在第七届「北京智源大会」上，智源研究院重磅推出了一系列名为「悟界」的大模型。这些模型的发布标志着人工智能领域又一次技术的飞跃，吸引了众多科技爱好者的目光。此次发布的模型包括原生多模态世界模型 Emu3、脑科学多模态通用基础模型见微 Brainμ、以及跨本体的具身大小脑协作框架 RoboOS2.0 和具身大脑 RoboBrain2.0。此外，还有全原子微观生命模型 OpenComplex2。这些模型涵盖了从基础科学到复杂智能系统的广泛应用，展现了智源研究院在多模态智能技术方面的雄心和实力。

Google Labs 宣布推出实验项目 Portraits，旨在通过 AI 技术让用户与值得信赖的专家进行对话式互动。Portraits 的独特魅力在于，它直接链接到现实中的专家，确保对话内容始终围绕其专业领域展开。

随着人工智能技术的飞速发展，文本转语音（TTS）领域迎来了新的里程碑。ElevenLabs 正式推出其最新文本转语音模型 Eleven v3(Alpha版)，被誉为「地表最强」的 TTS 模型。这款模型不仅能将文本转化为自然流畅的语音，还能通过精准的情感控制和多语言支持，模拟真实对话中的语气变化与非语言表达，为创作者和开发者提供了前所未有的语音生成体验。

全球用户量最大的 AI 视频生成平台 PixVerse 正式推出国内版产品「拍我 AI」，同步上线网页端及移动端应用，并开放最新 V4.5 模型供用户使用。PixVerse 自海外上线以来，已累计吸引全球超 6000 万用户，月活跃用户（MAU）突破 1600 万，稳居 AI 视频生成领域第一梯队。此次国内版的推出，标志着国内用户将能更直接地体验 AI 视频创作的强大能力，让更多用户轻松表达创意，也为专业创作者提供更强大、更智能的创作支持。官网

近日，设计协作平台 Figma 迈出创新的一步，正式揭晓一款面向开发者的全新工具——开发模式模型上下文协议（MCP）服务器。这款工具正处于 beta 测试阶段，目前仅向拥有开发者权限或完整席位权限的用户开放。MCP 服务器的核心优势在于，它能够赋予人工智能（AI）模型直接访问 Figma 设计数据的权限。这意味着，AI 不再仅仅依赖于图像文件进行视觉解析，而是可以直接获取到图表中的精确数据、设计中的具体颜色等详细信息。Figma 将这一能力比喻为「透视画作」，强调只有理解了创作过程的人，才能精准地再现设计。

字节跳动 Seed 团队发布图像编辑模型 SeedEdit 3.0，目前已经在即梦网页端开启测试，豆包 App 也即将上线。据字节跳动官方介绍，SeedEdit 3.0 基于文生图模型 Seedream 3.0，叠加多样化的数据融合方法与特定奖励模型，较好地解决了上述难题。其图像主体、背景和细节保持能力进一步提升，尤其在人像编辑、背景更改、视角与光线转换等场景表现较为突出。同时，SeedEdit 3.0 支持 4K 图像生成，能精准识别编辑区域并高保真保留未修改内容。官网

通义实验室正式发布 Qwen3-Embedding 系列模型，专为文本表征、检索与排序任务设计。该系列基于 Qwen3 基础模型训练，支持多语言和代码检索，具备卓越的泛化性、灵活的架构以及全面的语言支持。模型提供 0.6B 到 8B 参数规模选择，支持表征维度自定义和指令适配优化。训练采用三阶段架构，结合对比学习与监督训练，提升性能与效率。目前，Qwen3-Embedding 已在 Hugging Face、ModelScope 和 GitHub 开源，并可通过阿里云百炼平台使用相关服务。未来将持续优化并拓展多模态语义理解能力。

日前，Luma AI 推出了一项 AI 视频画面转换功能——Modify Video，用户只需拍摄一次，即可将视频风格、元素、对象甚至是背景进行更换。官方介绍，Modify Video 支持任何视频内进行人物全身、面部或口型提取，并能完美与新生成的角色进行匹配。同时，Modify Video 还能保证场景和构图完整的情况下，改变场景的外观、风格，并且支持局部元素内容更换。官网

AI 驱动的视频编辑工具 Diffusion Studio Pro 正式亮相，以其强大的 AI 功能和本地化设计受到广泛关注。结合 CapCut 和 Cursor 的优势，提供多模态 AI 赋能的非线性编辑体验，同时支持免费使用，极大降低了创作门槛。它还内置了智能代理侧边栏，能自动读取和处理视频、图像及音频素材，实现从素材整理到粗剪的自动化工作流。

Adobe 宣布推出 Photoshop 安卓应用。该应用此前于 2 月份首次登陆 iPhone，而 Android 用户则被告知要等到 2025 年底。目前，Photoshop 测试版已于 Google Play 商店上线，测试期间所有用户均可免费使用。查看详情