World Labs 宣布获得 $1 billion 新融资
World Labs 宣布获得 $1 billion 新融资，投资方包括 AMD、Autodesk、Emerson Collective、Fidelity Management & Research Company、NVIDIA、Sea 等。
推荐理由：融资信息同时交代了 World Labs 的空间智能方向和 Marble 的输入形态，便于理解其后续投入重点。
多模态
全部主题文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品进展。
最新精选
第 41–48 条 · 共 48 条World Labs精选AI 评分7070
World Labs精选AI 评分7878 World Labs 多模态世界模型 Marble 面向所有用户开放
World Labs 今天将多模态世界模型 Marble 面向所有用户开放，并扩展其从文本、图像、视频或粗略3D布局创建3D世界的能力。Marble 支持交互式编辑、扩展和组合世界，生成后可导出为 Gaussian splats、meshes 或视频。
推荐理由：原文列出从文本、图像、视频到粗略3D布局的生成路径，便于比较世界模型工作流。
World Labs精选AI 评分7777 World Labs 发布 RTFM 实时生成式世界模型研究预览
World Labs 分享了 RTFM（Real-Time Frame Model），一个可在交互时实时生成视频的生成式世界模型，今天以研究预览版开放。RTFM 可用于探索生成的 3D 世界和真实地点，并可在浏览器中 demo；其目标是在单个 H100 GPU 上以交互帧率推理。
推荐理由：原文披露了单 H100 实时生成持久 3D 世界的架构思路，可作为世界模型工程取舍参考。
baidu · Hugging Face 新模型精选AI 评分6666 百度发布 Qianfan-VL-8B 多模态视觉语言模型
百度在 Hugging Face 发布 Qianfan-VL-8B，属于 Qianfan-VL 系列通用多模态大语言模型，面向企业级多模态应用并强化 OCR 与文档理解。
推荐理由：原文同时给出模型规格、训练流程和基准对比，便于评估其在 OCR 与文档理解场景的适配度。
baidu · Hugging Face 新模型精选AI 评分6969 百度 Qianfan-VL-3B 多模态模型上线 Hugging Face
百度在 Hugging Face 发布 Qianfan-VL-3B，属于 Qianfan-VL 通用视觉语言模型系列，面向企业级多模态应用并强化 OCR、文档理解等场景。
推荐理由：模型卡列出3B到70B规格、训练阶段、基准和部署示例，便于比较企业多模态场景适配。
Suno Blog精选AI 评分6565 Suno 推出 Suno Scenes，可用照片和视频创建歌曲
Suno 推出新功能 Suno Scenes，让用户可以从手机相机中的照片和视频创建独特歌曲。该功能首先面向 iOS 移动用户开放，下载 app 后可在歌曲创作体验的 Camera mode 下找到。Suno 鼓励用户用 #sunoscenes 和 @suno_ai_、@sunomusic 分享创作内容。
推荐理由：原文说明了从照片和视频生成歌曲的入口，可帮助判断 Suno 在移动端创作场景的扩展。
Suno Blog精选AI 评分6464 Suno 发布移动应用，iOS 版先在美国上线
Suno 宣布推出 Suno mobile app，version one 可在手机上制作、收听和整理音乐。用户可以用文本歌词和描述生成歌曲，也可以用手机录音并把音频变成歌曲；Suno 称已有 Twelve million people 使用过其产品。该应用目前先从美国 iOS 开始，Android、全球发布和更多更新将随后推出。
推荐理由：官方给出移动端版本的可用范围和核心入口，便于判断音乐生成如何迁移到手机场景。
Suno Blog精选AI 评分7676 Suno 推出 Audio Input 功能，支持用任意声音生成歌曲
Suno 发布 Audio Input 功能，Pro & Premier 用户现在可以上传或录制自己的音频来生成歌曲。用户可在 Library 或 Create 页面点击 Upload Audio，录制音频或上传 6 - 60 秒的音频/视频片段，再选择 Extend、设置延展时间点、填写曲风并可加入歌词。Suno 表示受版权保护的作品会被阻止上传，所有带人声的输入将保持私密且不可搜索。
推荐理由：原文同时给出上传流程和责任限制，便于判断音频输入会怎样进入音乐创作流程。