大黑AI速报
国内视频生成赛道竞争白热化，字节与阿里相继推出支持音画同步与角色扮演的新模型。MiniMax开源VTP框架，为视觉生成的基础研究提供了新思路。小米加入开源大模型混战，推出高性价比模型。飞书AI助手展示了AI与办公场景深度集成的强大潜力。
模型动态
阿里巴巴发布Wan 2.6视频模型，国内首发角色扮演功能。
核心升级：画质、稳定性、音效、指令遵循大幅提升，视频最长15秒。 关键功能：原生音画同步生成、角色扮演、分镜控制与多镜头切换。 文生图能力：同步升级，画面理解与生成质量接近专业级。
MiniMax开源视觉分词器预训练框架VTP，挑战扩散模型传统认知。
核心观点：证明通过扩大视觉分词器（模型、算力、数据）的规模，可以提升第二阶段DiT的生成质量，而无需为生成器增加额外计算。 开源地址：提供了GitHub、Hugging Face和论文链接。
小米开源MiMo-V2-Flash模型并上线体验API。
模型规模：总参数309B，激活参数15B，支持256K上下文。 服务与成本：推理速度达150 token/秒，API目前免费（定价为输入$0.1/百万token，输出$0.3/百万token）。
飞书AI工作助手“aily”更新，集成多项AI功能。
核心功能：支持一句话生成多维表格、播客、日程及带语音和生图的网页。 技术集成：内置豆包生图与TTS，支持MCP调用，个人账号可免费用。