AI 世界，正在发生

适合关注的人：使用图像、视频或语音工具的创作者

• 原生3–30秒视频，最多10个关键帧、15个参考素材，支持4K与双声道。
• 官方 9 月 30 日博文称 9 月 28 日起分批向小范围用户开放早期体验，完整版计划 10 月上线。

导读建议的练习：对比3.0与4.0官方示例，练习用分镜加关键帧写长提示词，观察参考素材如何约束角色一致性

适合关注的人：使用图像、视频或语音工具的创作者

• 统一理解文本、图像、视频与声音输入的视频模型，默认 2K、最长 15 秒并原生生成立体声。
• 发布时称权重计划开放。

导读建议的练习：同一脚本分别用纯文本和带参考素材生成，体会统一多模态输入带来的差别

适合关注的人：使用图像、视频或语音工具的创作者

• 单次生成由15秒延长到30秒，可引用30图、10视频、10音频，支持时间戳级编辑。
• 官方坦言复杂动作仍待改进。

导读建议的练习：阅读官方“已知不足”段落，练习为生成视频写评测清单，而不只看演示片段

适合关注的人：使用图像、视频或语音工具的创作者

• 第三代图像生成：约4.5k token长提示、10px小字与12种语言渲染。
• 未公开权重、基准与技术报告。

导读建议的练习：用报纸、试卷等密集版式提示词测试文字渲染，并保留失败样例做对比

适合关注的人：使用图像、视频或语音工具的创作者

• 强化信息图与密集文字排版、点选/套索/图层分离等交互编辑与人像质感，支持十余种语言。
• 日期依据：官方公告日期；2026-10-09 编辑核对官方来源，能力描述为厂商自述，本站未复测。

导读建议的练习：用一份学习笔记生成信息图，再逐项核对数据与文字有没有被准确保留

适合关注的人：使用图像、视频或语音工具的创作者

• NEO-unify原生统一架构，去掉视觉编码器与VAE，一个模型同时做图像理解、推理与生成。
• 开源8B与A3B。

导读建议的练习：画出传统“编码器+扩散”流水线与统一架构的数据流对比图

适合关注的人：使用图像、视频或语音工具的创作者

• 统一音视频联合生成，支持文本/图像/音频/视频输入，单次可用9图3视频3音频参考，最长15秒双声道。
• 日期依据：官方公告日期；2026-10-09 编辑核对官方来源，能力描述为厂商自述，本站未复测。

导读建议的练习：对照官方技术报告的局限说明，设计一组检验镜头一致性的测试提示

适合关注的人：使用图像、视频或语音工具的创作者

• 把图像生成与编辑合并为一个模型，可用约1k token长指令直出信息图、海报，原生2K且推理更快。
• 日期依据：官方公告日期；2026-10-09 编辑核对官方来源，能力描述为厂商自述，本站未复测。

导读建议的练习：同一张图分别用生成和编辑指令处理，观察统一模型的前后一致性

适合关注的人：使用图像、视频或语音工具的创作者

• Video/Image 3.0及Omni系列，视频最长15秒并原生生成多语言与方言音频。
• Omni可从参考视频复刻角色。

导读建议的练习：练习用时长、景别、运镜等分镜参数写提示，并比较有无参考视频的差别

适合关注的人：使用图像、视频或语音工具的创作者

• 9B 全模态开源模型，支持实时全双工音视频交互。
• 厂商称视觉与语音能力接近 Gemini 2.5 Flash。

导读建议的练习：按仓库说明在本地跑实时演示，理解全双工“边听边说”与轮流对话的区别

适合关注的人：使用图像、视频或语音工具的创作者

• 面向影视短剧的音画同出视频模型，单次最长16秒、1080P，支持多语言文字。
• 后续增加参考生视频等变体。

导读建议的练习：对比pro、turbo、drama等变体的定位，练习按场景选模型而不只看排行榜

适合关注的人：使用图像、视频或语音工具的创作者

• 官方公告日期：2024-12-25；来源核对日期：2026-10-19。
• 历史节点回溯；当时的预览、接口与产品状态不代表目前仍可用。

导读建议的练习：官方公告日期：2024-12-25；来源核对日期：2026-10-19。