← 全部日报

AIGC 信息日报

2026 年 11 月 17 日 周二

行业与平台

Industry

阿里发布 Qwen4-Max:2.4T 参数、百万上下文

阿里巴巴 11 月 16 日发布新一代基座大模型 Qwen4-Max,总参数 2.4T,具备原生视觉能力,支持百万上下文。官方称基于新架构和训练优化,在智能体和编程等关键能力上持续进化,可在金融、法律等专业领域从信息检索走向专业交付。上线期间千问 APP 会员限免体验,使用 Qwen4-Max 不消耗会员额度。

2.4T 参数、原生视觉、百万上下文,官方主打的是智能体和编程能力,不是出片。做剧本长文拆解、资料检索的编导可以拿千问 APP 限免期试一轮,指望它改画面的这周不用点。

点击打开原文

腾讯混元发布 Hy4 flash:224B 参数 1M 上下文

WorkBuddy 接入腾讯混元 Hy4 同日在 4 个第三方平台上线可用:Tencenthunyuan / 腾讯混元 / 公众号 / AIHOT 全部动态。

WorkBuddy 接入腾讯混元 Hy4 当天在这 4 个平台都能用上,按手上已开通的账号挑一个直接测,不用等单一渠道。

点击打开原文

LVMH 媒体部门与 OpenAI 达成战略合作

LVMH 媒体部门与 OpenAI 宣布战略合作,双方称将用 AI 支持新闻业,并让 LVMH 旗下出版物通过 ChatGPT 更易被访问。合作的具体工具、落地形式与时间表均未在公告中展开。对做品牌片、商业内容的团队来说,这是甲方侧的内容分发动向,暂不涉及创作工具或制作流程。

奢侈品集团的媒体板块和 OpenAI 牵手,方向是让旗下刊物通过 ChatGPT 更好触达读者。做品牌内容、商业影像的可以留意这类甲方侧动向,跟拍片工作流本身关系不大。

404 Media 调查:AI 内容矩阵滥用版权投诉误伤音乐人

404 Media 调查发现,音乐人 Samantha Shokin 的公有领域保加利亚民歌翻唱在 YouTube 被 Media Nov Records 发起版权投诉下架,两次申诉均被自动驳回,找不到人工客服。追查后她发现对方运营着 500 个 AI 灌水频道,正利用 YouTube 自动版权检测系统批量投诉。还被多位电子音乐人采样。

500 个 AI 灌水频道靠自动版权系统反咬真人创作者,申诉两次全被机器驳回。做原创音乐和配乐的该看看这套机制怎么被钻空子。

点击打开原文

ElevenLabs 收编日本 Kotoba 团队补日语语音

ElevenLabs 宣布日本语音 AI 实验室 Kotoba(@Kotoba_tech)团队加入公司,Kotoba 的日语语音研究将并入 ElevenAgents,目标是让更多企业用日语自然地服务客户。Noriyuki Kojima、Jungo Kasai 等团队成员一并加入。对做日语配音、出海内容本地化和语音 Agent 的团队来说,这是 ElevenLabs 日语能力补强的信号。

ElevenLabs 把日本语音 AI 实验室 Kotoba 整个团队收进来,日语语音研究直接并进 ElevenAgents。做日语配音、出海短剧和客服语音的后期可以留意后续模型更新。

点击打开原平台查看,能否访问取决于网络环境

Artificial Analysis 新增 TTS 首音频延迟基准

Artificial Analysis 推出 Time to First Audio 基准,专门衡量 TTS 模型从输入到开始发声的延迟,参评模型跨度从 76 毫秒到接近 1 秒。此前该机构的语音评测多集中在音质与自然度,这次把响应速度单列成榜。做实时配音、虚拟角色对话、直播数字人的团队可据此挑选低延迟模型。

TTS 开始发声的速度被单独拎出来排名,快的 76ms、慢的近 1 秒。做 AI 配音和虚拟角色实时对话的,选模型时多一个可查的硬指标。

点击打开原文,能否访问取决于网络环境

工具与能力

Tools

Seedance 2.5 4K 的 API 全面开放

火山引擎宣布 Seedance 2.5 4K 的 API 全面开放,开发者与企业客户可通过接口调用。该模型 10 月 23 日发布,官方称经专项训练更擅长人物表情、细微动作与画面细节,支持 Draft 模式先用 480P 样片验证分镜、反复打磨镜头后再生成 4K 正片,具备 10-bit 色深,参考生成与视频编辑时对上传素材的画质、清晰度、色彩一致性保持更好,海报、包装等含小字的素材也更清晰可辨。

