8月AI圈突然热闹了起来。MiniMax、字节跳动、DeepSeek、阿里,四家在同一天集中发布了新品。
不聊行业大势,直接给你盘一盘今天你值得关注的新东西。
一、MiniMax H3:视频生成+编辑+理解,三合一的开源模型
MiniMax发布了首款开源多模态生成模型H3。过去的视频模型通常有明确分工——有的负责文生视频,有的擅长图生视频,有的专门做编辑。H3试图把这些边界拆掉。
它能做什么?
-
支持文本、图片、音频、视频多种输入
-
直出2K分辨率视频,单次最长15秒,带原生立体声音频
-
重点提升指令遵循、文字和品牌信息呈现、视频到视频动作迁移能力
-
目前在Artificial Analysis带音频的视频编辑榜单中排名全球第一
价格方面:生成2K视频0.8元/秒,约为同类旗舰模型的三分之一。
怎么用:H3将在近期开放模型权重,企业可以本地部署。个人用户目前可以通过海螺AI体验。
二、Seedance 2.5:单次生成30秒视频,告别“抽卡式”创作
字节跳动推出了新一代视频生成模型Seedance 2.5。之前用AI生成视频,经常像是在“抽卡”——生成一段不错的素材,但换个角度人物就“换脸”了,想做一分钟视频得手动拼接十几段。Seedance 2.5想解决的就是这个问题。
升级了什么?
-
单次生成时长从15秒提升到30秒,翻了一倍
-
30秒内可以组织多个存在逻辑关系的画面,有铺垫、推进、转折和收尾
-
可以在已有视频后继续生成,保持人物、场景、风格一致,最终形成数分钟的连贯内容
-
一次最多输入30张图片、10段视频、10段音频作为参考
-
新增视频局部编辑功能,可以单独修改背景、商品、人物等局部元素
谁在用:徐工集团已用于工业操作培训视频生成,小鹏汽车集成到内部设计平台。
怎么用:Seedance 2.5目前通过字节跳动旗下平台提供服务,可以通过即梦AI来使用。
三、DeepSeek V4-Flash:API公测开启,Agent和代码能力升级
DeepSeek宣布V4-Flash正式版API开启公测,重点升级了Agent和代码能力。
如果你是做开发的,或者正在用API搭建自己的AI应用,可以关注一下这次公测。具体接入方式可以去DeepSeek官网查看。
四、阿里Qwen3.8-Max + 千问办公:模型和Agent同日上线
阿里今天发了两样东西:一个模型和一个Agent产品。
Qwen3.8-Max:2.4万亿参数,下周开源
总参数量2.4万亿(激活参数95B),支持100万Token上下文。
核心升级:
-
编程能力:在权威CodeArena榜中位居全球第四。官方展示了一个案例——从空文件夹出发,Qwen3.8独立编程运行约16天,自主做出了一个真实可用的自进化智能体框架,全程无人干预。
-
办公能力:法务团队一周才能完成的合同标注,Qwen3.8一小时内做完;篮球分析团队逐帧标注160小时的比赛录像,Qwen3.8几十分钟就能拆解8400多个攻防回合。
-
在权威三方榜单Arena中排名全球第二,仅次于Anthropic的Claude系列。
价格:国内每百万Token输入12元、输出36元,约为Opus 5价格的40%与24%。
开源计划:Qwen3.8-Max和Qwen3.8-27B两款模型权重将于下周正式开源。想本地部署的可以蹲一下。
千问办公(QwenWork):企业级Agent开启公测
阿里旗下企业级Agent产品“千问办公”今日正式开启公测。它由QoderWork、MuleRun、悟空三款产品整合而来,是业内首款同时支持桌面端Agent、云端Agent、企业协同Agent的产品。
跟其他Agent有什么区别?
最大的区别是全面瞄准企业级市场。不只是帮你个人提效,而是可以接入企业真实的数据库和工作流。
举个例子:一家20人的律所,资深律师用千问办公完成一份并购尽调报告后,可以把全过程一键沉淀为“组织级Skill”,向全团队共享。新员工接同类案件,直接调用Skill就能产出报告。
再比如跨国企业:中国团队下班后,千问办公创建的Agent可以在项目群里7×24小时回答英国团队的问题,自动推进工作。
怎么用:目前网页版和独立PC客户端已开放,个人和企业用户均可通过千问办公官网体验。钉钉PC端和手机端入口近期也将开放。
五、其他值得关注的开源项目
除了上述大厂发布,GitHub上这两天也有几个新东西冒出来:
-
OmniBase(8月2日开源):自托管的AI原生知识工作台,内置RAG和多智能体编排
-
OpenMonoAgent:终端原生编程Agent,100%开源免费,用本地大模型驱动
-
观墨(8月1日开源):AI原生的Markdown阅读与编辑器,支持本地模型