APIKO

APIKO是一个统一AI模型API网关，通过单一接口接入文本、图像、视频与音频生成模型，简化多模型调用与集成流程。

Kling 4.0 AI Video Generator

Kling 4.0 AI Video Generator 是一款面向专业创作者的多模态视频与图像生成平台，可基于文本、图片及动作指令快速产出高质量动态内容。

Kling 4.0

Kling 4.0是一款从文本、图像和多模态参考生成电影级视频的AI工具，适用于广告、短片、音乐视觉和社交内容。

Loomi

Loomi是一款专为社交媒体创作者设计的AI智能体，能自动生成文案、图像和视频内容，并优化发布策略。

Zero GPT - AI Detector

Zero GPT - AI Detector是一款支持文本、图像和视频的AI检测与内容验证工具。

Seedance 2.5

Seedance 2.5是一个专注于电影级画质的多模态AI视频生成平台，支持文本、图像、音频等多种输入方式，快速产出风格化视频内容。

DreamFort

DreamFort是一个集私密AI聊天、本地AI智能体和图像视频生成于一体的综合套件。

Wavo – Wan 3.0 AI Video Generator

Wavo是一款基于Wan 3.0技术的独立AI视频平台，支持文本、图像、视频、音频及多种文档格式灵活生成视频。

Seenia AI

Seenia AI 是一款第三方 AI 视频生成工具，支持文本、图片及多镜头故事输入，快速产出高质量视频内容。

通用能力不打折，空间具身智能断层领先！ZDTaichu5.0-9B国产开源，跻身全球多模态第一梯队

9月15日，紫东太初正式开源ZDTaichu5.0-9B通用多模态大模型，该9B参数模型在空间具身能力上实现同档位断层领先，九大国际权威空间评测斩获八项第一，通用多模态能力稳居第一梯队，同时公开全套空间多模态数据生产管线，为国产多模态模型落地物理场景开辟新路径。

Seedance 2.5

Seedance 2.5 是一款基于多模态参考的下一代AI视频生成平台，可在30秒内输出原生4K视频。

EMix.ai：低成本AI API多模态开发

EMix.ai是一个统一的低成本AI API平台，支持多模态开发，提供多种AI模型的API接入。

Seedance 2.0

Seedance 2.0 是一款支持文本、图片及原生音频片段生成视频的AI视频生成工具。

全新统一流式架构，Vivix灵动时刻正式发布首个实时互动模型

6月24日，Vivix正式发布全球首个实时交互多模态基座模型A1与W1，让AI角色从“会说话的脸”进化为能听、能动、能实时改变剧情的完整生命。

合肥又押中AI独角兽：多模态赛道，3个月融了21亿

摘要：阶跃星辰完成数亿美元B轮融资，多模态AI赛道的资本热潮再起，3个月内大模型独角兽密集吸金超21亿。

FLUX 3 多模态 AI 模型登场：支持单次生成 20 秒多样化视频

Flux 3 多模态 AI 模型支持单次生成最长 20 秒的多样化视频，在文本、图像和视频生成上实现一站式融合，并面向专业用户提供 1080p 高清输出。

腾讯混元大语言模型和多模态团队合并，统一由姚顺雨管理

腾讯正式将大语言模型与多模态团队合并，统一由前OpenAI研究员姚顺雨管理，并新成立AI Infra与AI Data等部门，加速AI研发体系重构。

KroWork

KroWork是快手推出的桌面端AI智能体，深度融合大模型能力，为用户提供高效的工作与创作辅助。

ViduS1 API

ViduS1 API 提供实时流式数字人接口，支持开发者快速构建交互式AI数字人应用。

Oreate AI

Oreate AI 是一个一站式AI创作空间，可快速生成专业幻灯片、论文、视频、图像、播客及深度研究内容。

Pixae AI

Pixae AI 是一款集图像与视频生成于一体的多功能AI创作平台，让用户无需专业技能即可高效产出创意内容。

Seedance 2.1

Seedance 2.1 是一款支持多模态输入（文本/图像）的AI视频生成工具，可快速将创意转化为动态视频。

Seedance 2.5 AI

Seedance 2.5 AI是一款在线AI视频生成工具，能够基于文字描述和图像输入制作具有电影感的短视频片段。

让大模型从“一问一答”走向“边看边说”，京东开源实时视频视觉语言交互模型 JoyAI-VL-Interaction

京东开源JoyAI-VL-Interaction，让多模态大模型实现实时流式交互，从“一问一答”走向“边看边说”。

撸猫撸出SOTA！3个00后2个月，造出史上最快流式音视频社交模型

上海创智学院与Sand.ai联合发布开源音视频生成基座daVinci-MagiHuman，以极简单流架构实现音视频同步SOTA，推理速度大幅提升，语音清晰度词错误率低至14.60%。

DeepSeek 识图模式正式上线，不认识“老板”梁文锋

DeepSeek识图模式于2026年5月大范围开放，但这款多模态AI可能根本“认不出”自家老板梁文锋——这位创始人极少公开露面，连公司法定代表人都是裴湉，低调到连硅谷同行都感到困惑。

DeepSeek 识图模式正式上线 App 和网页端

2026年4月29日，DeepSeek正式在其网页端和App灰度上线“识图模式”，首次向普通用户开放多模态图片理解能力，与快速模式、专家模式并列，标志着DeepSeek多模态能力从模型层走向产品层。

成本砍半，字节跳动推出 Seedance 2.0 Mini 视频生成模型

字节跳动推出Seedance 2.0视频生成模型，凭借原生音视频同步、多模态输入与导演级叙事控制，将后期制作成本最高降低70%，并同步登陆豆包、即梦等平台，引发全球影视与AI行业震动。

MiniMax M3 模型正式开源：原生多模态、百万上下文

MiniMax M3 模型正式开源，成为国内首个集百万上下文、原生多模态与顶级编程能力于一身的旗舰大模型，API 与权重即将全面开放。

砍掉独立编码器：Gemma 4 12B推翻多模态"拼接设计"

Google Gemma 4 12B 通过彻底砍掉独立的视觉和音频编码器，采用统一的 Encoder-Free 架构，让多模态模型直接在消费级笔记本上运行，延迟与内存占用大幅降低。