Gemini 2.5 Flash Image（又称Nano Banana）：Google DeepMind 的 AI 图像生成新王者

MathGPT.ai的高等教育AI辅导平台凭借独特的苏格拉底式引导机制迅速扩展，已吸引30所院校试点并计划秋季覆盖50多所高校。平台提供自动生成题目、作业批改等核心功能，整合三大学习管理系统，并强化防作弊与无障碍设计，未来将拓展至多学科领域。

字节跳动智能创作团队发布OmniHuman-1.5视频生成框架，通过认知引擎与渲染引擎协同机制将静态图像转化为上下文感知动态影像。该框架在唇同步准确率达98.7%，手势动态方差提升32%，并已开源应用于影视制作、虚拟教育等跨领域场景。

OpenAI发布端到端语音模型gpt-realtime，显著降低响应延迟并整合多模态能力。该模型在语音质量、智能理解、API支持及安全合规等方面实现全面升级，适用于多领域场景。

埃隆・马斯克领导的xAI推出全新智能代码生成模型Grok Code Fast 1，支持多种编程语言并具备经济型定价策略。该模型已在主流开发平台限时免费开放，同时xAI对苹果及OpenAI发起反垄断诉讼。

腾讯混元开源其端到端视频音效生成模型Hunyuan-Foley，该模型通过输入视频片段和文本描述自动生成电影级音效，解决了AI视频无声问题并实现音画精准同步。模型基于多模态处理能力和大规模数据集，适用于创意领域，并已开源推动技术协作。

爱诗科技发布新一代PixVerse V5大模型和Agent创作助手，显著提升视频生成效率与质量。新功能大幅降低创作门槛，支持零基础用户一键生成专业视频内容。

谷歌DeepMind正式推出Gemini 2.5 Flash Image图像模型，优化了速度与上下文理解，支持基于文本提示的精准编辑。该模型在LMArena基准测试中表现领先，提供安全机制，开发者可通过Gemini API等访问，输出定价为每百万token 30美元。

创新奇智与Bentley共同推出基于多模态工业大模型的生成式设计工具iPID，实现静态图纸向标准化PID图的智能化转化。该工具融合文本识别、图像解析与参数计算技术，颠覆传统手工设计流程，大幅提升工业设计效率。

钉钉正式推出AI硬件产品DingTalk A1，配备先进音频技术和AI工作流整合，支持会议场景高保真录音。该设备通过智能会议切入硬件市场，但初代产品核心性能需实际验证。