结果网格支持按价格和生成时间排序。
图像模型选型缺少类似文本模型的成熟基准,OpenRouter 把选型对比做成了按价格与生成时间排序的可视化工具。
OpenRouter 提供统一的图像生成 API,用单一请求格式和一把 API key 调用支持的图像模型,官方教程给出可运行的 Python 和 JavaScript 示例。
OpenRouter 把多家图像模型的接入差异收进一个 API,降低的是集成成本而非生成成本。
xAI 发布 Imagine Image 2.0,作为新 Quality Mode 上线 grok.com/imagine 及 iOS、Android 应用,API 中以 grok-imagine-image-2.0 提供。
图像模型的竞争点正从生成效果转向可编辑、可迭代的真实工作资产,编辑能力被当成一等内容。
字节 Seed 正式发布视频生成模型 Seedance 2.5,单次生成时长从 15 秒提升至 30 秒,支持多轮延长生成数分钟连贯内容。模型支持单次输入最多 30 张图片、10 段视频、10 段音频作参考,新增时间戳精准编辑及绿幕、视角等编辑能力,将陆续上线即梦 AI、豆包专业版,API 近期上线火山方舟。
视频生成模型的比拼正从单段画质转向叙事长度与可控编辑,官方明确以影视广告等专业生产流程为目标。
xAI 为视频模型 Imagine Video 1.5 增加图像与语音参考,推出无需起始图像的文生视频,并支持原生 1080p 生成。传入角色图和语音样本后可跨场景保持同一人脸和声音,多参考每次生成最多 7 张,可锁定人脸、产品或位置。
这次更新的实质是给视频生成补上可控性,角色、语音和场景都能被锁定复用,而不只是单条视频的画质提升。
Google DeepMind 发布音乐生成模型 Lyria 3.5,今日上线 Google Flow Music,改进集中在旋律性、歌词、人声与创作控制四个方面。官方称模型可生成更丰富自然的旋律结构,歌词质量与提示词遵循度提升,人声更真实、情绪表达更细腻并改善发音;用户还能更方便地控制输出曲目的节奏与时长。
Lyria 3.5 的官方卖点不只在音质,更在让创作者掌控节奏与时长等可调参数。
xAI 发布 Build Mode,用户向 Grok 描述想法即可在对话中生成可运行版本,并发布成链接分享。功能以 Early Beta 面向 SuperGrok Heavy 订阅用户开放,覆盖网页、iOS 和 Android。官方列出网站、应用、游戏和交互式仪表盘四类场景,仪表盘可通过连接器接入业务数据生成实时图表和可筛选视图,成品可发布到 grok.me 链接或自有自定义域名。
xAI 把从想法到可发布应用的开发能力做进 Grok 对话,并将其作为 SuperGrok Heavy 高档订阅的专属权益。
OpenRouter 发布图像生成教程,给出按任务类型、参数支持、价格三步的选型方法,并逐一梳理 Image API 高频报错的修复方式。官方对比用同一提示词测试 20 个模型,单张计费 $0.006 到 $0.134,价差 22 倍;基准测试覆盖 39 个模型。图像生成目前没有 :free 免费模型,调用消耗信用余额,付费请求要求余额超过 $1 预授权,低价模型每张约一美分起。
图像生成选型已变成可量化比价的采购决策,同一张图在 20 个模型间价差 22 倍,选型方法比收藏单个型号更可靠。
Grok 推出 Google Workspace 附加组件,把 Grok 直接放进 Sheets、Slides 和 Docs 的文件旁使用。Sheets 中它从表格本身作答并引用所用单元格,可编写公式、插入图表,假设变动时重跑场景,每次改动都是可检查撤销的普通编辑;Slides 能把大纲变成沿用原主题的可编辑演示,Docs 可将粗略笔记整理成带标题和列表的结构化草稿。
AI 助手的竞争正转向办公套件入口,Grok 用原生编辑和单元格引用把生成结果留在企业既有文件流里。
字节 Seed 发布音频创作模型 Seed Audio 1.0,在统一框架下联合建模人声、音效和环境声,端到端生成完整声音场景,已在火山方舟体验中心上线。模型时间控制支持 100ms 间隔精度,单次可生成约 2 分钟音频并延展保持音色一致,覆盖中文、英文等 20+ 语种。
字节把人声、音效和环境声放进同一个模型端到端生成,音频制作从多模型拼接转向完整场景创作。
字节 Seed 正式发布多模态图像生成模型 Seedream 5.0 Pro,已上线火山方舟体验中心,将陆续登陆豆包与即梦。官方称其具备复杂信息可视化、交互式精准编辑、真实影像人像质感、原生多语种输入四大能力,支持十余种常用语言,可生成含时间轴、图表与密集文字的高密度信息图。官方同时承认在更细粒度文字渲染与像素级编辑保持方面仍有进步空间。
图像生成竞争从画面美观转向生产可用性,Seedream 5.0 Pro 以精准编辑和高密度信息图为主打,直接瞄准设计生产环节。
xAI 发布 21 个新的 Grok Voice 旗舰声音,与原有 5 个声音并行提供,全部原生多语言,覆盖 Grok Voice 的 25+ 种语言。
