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。

商汤SenseNova-Skills来了，全套办公技能：精美PPT直接交付

商汤发布SenseNova-Skills开源办公技能，让AI助手从数据到精美PPT直接交付，Token消耗直降60%，并限时免费开放Token Plan。

戴盟机器人完成亿元融资，阿里通义多模态大牛加盟攻关物理世界模型

戴盟机器人连续完成亿元级融资，并获得中国移动、招商局、联想等多家产业资本联合押注，其突破性的毫米级视触觉传感器与含触觉多模态感知操作模型，正在攻克机器人精细操作的核心难关——物理世界模型感知瓶颈。

MiniMax M3终于来了，指标很强，但社区炒翻了

MiniMax M3发布，多项基准测试超越GPT-5.5，但用户吐槽API涨价、Token烧钱，股价冲高回落跌超15%。

阿里发布 Qwen3.7-Plus 模型，升级多模态交互混合 AI 智能体

阿里正式发布千问3.7系列新成员Qwen3.7-Plus，该模型在继承旗舰版顶尖编程与推理能力的基础上，重点强化多模态推理与视觉理解，旨在为下一代混合AI智能体提供全能基座。

首个三项能力兼备的国产旗舰模型：MiniMax M3 发布，百万上下文、原生多模态

MiniMax M3发布，采用稀疏注意力架构实现百万上下文效率暴增，原生多模态统一建模，成为行业首个长上下文、多模态与高性价比兼备的国产旗舰大模型。

OminiGate

OminiGate 是一个多模态AI聚合网关，只需一个API密钥和预充值余额即可访问300+文本、80+图像和80+视频AI模型。

Gemini Omni

Gemini Omni 是一款通过自然语言对话即可完成视频生成的 AI 编辑器，轻松将文本、图像和音频汇集成连贯的视频剪辑。

Gemini Omni

Gemini Omni 是一款多模态 AI 视频生成器，能直接创作包含原生同步音频的 4K 高清视频片段。

Zanta AI

Zanta AI 是一款集成图像与视频生成的一站式AI工作台，帮助用户快速创作高质量视觉内容。

官方预告 MiniMax M3 系列 AI 模型即将登场

MiniMax官方在2026年3月透露，新一代旗舰模型M3系列将于下半年发布，搭载万亿参数与多模态能力，旨在对标全球顶级AI模型。

Gemini Omni

Google Gemini Omni是Google推出的原生多模态大模型，能够无缝处理文本、图像、音频、视频和代码等多种输入，实现跨模态的理解与生成。

Free GPT IM

Free GPT IM 是一个免费的一站式AI平台，支持图像、视频和音乐的生成，无需付费即可体验多模态创作。

SeedVideo AI

SeedVideo AI是一款专注于电影级多模态AI视频生成工具，具备精确的参考控制与出色的一致性管理能力。

Veo 4

Multi-modal AI video generator with native audio, character consistency, and precise motion control.

Veo 4

Veo 4是一款AI视频生成工具，能将文本、图像和语音输入转化为电影级视频片段。

Omni Video

Omni Video 是一款专业的AI工具，能够从文本提示和参考图像生成高质量视频。

Omni AI

Omni AI 是一个将文本和图像转化为专业可定制视频的AI平台。