Google 研究揭示：Veo 3 达到了视觉AI领域的“GPT-3”时刻 Google DeepMind 通过对Veo 3进行18,384个最简单的视频生成任务测试后，发现： Veo 3，除了生成视频，还能在没有训练的情况下，自动完成各种复杂的视觉任务，比如找物体、修照片、玩迷宫、解数独。它可以: - 看懂图像：自动识别边缘、轮廓、物体位置、颜色、形状等； - 理解物理：知道什么会

#Veo 3 #视觉AI #GPT-3时刻 #Google DeepMind #视频生成

相关新闻

sitin

4天前

国产 Wan 2.5 首发上线这款国产模型不仅在体验上直追甚至超越 Veo 3，价格更是只有对手的几分之一。它把视频生成的门槛压缩到“一键生成”，从文字到画面、从声音到口型、从单人到多人场景，全都能一步搞定，彻底改变了创作者的生产方式。 Wan 2.5 的核心优势更实惠谷歌 Veo 3 依然昂贵，限制了大规模应用。Wan 2.5 则更轻量化，极具性价比，让更多中小团队和个人创作者都能负

向阳乔木

5天前

Veo3最强平替来了没想到阿里一口气发布了300多个不同的模型。最喜欢 Wan 2.5 preview 视频生成模型，5s-10s 1080P，音画一体，中文支持完美。刚测试了个美女转身对口型，表情控制极其好，甚至有皱眉等小细节.. 阿里夸克造点、通义平台的wan 2.5视频排长队... 地址见评论区，后续更新各模型能力评测

meng shao

2周前

感兴趣的朋友，可以到 Lovart 体验：Lovart + Nano Banana + Veo 3 的无限画布 + 超强多模态模型带来的创作自由。 Lovart 地址：

Gorden Sun

2周前

HuMo：专注生成人物的视频框架支持文本、图片、语音输入，生成人物为中心的视频。后续会开源HuMo-17B和HuMo-1.7B视频模型，目前也可以用Wan-2.1作为视频模型。项目地址： Github：

Gorden Sun

1个月前

nano banana（Gemini 2.5 Flash Image Preview）的免费使用途径： 1、AIStudio 2、Gemini APP（左上角切换模型） 3、Whisk 4、Opal 自己搭建工作流，里面可以选2.5 Flash Image，也能免费用Veo 3 5、OpenRouter

关联事件

智谱直播发布全球最佳视觉模型GLM-4.5V，挑战AI视觉领域极限

智谱直播近日开源了其最新视觉模型GLM-4.5V，该模型基于其旗舰文本基础模型GLM-4.5-Air，拥有106B总参数和12B激活参数。GLM-4.5V在42个公开的视觉语言基准测试中表现出色，达到了同规模模型中的SOTA性能，支持图像、视频和文档理解等多种任务。该模型的推出标志着智谱在视觉推理领域的进一步突破，具备全场景视觉推理能力，能够处理复杂的图像推理和视频理解任务，预计将对AI视觉技术的发展产生深远影响。