xAI 把语音能力从单一模型功能扩展成声音库、API 和搭建工具齐全的产品线,企业自建语音智能体的门槛在降低。
Google DeepMind 与 A24 宣布建立一项研究合作,官方称其为同类首例,双方将在多个项目上共同研发,让 A24 的电影创作者参与塑造 AI 工具,Google 同时对 A24 进行了投资。合作初期聚焦连接前沿技术与下一代娱乐,具体目标、技术产出和创意里程碑将随合作推进而演变,公告未披露投资金额。
Google DeepMind 以研究合作加投资两条线绑定独立片厂 A24,把 AI 工具研发嵌入真实创作流程。
Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash 两个生成式模型,即日起在 Google AI Studio 和 Gemini API 面向开发者开放。
Google 把图像与视频生成同时压进低价高速档位,生成式媒体的规模化调用成本进入可按量精算的区间。
xAI 于 2026 年 6 月 18 日推出免费的 Grok for Word 加载项,用户可在 Microsoft Word 内用提示词生成段落、改写润色,并把网页与 X 上的研究资料引入文档。
xAI 将 Grok 嵌入 Word 文档写作环节,用免费加载项直接进入企业日常文档工作流。
xAI 推出 Grok for PowerPoint,一款免费的 Microsoft 365 加载项,可在 PowerPoint 内用大纲生成整套幻灯片。
Grok 以免费加载项嵌入 PowerPoint 本体,幻灯片制作从手工排版转向大纲驱动的对话式生成。
xAI 发布 Grok Imagine Video 1.5 图生视频模型,已在 Imagine API 以 grok-imagine-video-1.5 正式开放,Video 1.5 Fast 同步上线 grok.com/imagine 及 iOS 和 Android 应用。
这轮升级把图生视频的音画同步、运动一致性和速度短板一起补,重心开始从模型能力转向创作者日常工作流。
Ethan Mollick宣布继两年前的畅销书Co-Intelligence之后,将于10月20日推出新书Co-Existence,主题是如何与有时强于人类、有时不如人类的AI共事。
人机协作的主导权正从人指挥聊天机器人,转向智能体接管执行,人与AI的分工变成按任务不断重新谈判的长期关系。
xAI 于 6 月 3 日发布图生视频模型 grok-imagine-video-1.5-preview,现以预览版形式通过 xAI API 开放。模型输入一张静态图和描述动作的提示词即可生成视频,涵盖镜头运动、氛围与物理效果,分辨率最高 720p,并保留原图细节与光影;官方称支持逐帧编排并串联成整段风格一致的长场景,可用几行 Python 代码调用。
xAI 把图生视频能力做成 API 预览版开放,内容团队获得一个可用代码调用的视频生成入口。
xAI 推出 Grok 的 Skills 功能,用户教一次 Grok 即可在所有对话中记住偏好、格式规则和工作流步骤,无需每次重复说明。内置技能无需设置即可使用,覆盖 Word 文档、演示文稿、表格和 PDF 的创建编辑,表格还能分析数据;用户也可以通过对话描述、上传文件或从零编写来创建自定义技能,自定义版本优先于内置版本。
xAI 给 Grok 加上跨对话记忆和 Office 文件产出能力,把助手的角色从回答问题推进到交付可直接使用的办公文档。
Google 发布 Gemini Omni 系列首个模型 Gemini Omni Flash,可组合图像、音频、视频和文本输入生成视频,并通过自然语言进行多轮对话式编辑。
视频生成正从一次性产出转向多轮可控编辑,Gemini 的知识储备被直接接入创作链路。
Google DeepMind 宣布扩大内容透明度与验证工具布局,Gemini 应用内的 SynthID 验证功能已全球使用 5000 万次,即日起扩展到 Search,并在数周内进入 Chrome。
内容真实性验证正被 Google 做成覆盖搜索、浏览器、手机和云的入口能力,水印加溯源的组合开始成为平台标配。
xAI 在 Grok Imagine API 中上线图像生成与编辑的 Quality Mode,面向企业开发者与团队开放。官方称其在独立榜单中位居最强模型之列,主打更高真实感与更强文字渲染。企业用例包括产品渲染、营销素材、UGC 风格内容与广告变体,搭配视频生成能力可用于社媒视频素材和产品展示,开发者可经 Python 和文档页接入。
Quality Mode 把图像生成的主打场景对准企业营销与品牌素材生产,商业批量出图成了这次更新的核心定位。
xAI 推出 Custom Voices,在 xAI console 录制约一分钟语音并通过本人验证后,不到两分钟即可生成生产可用的音色模型。克隆声音继承内置声音的全部 TTS 能力,含 speech tags、多语言输出与 REST 和 WebSocket 流式,调用 Text to Speech 或 Voice Agent API 不额外收费。
声音克隆从定制项目变成随取随用的 API 标准能力,且不额外计费,品牌音色接入自有服务的门槛明显降低。