8秒极速生成！复杂场景图像定制低成本轻松驾驭，已开源丨字节北大联合发布
8秒极速生成！复杂场景图像定制低成本轻松驾驭，已开源丨字节北大联合发布可控图片生成，如今已经不是什么新鲜事。甚至也不需要复杂的提示词，用户通过简单的文本描述，就能快速生成符合个人需求的创意图像。
来自主题: AI技术研报
10512 点击 2025-05-12 14:07
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
可控图片生成，如今已经不是什么新鲜事。甚至也不需要复杂的提示词，用户通过简单的文本描述，就能快速生成符合个人需求的创意图像。
菲尔兹奖得主陶哲轩再放大招，仅数天时间，开源的概念验证工具借助Copilot迭代至2.0版本。而在最新视频中，他甚至用AI在33分钟「盲做」形式化一页证明，效率惊人。
最近 X 上很流行 Bento 信息图。
简单来说，Cursor 0.50 版本核心亮点包括：计费模式大统一、Max Mode 能力爆表、超前瞻的后台 Agent、代码库上下文理解MAX、编辑体验丝滑、多项目工作区支持，以及一系列聊天功能优化！设计师们（哦不，是开发者们）估计又要惊呼YYDS了！
近年来，基于视频生成模型的可交互世界生成引发了广泛关注。尽管现有方法在生成质量和交互能力上取得了显著进展，但由于上下文时间窗口受限，生成的世界在长时序下严重缺乏一致性。
Sora、可灵等视频生成模型令人惊艳的性能表现使得创作者仅依靠文本输入就能够创作出高质量的视频内容。然而，我们常见的电影片段通常是由导演在一个场景中精心布置多个目标的运动、摄像机拍摄角度后再剪辑而成的。例如，在拍摄赛车追逐的场景时，镜头通常跟随赛车运动，并通过扣人心弦的超车时刻来展示赛事的白热化。
OpenAI GPT-4o发布强大图片生成能力后，业界对大模型生图能力的探索向全模态方向倾斜，训练全模态模型成研发重点。
《读佳》获悉，快手已上线名为Poify的AI业务，不同于可灵AI，据悉，Poify更加专注于AI作图领域，除了支持常规的文生图和图生图的功能外，最重要的是涉足电商方面的AI作图。
昨晚，金融时报消息，OpenAI和微软正在重新洽谈数十亿美元的合作条款。这场谈判旨在让OpenAI能够进行未来的首次公开IPO募股，同时保护微软对前沿AI的访问权限。
2025 年 4 月的 AI 月报，你会看到：“评估（Evals）” 成为模型和 AI 产品开发的关键词；Google 继续提升 Gemini 模型能力的思路； OpenAI 的 GPT-4o 为什么变得谄媚，以及背后的问题；用户规模与模型能力提升关系不大？可能要有变化了