应用与工具
新工具、新功能，以及它们能帮你完成什么。
Gemini Omni 1.2 Flash 支持15秒视频与连续编辑，价格下降30%
Google DeepMind 11月5日发布 Gemini Omni 1.2 Flash，面向视频创作者与企业内容团队，原生视频时长从最长10秒增至15秒，可按1秒步长选择3至15秒，并通过多轮对话修改背景、产品、光线或画幅。
用户可在 Flow 中创作和编辑；Google Vids 支持持有 Google 账户或 Workspace 订阅的用户生成15秒片段，无需额外付费。Gemini 应用内的相关能力正向 Google AI Ultra 订阅者逐步开放。
开发者可通过 Gemini API 程序调用接口使用，模型已正式可用。720p 视频价格为每秒0.07美元，比 Omni 1.1 下降30%。官方称参考素材还原与画面一致性有所改善，同时仍在改进快速运动、快速台词变化和复杂物理效果。
制作广告变体时，可优先验证连续修改能否保住人物与商品细节；单次生成价格下降，并不直接等于完整项目成本同比下降。
技术与开发
模型、API、开源与工程实践，关注能力和使用边界。
Ling-3.2-flash 上线多模态 API，前两周限时免费
据 IT之家11月6日报道，蚂蚁百灵当日推出 Ling-3.2-flash，支持图像、文本和视频输入，重点覆盖视觉理解、多步智能体任务、三维空间理解及医疗多模态分析。
模型总参数5600亿、激活参数约250亿，上下文窗口为100万词元；词元是模型处理内容的基本单位。API 已在百灵平台上线，兼容 OpenAI 与 Anthropic 协议，也可通过对话页体验，上线前两周限时免费。
公布的输入、输出价格分别为每百万词元0.30美元和0.90美元。蚂蚁公布的 OmniDocBench1.5、ZEROBench（Sub）与 Vision2Web 成绩高于 Claude Opus 5（max）；这些是指定基准中的厂商评测结果，不能直接推为所有任务的能力排名。
已有兼容接口的应用可将其纳入候选测试，重点核对自身图像、视频任务的效果与实际词元消耗。
Copilot 新增定时任务配置，改善长会话与远程应用预览
GitHub 11月6日发布的周更新带来新的编程工作流能力：Copilot 应用可在对话达到上下文上限时直接压缩会话或查看空间占用；CLI 命令行工具的设置页整合插件、工具服务器等配置，并支持搜索。
VS Code 1.145 的本地自动化新增 cron 定时规则与工作区自定义智能体支持。Agents 窗口还预览支持远程应用查看和交互画布，需在设置中开启远程浏览器支持，使用画布还需开启对应选项。
Copilot 应用新增个人辅助审批指引，可指导哪些工具请求无需再次询问；该能力需主动启用，仅适用于本地会话。
语音识别榜单补入埃及与尼日利亚口音英语
Hugging Face 11月6日宣布，Open ASR Leaderboard 自动语音识别榜单新增 Liva AI 提供的埃及与尼日利亚口音英语私有测试集，分别包含1.34小时和1.55小时自然对话。
榜单的私有数据页新增美国与非美国口音等分组展示。新增数据旨在扩大口音覆盖，并减少针对公开测试集优化带来的评测偏差。
面向跨地区用户选语音模型时，分口音结果比单一总分更有参考价值，但新增样本规模仍有限。
AFTER READING
读完之后
视频创作的时长与费用、模型接入条件，以及评测覆盖范围，是本期值得关注的实际变化。
评论