4K 版 Seedance 2.5 的接口今天全面开放,Draft 模式先用 480P 验分镜再出 4K 正片,做短剧和影视预演的可以接上去跑一轮,算算废片率和成本。

点击打开原文

Bria RMBG-3.0 上线 fal,抠图保留细发与文字

Bria 的新背景移除模型 RMBG-3.0 已在 fal 上线,基于 Fibo 2.0 构建,使用授权数据训练。官方称能完整保留合影、网格、细发和产品文字,适合批量抠图、换背景、电商产品图与合成素材预处理。

抠图这活儿后期天天干,这版主打合影、网格、细发和产品文字都能完整留住,做电商图和短剧换背景的可以接 fal 跑几张对比废片率。

点击打开原平台查看,能否访问取决于网络环境

Gemini Notebook 支持把资料转成交互网站

Google Labs 副总裁 Josh Woodward 在 X 上演示 Gemini Notebook 的新用法:把资料源转成交互式网站,官方示例用元素周期表全部名称做了一个站点,强调制作和分享都简单。对做影视项目提案、资料整理和作品集展示的团队有参考价值,与视频生成和剪辑流程无直接关系。

Google Labs 的 Woodward 演示 Notebook 把资料直接生成可分享的交互网页,做项目提案和资料展示的可以试一下,跟拍片流程关系不大。

点击打开原平台查看,能否访问取决于网络环境

OpenAI 升级 ChatGPT 医疗版:智能体与 20+ 插件

OpenAI 更新 ChatGPT for Healthcare,加入能力更强的 computer-use 智能体、更强的临床回答,以及 20 多个新医疗插件。Abridge、Ambience AI、Cigna、CVS Health 等机构将其用于预授权、转诊、出院规划和患者随访,目标是减少团队在系统操作上的时间。

医疗垂直场景的 computer-use 落地样本,跟影视创作工作流没关系,做片子的可以直接跳过。

点击打开原平台查看,能否访问取决于网络环境

方法与经验

Methods

创作者拆解手绘绘本风 AI 视频《微光同行》做法

作者麦麦提(@shengtang135754)复盘自己此前作品《微光同行》的制作过程,以「手把手」形式讲手绘绘本风视频怎么做,开头先列出需要准备的几样东西(原文提到 Google 相关工具,具体清单需看正文)。适合想复刻温暖手绘质感的创作者对照流程走一遍。

作者把自己做的《微光同行》拆成步骤讲,从准备工具到成片一路走完,做绘本风、治愈系画面的视觉师可以照着跑一遍。

点击打开原文,能否访问取决于网络环境

Luma 拆解画布智能体 Laya 如何读懂创作板

Luma 官方博客拆解画布智能体的做法:把 Orca 主智能体的视野扩展到画布对象及其相互关系,让它能读懂参考图、生成变体、笔记、画框分组之间的对应。子智能体 Laya 负责画布整理,例如把多条广告方向连同各自参考图并排铺开供审阅,布局代码负责校验并落地改动,人可同时在画布上继续工作。

Luma 官方讲 Orca 怎么把整理画布的活交给子智能体 Laya,以及布局代码怎么边改边不打断人。自己搭 AI 创作流程的技术整合者可以看它怎么把「素材和参考的对应关系」变成机器能读的结构。

点击打开原文

Latent Space 访谈 BFL:FLUX 3 为何转向视频与世界模型

Latent Space 访谈 Black Forest Labs 的 Andreas Blattmann(Latent Diffusion 共同发明人)与 Dustin Podell,围绕 FLUX 3 谈视觉智能的构建思路。Andreas 用接球举例:手在球到达前就开始移动,这种知识写不成轨迹公式——静帧只能显示球在哪,视频能显示它怎么到那,撞击声能补上镜头没拍到的接触瞬间,这是 BFL 转向视频与世界模型的论据。访谈还提到 Stability AI 解体后核心团队在 Anj Midha 帮助下独立成立 BFL,并做出 Flux 系列图像模型。

