三花快讯

Gemma 3n 现已发布开源权重，这是一个支持多模态（文本/音频/图像/视频）理解的大模型，仅需 2GB RAM 即可运行，也是第一个在 lmarena 上得分超过 1300 分的 10B 参数模型。

完整介绍可以看官方推文。

Claude 推出 Artifacts Space，即在你创建了 Artifact 后，可以把这个应用发布后供任何人使用。

完整介绍可以看官方推文。

黑森林团队(Black Forest Labs) 昨日宣布开源 FLUX.1 Kontext dev 模型。

这款目前最强的开源图像编辑模型可在 ComfyUI 中与 LoRA 结合使用。

佬们可以在官方推文中查看完整介绍与技术细节。

谷歌在 Gemini API 和 Google AI Studio 中正式推出 Imagen 4 系列模型，包含 Imagen 4 和 Imagen 4 Ultra 两个版本。目前提供免费试用，API 定价分别为每张 0.04 美元和 0.06 美元。

从官方展示的效果来看，这一代模型的生成质量确实不错，完整介绍可以查看官方博客。

不过老用户都知道，谷歌的生图规则一向很保守，很容易就触发风控机制，不知道这一代模型在这方面会不会有所改善。

Jina AI 最新推出的 jina-embeddings-v4 是基于 Qwen2.5-VL-3B-Instruct 的多模态多语言通用嵌入模型。

该模型支持单向量和多向量嵌入输出，在多语言检索任务中的性能表现尤为突出 - 比 OpenAI 的 text-embedding-3-large 高出 12%。

目前的话，既可以通过 Jina API 直接调用，也可以自行部署模型使用。

DRA-Ctrl（Dimension-Reduction Attack）是一个创新的跨模态图片编辑框架，通过整合视频模型中的视觉、时间、空间和因果等多维度高维特征表示，实现对图片主体的状态预测与精准编辑。

一种非常有意思的编辑图片的思路，佬们可以在线体验下看看。

VideoPrism 是谷歌开源的一个通用视频嵌入模型，能够将视频转换为向量表示。

视频向量化可以让 LLM 轻松处理各种视频理解任务，包括分类、检索、定位、字幕生成和问答等。

代码和模型都已经发布了，有需要的佬不要错过。

谷歌 Gemini CLI 是一款对标 Claude Code 的开源命令行工具，提供免费使用额度：每分钟支持 60 次模型请求，每日上限 1000 次。

通过简单的 npm install -g @google/gemini-cli 命令即可快速安装。

该工具集成了 MCP 框架、谷歌搜索等实用功能，还能调用谷歌最新的视频生成模型 Veo 和图像模型，还要什么自行车。

OmniGen2 是一个统一的多模态图像编辑模型，支持单图和多图编辑。

可以理解为开源领域的 Flux Context 替代方案，支持通过自然语言指令实现精准的局部图像编辑，包括：对象删除与替换、风格转绘、颜色调整、背景处理（删除/替换）、物品添加、表情修改以及动作修改等多种编辑任务。

模型权重已经发布，佬们可以在 Hugging Face Space 体验。

Astra 视频超分辨率工具现已正式上线。这款 AI 工具能够将低分辨率视频智能提升至 4K 画质。

官方定位是为 AI 视频创作者提供终极画质优化方案，解决内容生产的最后一公里问题。

目前标准版定价为 $39/月（约合人民币 280 元），仅仅只有画质升级的功能还是有点小贵。