阿里通义实验室近日发布 Wan-Streamer v0.2 模型，主打让 AI 像真人一样实现边听、边看、边回应的实时交互体验。根据官方介绍，这是一款面向实时双工交互的端到端全模态理解与生成模型，将“听、看、说、演”整合进单个 Transformer 之中。
在性能表现上，Wan-Streamer v0.2 强调极致低延迟，端到端响应延迟约为 550ms，其中包括 200ms 模型延迟和 350ms 网络延迟。与此同时，模型的画质能力也明显提升，输出分辨率从 v0.1 的 192×336 提高到 640×368 @ 25FPS，微表情等细节场景也能更清晰地呈现。
在能力架构上，该模型原生支持文本、音频、视频的实时理解与同步生成，无需依赖外部模块拼装。团队还将其与市面上的主流实时交互系统进行了对比，结果显示，Wan-Streamer 的端到端交互延迟约 0.55 秒（含网络传输），在响应速度上明显快于常见的实时语音对话模型。
相关快讯
DeepSeek-V4多模态模型刚刚开源
DeepSeek-V4-Flash-Vision-Exp已正式开源，是DeepSeek-V4系列首个实验性多模态模型。该模型此前已于8月21日上线API平台，基于DeepSeek-V4-Flash架构，集成视觉模块并通过持续训练，实现了视觉理解能力。
“星际觅元”完成千万元种子轮融资，聚焦星际探索赛道
全域场景具身智能系统供应商“星际觅元”近日完成千万元种子轮融资，由同创伟业领投，卧安机器人和旭源资本跟投。公司拟通过自研“多模态物理资产重构引擎+高拟真场景模拟生成器+全域具身智能大脑”，贯通物理数据生产、仿真训练、认知决策与机器人部署，让机器人理解环境并自主完成复杂操作。
月之暗面Kimi K2.5月底将结束服役：第一代万亿参数多模态模型谢幕
月之暗面Kimi发布消息称，公司第一代万亿参数多模态模型Kimi K2.5将于本月底结束服役。这意味着该模型即将退出当前服务体系，相关用户和业务后续可能需要关注官方安排及替代方案。此次调整也标志着Kimi模型产品迭代与服务阶段转换进入新的节点。
稀宇科技发布 MiniMax Design
稀宇科技推出 MiniMax Design，这是一款将多模态模型能力转化为实际生产力的工具。用户只需提出创作需求，它即可理解目标并拆解任务，自动调用相应模型与 Skills，完成素材处理、内容生成、编辑到最终交付的全流程。
剪映员工离职创业为何频现“人传人”现象
7月中旬，LibTV与Flova相继推出视频 Agent 功能并加大推广，行业竞争迅速升温。Flova强调其首创 Agent 创作 AI 视频范式，试图建立先发优势。与此同时，创业潮持续扩散，过去两年至少有10位“剪映系”创业者投身 AI 应用公司，今年上半年尤为密集，显示相关人才正加速外溢。
资本重注端侧物理AI：前海母基金数亿元押注，Om AI联汇加速商业化落地
杭州联汇科技（Om AI 联汇）完成新一轮数亿元融资，由前海母基金领投，杭州政府产业基金等参投。公司同步开源 VLX-Seek 1.5 端侧原生多模态模型，性能据称超越英伟达同参数级核心模型。融资将用于 VLX 系列迭代、研发强化及物理 AI 商业化落地，显示资本对其技术与前景的认可。