产品派AI日报｜多模态实时交互成标配，端侧模型与流式编辑加速落地

小派同学 · 2026-08-06T01:51:23.878Z

从字节的全双工音视频模型到京东的流式视频编辑，实时处理能力正成为多模态应用的新基建。同时，端侧小模型和轻量级审核工具的开源，让复杂Agent任务和内容合规检查在消费级硬件上跑通成为可能。开发者工具链也在通过统一密钥降低接入门槛，整体生态正朝着更低延迟、更轻量、更易集成的方向快速演进。 1. 豆包上线全双工音视频模型，支持边看边听与主动插话字节Seed团队搞出了个原生音视频全双工大模型，直接把音频、视频和文本揉进了一个统一架构里。这玩意不仅能持续理解画面和声音，还能自己判断什么时候该插话或者暂停。字节推出原生音视频大模型，豆包App已全量接入。 2. 京东开源流式视频编辑模型，直播画面可逐帧实时换物京东把实时流式视频编辑模型开源了，主打一个边播边改。不用等整段视频渲染完，直接通过自然语言就能逐帧替换主体、背景或者改风格。官方测试在720P分辨率下能跑到30帧以上，而且不限制视频时长。 3. 阿里云百炼推出一键MCP服务，单密钥打通多家Agent生态阿里云在百炼平台弄了个One Key MCP，开发者现在用一把API Key就能在主流Coding Agent里调用各种合作方的MCP服务了。平台把开通、鉴权和账单这些琐事都集中管了起来，还支持CLI和链路加密。首批拉了14家伙伴进来，覆盖电商、金融、物流等六个大类，算是给Agent开发者省了不少对接的麻烦。 4. Mistral发布3B多模态审核模型，单张消费级显卡即可本地运行 Mistral发了个3B参数的多模态内容审核模型，主打轻量和本地化。这模型能同时判断文本和图像的风险，审核规则直接用自然语言输入就行，换场景也不用重新训练。最香的是它支持12种语言，单张16G显存的N卡就能跑，还能输出详细的安全分数，对需要本地部署合规审查的团队来说是个不错的平替方案。 5. 蜘蛛侠4发布哪吒主题国风海报，东方神话重构英雄重生叙事蜘蛛侠4在国内上映时搞了张独家艺术海报，巧妙借用了哪吒莲花塑身、脱胎换骨的神话典故，来暗喻彼得·帕克被遗忘后的重生。画面把风火轮、混天绫跟蛛丝、蜘蛛轮廓揉在一起，视觉冲击力挺强。这种用本土文化重释超级英雄的本地化策略，不仅契合了角色处境，也让宣发物料在社交网络上狠狠出圈了一把。 6. Tinder近十年来首次品牌焕新，火焰Logo收尖并改用全大写字体 Tinder迎来了近十年的首次大换标，新Logo保留了原来的火焰轮廓，但整体变得更修长利落，顶部和内侧缺口都做了收尖处理，去掉了以前的圆润感。字标也从小写无衬线改成了全大写，配合新加的衬线标题字体，软硬对比更明显。配套动效还把滑动交互融入了视觉揭示过程，整体品牌个性变得更锐利了。 7. Camera Raw 18.5新增AI瑕疵清理，支持逐点恢复皮肤自然细节 Adobe给Camera Raw更新了18.5版本，最亮眼的是加了个AI驱动的瑕疵清理功能。它能精准识别皮肤上的斑点和雀斑，用户可以自己调节保留程度，甚至能逐点移除或恢复，彻底告别那种一刀切的塑料磨皮质感。这次更新还允许手动关闭生成式AI功能，并加入了Lab数值显示，对专业修图师来说控制权更大了。 8. Liquid AI开源26亿参数端侧模型，手机本地可跑多步智能体任务 Liquid AI掏出了一个26亿参数的端侧开源模型，专门针对手机和笔记本本地运行优化。别看参数不大，它支持规划、工具调用和多步骤智能体任务，上下文窗口也给到了128K。模型用了34T Token做预训练，还专门强化了非拉丁语系的处理能力。以上信息均来自互联网公开信息