
应用与工具
新工具、新功能,以及它们能帮你完成什么。
可灵Image 4.0支持8K图片与成套组图
据量子位11月19日报道,可灵推出Kling Image 4.0,面向活动宣传、电商设计和故事创作者,支持原生8K图片、最多10张连贯组图,以及商品详情页和网页设计长图,可在可灵网站体验。
报道介绍,模型支持单图生成最多2000字,提供70多款预设字体。用户可在输入框下方选择字体,通过组图模式制作系列图片,或在“技能”中的电商详情页功能上传参考图并描述要求。
量子位展示了多商品参考图合成、连续分镜和中文排版案例;这些属于该媒体的体验结果,不能代表所有输入都能获得相同效果。
系列海报和分镜初稿可先统一视觉方向,再逐张检查文字、商品细节与人物连续性;高分辨率不能替代内容校对。
技术与开发
模型、API、开源与工程实践,关注能力和使用边界。
豆包实时音视频API上线,支持持续观察与主动回应
据IT之家11月19日报道,火山引擎当日上线SeedRealtime 1.0实时音视频模型API,即供开发者接入的程序接口,面向语音助手、智能硬件、实时客服等应用。
据报道介绍,模型把声音、画面和时间顺序交给同一个端到端模型处理,可持续理解场景变化,并在关键目标出现或任务节点到来时主动提醒。相比串联语音识别、视觉理解和语音合成模块的方案,这次更新强调统一处理实时信息流。
报道展示了结合航班屏幕信息回答问题、观察咖啡制作并提醒操作等场景;这些展示不等同于在各类真实环境中的可靠性保证。
接入价值在于让视觉变化参与对话和提醒。设备指导、学习辅助等应用仍需分别验证嘈杂环境下的识别与主动插话时机。
Gemini按需加载工具参数,减少大型工具库输入负担
Google于11月19日在Gemini Interactions API推出Tool Retrieval预览,支持Gemini 3.6及后续模型。它让智能体先看到工具名称和说明,需要调用时再加载参数定义,避免每次请求都携带完整工具库。
开发者添加tool_search,并为待延迟加载的工具设置defer_loading为true即可启用;远程MCP服务器也受支持,MCP是连接模型与外部工具的协议。检索、加载参数与生成调用可在同一次请求中完成,实际函数仍由开发者代码执行。
功能不单独收费,输入输出按所用模型标准费率计费。检索工具会增加少量固定输入词元,即模型处理内容的计量单位;已加载的参数定义在后续会话中仍计入输入。自建工具检索可采用客户端模式,但每次搜索会增加一次往返。
工具很多、单次只用少数工具的智能体更值得试用;应按实际会话统计输入用量,判断延迟加载是否节省成本。
Copilot新增八项服务连接器,覆盖数据库与构建工具
GitHub于11月18日新增八项Copilot连接器公开预览,包括Box、Buildkite、Calendly、ClickUp、Mixpanel、Supabase、Webflow和Wix。开发者可让Copilot查看构建失败原因,或先读取数据库结构再编写迁移代码。
连接器面向所有Copilot套餐,可从应用的Customize、CLI的连接器页、VS Code或网页定制页面接入。Business与Enterprise需要管理员启用编辑器预览策略;逐项管理MCP允许列表的企业还需加入新连接器,部分服务也要求服务端管理员授权。
AFTER READING
读完之后
本期重点是成套图片创作、实时音视频接入,以及智能体工具调用与服务连接的更新。
评论