又一款十分出色的国产开源 AI 视频生成模型：跃问（Step-Video-T2V）。该模型拥有 300 亿参数，可生成 最长 204 帧 的高质量视频。为了提升计算效率和画面质量，开发团队特别设计了一种 深度压缩变分自编码器（Video-VAE），能够在 空间上压缩 16 倍，时间上压缩 8 倍，同时仍能保持卓越的视频重建效果。
跃问 支持 中英文输入，通过 双语文本编码器 精准解析用户的文字描述，并采用 3D 全注意力（3D Full Attention） 的 DiT 架构 进行训练，利用 流匹配（Flow Matching） 方法去噪，生成清晰自然的画面。此外，开发团队还引入了 基于视频的直接偏好优化（Video-DPO），通过人类反馈进一步优化视频质量，减少伪影，使画面更加流畅、真实。
目前可以通过跃问的官网免费使用这款优秀的 AI 视频生成模型。
访问地址：https://yuewen.cn/
Google DeepMind 发布 Nano Banana 2 图像生成模型，将专业级能力与极速响应合二为一。核心升级包括继承 Pro 版的世界知识与文本渲染技术，同时具备闪电般的生成速度。技术亮点涵盖精准对象渲染、信息图表与数据可视化、主体一致性支持 5 角色 14 对象、复杂指令理解及 512 像素至 4K 分辨率输出。该模型现已集成至 Gemini 、 Google 搜索等多平台，并强化 SynthID 溯源技术。这标志着生成式 AI 图像领域专业工具的加速普惠。
Sierra CEO Bret Taylor 预测，自然语言交互将取代传统软件界面。其 Ghostwriter 产品可根据用户描述自动创建智能体，为 Nordstrom 四周完成部署，公司成立不到 21 个月 ARR 即达 1 亿美元，估值达 100 亿美元。但技术专家指出，当前智能体部署远未实现完全自动化，仍依赖“前置部署工程师”团队持续调整优化，揭示了 AI 落地中“自动化”产品背后人工依赖密集的核心悖论。
总部位于帕洛阿尔托的初创公司推出智能体产品 Poke ，用户通过 iMessage 、短信或 Telegram 即可指挥 AI 处理日常事务，无需下载应用。该公司已完成 1000 万美元融资，估值达 3 亿美元，采用动态模型调度技术，基础功能免费。 Poke 旨在实现零门槛 AI 触达，让智能体成为大众日用品。
围绕《国产开源 AI 视频生成模型：跃问（Step-Video-T2V）》展开交流，未登录用户可浏览评论，登录后可参与讨论。
