相关快讯
阿里通义实验室发布 Wan-Streamer v0.2：AI 视频电话响应延迟降至 550ms
阿里通义实验室发布 Wan-Streamer v0.2，面向实时双工交互，将听、看、说、演统一到单个 Transformer 中，支持文本、音频、视频的端到端实时理解与同步生成。模型端到端延迟约 550ms，较常见实时语音对话系统更快；输出分辨率提升至 640×368@25FPS，微表情和细节表现更清晰。
谷歌 Google Vids 新增数字分身功能，轻松自导自演“AI 大片”
谷歌为 Google Vids 增加个人数字分身和 Gemini Omni 视频生成能力：用户可上传自拍和语音生成拟真虚拟形象，也能用文字和图片创建视频，或修改背景、光线与特效，并支持分步对话式编辑。此次升级让 Vids 从职场演示工具进一步转向完整视频创作平台，并与 HeyGen、Synthesia 等竞争。
豆包首款无限进步模型 Seed-Evolving 实测：真的告别版本号了？
火山引擎方舟上线了新模型 Doubao-Seed-Evolving，模型 ID 固定不变，但能力会高频持续升级。作者对这种“悄悄变强”的更新方式印象深刻，也特别提到豆包上下文窗口终于提升到 1M Tokens，更适合 Agent 场景使用。
Agent 创业公司的黄金时代，可能正在结束
文中提到，AI 产品竞争已进入拼技术、拼功能的阶段，模型与 Agent 持续提升应用想象力，但产品的“惊艳期”越来越短。2025 年 3 月发布的 Manus 以 Agent 执行任务、直接交付结果迅速出圈，随后又加入长期记忆引擎和多智能体协同等能力，上线 8 个月 ARR 便突破 1 亿美元，成为 AI 领域增长最快的初创产品之一。
Xmax AI 发布 X2.0：把视频变成可交互“玩”的界面
Xmax AI 源于 KEG 实验室这类顶级 AI 团队背景，2 月曾发布全球首个虚实融合实时交互视频模型 X1，引发海外关注但当时仍偏技术突破。5 个月后，Xmax AI 再推 X2.0 并开放商用 API，成为国内在实时编辑与交互视频模型方向落地最快、且唯一可规模化商用部署的公司。
阿里加码，AI视频赛道强势崛起
爱诗科技宣布完成整体C轮融资，累计融资达29.8亿元人民币，最新C+轮由阿里巴巴领投，十余家机构跟投。公司成立仅三年多便接近完成30亿元单轮融资，融资规模跻身国内AI视频与大模型领域第一梯队，也反映出AI视频正成为AI商业落地的重要赛道。