XNews

生成媒体与模型能力测试与示例

生成媒体与模型能力测试与示例

多款生成模型与能力评测、示例陆续发布。 - Gaga-1 正式上线,为首款可生成“AI 演员”视频模型并支持 9:16 竖屏(限免)。 - 影眸科技发布 Rodin Gen-2,采用分件架构 BANG,支持复杂 3D 模型拆解与重组,并配合 3D ControlNet。 - Replit 与厂商促销与无代码平台 Zion 推动生成工具与应用落地。 - Roundtable Research 对多模型通过 Google reCAPTCHA v2 的评测显示:Claude Sonnet 4.5 成功率 60%,Gemini 2.5 Pro 56%,GPT-5 28%。 - 评测指出模型在 Cross-tile 挑战与部分遮挡识别方面存在普遍弱点。 - 多个生成示例与应用(可玩的 3D 桌球、沉浸式口语游戏 Monspeak、精美番茄钟、双语学习打卡应用)展示生成模型在前端与交互类产品的可用性与迭代潜力。

Key insights

Gaga-1 上线:AI 演员视频与竖屏支持

Gaga-1 正式发布,定位为能够生成 AI 演员的视频模型,并首次支持 9:16 竖屏格式,面向短视频平台使用场景。模型当前限免开放,适配短视频创作流程,预期会被 TikTok/抖音 等平台和创作者用于快速生成视觉内容的原型与创作。

Rodin Gen-2:3D 生成的分件架构与控件链路

影眸科技推出 Rodin Gen-2,采用独创分件架构 BANG,实现复杂 3D 模型的拆解与重组,并结合 3D ControlNet 等高控制技术。公司配套推出优惠与抽奖以促进用户采纳,显示商业化推广与社区扩展策略同步推进。

reCAPTCHA 测评:Claude Sonnet 4.5 与 Gemini 表现领先

Roundtable Research 的评测显示,在通过 Google reCAPTCHA v2 的整体成功率中,Claude Sonnet 4.5 达到 60%,Gemini 2.5 Pro 达到 56%,GPT-5 约 28%。评测指出所有模型在 Cross-tile 类型挑战中表现最差,普遍难以处理跨边界与部分遮挡的物体识别。

示例与应用:生成模型在交互应用上快速迭代

多个项目展示生成模型在前端与交互应用的可用性:3D 桌球接近可玩、Monspeak 提供沉浸式口语练习、提示词驱动的精美番茄钟与双语学习打卡应用均已上线或提供体验地址,体现生成模型向产品化迁移的多样场景。

Source posts