AI日报：MiniMax发布全模态模型H3；Seedance 2.5支持30秒一镜到底；DeepSeek-V4-Flash正式上线

欢迎来到今天的AI日报！每天为你精选AI领域最值得关注的动态，帮你快速了解技术趋势和创新产品。

MiniMax发布通用全模态模型H3

MiniMax最近放了个大招——发布了通用全模态模型H3。这个模型牛在哪？它能同时理解并生成文本、图像、视频和音频，相当于一个”全能选手”。

以前的多模态模型大多是”专才”，有的擅长生图，有的擅长做视频，各干各的。H3则打破了这种壁垒，用自然语言作为连接各种模态的通用桥梁。这意味着你可以用文字描述，直接得到视频、音频或图像输出，流程更顺畅。

实际应用上，H3在广告制作、电商展示、游戏开发和UI设计等商业场景已经能稳定输出。它支持原生双声道音视频，最高能生成15秒2K分辨率的内容。更关键的是，MiniMax还打算在合规前提下开源H3的模型权重，这对国内AI生态来说是个好消息。

字节跳动Seedance 2.5：AI视频开始会讲故事了

字节跳动的视频生成模型Seedance升级到了2.5版本，这次最大的突破是单次生成时长提升到了30秒，而且支持多镜头叙事。

什么意思？以前的AI视频大多是单镜头”怼脸拍”，画面之间没什么逻辑关联。Seedance 2.5能组织多个镜头，让视频有起承转合，真正开始”讲故事”了。

另外它还支持多轮延长，你可以不断续写视频，同时保持人物、场景、风格和音效的一致性。输入方面也很灵活，最多支持30张图片、10段视频加音频，多人出镜和声音还原都能搞定。

DeepSeek-V4-Flash正式版上线，专攻Agent场景

DeepSeek的V4-Flash正式版开始公测了。这个模型的亮点是用130亿激活参数就做到了接近旗舰模型V4-Pro的性能，性价比极高。

对于Agent（智能体）应用来说，成本和响应速度是关键。V4-Flash在这方面优势明显，而且还自带了DeepSeek Harness Agent框架，同时兼容OpenAI的Responses API格式，开发者迁移起来很方便。

其他值得关注的消息

• 谷歌把Nano Banana2图像生成模型塞进了Google Earth，现在可以直接用文字描述生成地理场景图像，教育、城市规划等领域会很实用。
• 华为开源了5050亿参数的openPangu-2.0-Pro模型，基于昇腾NPU训练，支持512K超长上下文，代码和权重全开放。
• 阿里千问发布了Qwen-Audio-3.0-ASR-Flash语音识别模型，专攻专业场景，医疗术语召回率95.36%，支持30多种语言。
• 特斯拉中国车机系统正式接入豆包大模型，不过需要开通高级车载娱乐服务才能用。

以上就是今天的AI日报，明天见！