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。
Google 发布 Gemma 4 12B：首款原生音频支持的轻量化多模态模型，本地部署新标杆
Google 正式发布 Gemma 4 12B，填补了边缘设备与云端大模型之间的空白。该模型摒弃了传统独立的视觉/音频编码器，采用原生多模态架构，直接处理图像与音频信号。其核心突破在于仅需 16GB 显存即可在 Apple Silicon 等消费级硬件上运行，并首次支持原生音频输入。结合 Multi-Token Prediction 技术，Gem 4 12B 为开发者提供了高效、低延迟的本地多模态 Agent 构建方案。
LocalBanana 发布 1,081 条产品摄影提示词深度分析：揭秘 AI 商业摄影的“悬浮瓶”公式
LocalBanana 团队基于其庞大的图库数据，对 1,081 条经过验证的 AI 产品摄影提示词进行了系统性分析。研究发现，成功的商业级提示词不仅关注产品类别（饮料与护肤品占主导），更强调特定的视觉构图公式，如“悬浮物体”、“镜面反射”与“冷凝水珠”。文章详细拆解了不同模型（Nano Banana Pro, GPT Image, Midjourney）在描述产品时的策略差异，并提供了可直接复制的高阶提示词模板，为开发者与创作者提供了从数据驱动到实战落地的完整指南。
OpenAI 发布 ChatGPT Image 2.0：原生 4K 画质与精准文字渲染重塑 AI 绘图
OpenAI 正式推出 ChatGPT Image 2.0，针对 GPT Image 1.5 的不足进行重大升级。新版本实现了原生 4K 分辨率输出、极高的图像内文字渲染准确率以及更快的生成速度。对于设计师、营销人员及需要高精度视觉内容的开发者而言，Image 2.0 在物理逻辑理解、复杂场景构图及多区域编辑能力上均实现了质的飞跃，标志着 AI 图像生成从“视觉美观”向“语义精准”的关键跨越。
IBM Watson 推出新一代数学求解 Agent：AI 是否因速度过快而‘解题太快’？
IBM Watson 在 Think 2026 峰会上展示了其最新数学求解 Agent 的突破性进展，该工具能处理纳维 - 斯托克斯方程等复杂科学问题。文章探讨了 AI 在数学领域速度过快的潜在风险，并分析了 Agent 架构如何平衡效率与准确性，为科研与工业应用提供新范式。
Recraft Studio 集成 ChatGPT Images 2.5：实现零妥协的极速高质量图像生成
Recraft 正式将 OpenAI 最新的 ChatGPT Images 2.5 模型集成至 Recraft Studio。该模型在保持高生成质量的同时，将延迟降低了 50%，解决了速度和质量难以兼得的行业痛点。更新支持更自然的灯光渲染、精细纹理保留、严格的主体一致性以及复杂的透明背景处理，为内容创作者、游戏资产制作及商业视觉设计提供了前所未有的高效工作流。
Felo 赋能 Pi Coding Agent：零代码集成实时搜索与演示文稿生成
Felo 宣布将其核心技能集无缝集成至 Pi Coding Agent，无需修改底层代码即可实现实时搜索、会议转录、X 信号分析及演示文稿草稿生成。此次更新标志着 AI 智能体从单一代码生成向多模态、全链路工作流的重大跨越，显著降低了开发者构建复杂 AI 应用的技术门槛。
Twinny 揭秘 7B 模型补全机制：为何上下文与提示词比模型大小更重要
Twinny 官方博客深度解析了 7B 参数量级模型在代码补全场景下的运作机制。文章指出，代码补全的成功关键在于精细的上下文构建（Prefix/Suffix/Context）和精准的 Prompt 模板，而非单纯堆砌模型参数。通过拆解从触发到输出的六个步骤，揭示了为何小模型在特定约束下能产生高质量建议，并提供了针对开发者优化模型表现的具体配置指南。
Fireflies.ai 发布 AI 智能 MP4 剪辑功能：从逐字稿到视频切片的全自动工作流
Fireflies.ai 正式推出专为语音类视频设计的 AI 智能剪辑功能，支持通过逐字稿高亮、时间轴手动选择及 AI 自动生成三种方式处理 MP4 文件。该功能将传统视频编辑的“时间轴拖拽”转变为“文本编辑”，显著提升了会议、访谈等口语化内容的剪辑效率。核心亮点包括 99% 的英文转录准确率、Magic Soundbites 自动提取关键片段以及基于关键词的自动化剪辑能力，旨在解决长视频处理中的痛点。
易可图 Agent 发布：AI 驱动电商详情页从“模板匹配”迈向“智能生成”新范式
易可图正式推出 Agent 功能，解决电商详情页制作中“模板适配难、素材利用率低”的痛点。该工具支持用户上传多张商品图（最多 9 张），通过自然语言指令定制版式、风格及卖点顺序，实现从“找模板”到“生成专属详情页”的跨越。相比传统工具，易可图 Agent 更适用于非标品、跨境多市场及需要高度自定义的复杂场景，大幅降低美工门槛并提升转化率。
RunningHub 发布 RHSTORY：一站式 AI 短剧创作平台，从剧本到成片全链路覆盖
RunningHub 推出 RHSTORY，专为解决 AI 视频生成中角色一致性差、剧情割裂痛点而设计。该平台提供从剧本创作、美术设定、分镜设计到短片生成的完整工作流。通过建立角色与场景资产库，确保多镜头间的视觉连贯性，并配套提供稳定的 Prompt 公式与实战案例，助力创作者高效制作高质量 AI 短剧。
AssemblyAI 深度解析 Microsoft Florence-2：通用视觉基础模型如何重塑计算机视觉
AssemblyAI 发布深度指南，详解 Microsoft Florence-2 这一通用视觉基础模型。Florence-2 借鉴 LLM 的成功范式，通过统一的 Seq2Seq Transformer 架构和 FLD-5B 超大规模数据集，实现了从图像描述到像素级分割的零样本能力。文章解析了其解决语义粒度与空间层级挑战的核心机制，并提供了 API 调用与微调策略，标志着计算机视觉进入“大模型时代”。
Otter.ai 新增法文与西文实时转录，打破全球会议协作语言壁垒
Otter.ai 正式宣布支持法文与西文的实时转录功能，成为首批完全自研 AI 语言转录能力的工具之一。此次更新不仅满足了全球多语言用户的需求，更在嘈杂环境和复杂口音场景下实现了超越 OpenAI Whisper 等业界领先模型的准确率。用户可在移动端及 Web 端无缝切换语言，实现从会议记录到行动项生成的全链路协作。