BFL 两位核心讲清了从图像到视频的判断依据:静帧告诉你球在哪,视频告诉你球怎么到那,声音告诉你何时撞上。做视觉开发和分镜的可以听他们怎么定义「视觉智能」。

点击打开原文

Arena 实测 Qwen4-Max:3D 场景与网页设计对比 Opus、GPT

Arena 宣布 Qwen4-Max 进入竞技场,并放出 Peter Gostev 的实测视频,在 3D 场景(金门大桥、体素罗马、把画作转成 3D 世界)、小游戏、创意场景与运镜、网页设计与可用性、交互讲解(闪电、Enigma 密码机)等题目上,与 Opus、GPT、Kimi、Fable 的输出逐项对比,提示词放在推文串里。视频末尾还讨论了定价尚不明确的问题。

Peter Gostev 拿 Qwen4-Max 跟 Opus、GPT、Kimi、Fable 逐项对打,3D 场景、小游戏、网页设计、交互讲解都有,提示词在推文里。想换模型做前端和 3D 原型的可以按章节挑着看。

点击打开原平台查看,能否访问取决于网络环境

Luma 博客盘点 AI 电影生成器选型要点

Luma AI 博客发文盘点 AI 电影生成器的选型维度:成片分辨率最高 4K、部分工具支持原生音频、从剧本解读到分镜生成再到修改的完整流程、跨场景角色一致性依赖参考图与多关键帧控制、多模型工作区可免切换平台对比效果、以及高质量导出格式与调色剪辑软件对接。文中提到 AI 影片已进入电影节展映、House of David 等制作把 AI 纳入专业流程,美国版权局也在审视 AI 辅助作品与人类作者身份的边界。

厂商博客的选型清单,把 4K 输出、原生音频、角色一致性、多模型工作区、调色与剪辑软件对接这几条列成评估维度,做 AI 短片前期选工具时可以拿来当对照表,别指望有实测数据。

点击打开原文

Qwen4 Max 发布遭群嘲,成本降七成

博主 @don_tech1 点评 Qwen4 Max 发布后的舆论翻车:上一代 Qwen 3.8 Max 评分 34 分、单次任务成本 10.02 美元,这代涨到 43 分、成本降到 3.27 美元,性能涨近 30%、推理成本降近 70%。但对比 Gemini 4 Carbon 60 分、Claude Opus 5.5 59 分、GPT-6.1 Sol 55 分,Qwen4 Max 排在第 38 名,2.4T 参数加 Max 后缀带来的高预期落空。

一条关于 Qwen4 Max 命名的吐槽帖:评分 43 分排 38 名,但单次任务成本从 10.02 美元降到 3.27 美元。跑 API 算成本的团队可以看看这组数字,拍片的不用凑热闹。

点击打开原文,能否访问取决于网络环境

Gemini 4 Carbon 和 Claude Opus 5.5 的差距过于明显

作者用同一条提示词、零外部 3D 模型,让 Gemini 4 Carbon 与 Claude Opus 5.5 分别写 Python 驱动 Blender 生成 AK47 组装动画。Gemini 4 Carbon 出的是正面平视视角,复进簧、弹匣、子弹等零件全部拆出;Claude Opus 5.5 则切到俯拍斜视角,零件拆得工整,并主动补上带网格的工作台切割垫、底座支架和木质子弹座。作者据此认为 Opus 5.5 在主动补全场景氛围和审美直觉上更强。

同一条提示词、零外部 3D 模型,让两个模型各写 Python 驱动 Blender 出一段 AK47 拆装动画,差别在镜头选择和场景补全——Opus 5.5 自己加了切割垫、支架和木质子弹座。想比较模型「审美直觉」的可以看这段对照。

点击打开原平台查看,能否访问取决于网络环境

作品与案例

Works
本日无符合条目
微信公众号 光影漫游AI 二维码
觉得日报有用的话,欢迎关注微信公众号,AI 影视创作的内容都在那里。
光影漫游AI
微信内长按二维码识别,或复制名称到微信搜索