Multimodal

xAI veröffentlicht einen neuen Bildgenerator für Grok, der in Benchmarks nur hinter OpenAIs GPT-Image-2 rangiert und praktische Editing-Tools wie Magic Wand und Multi-Ref-Editing bietet.

Black Forest Labs veröffentlicht FLUX 3 Video: ein Modell für 20-sekündige Full-HD-Videos mit nativem Audio, lippensynchronen Dialogen in 14 Sprachen und gerenderter Typografie – und übertrumpft damit laut eigenen Rankings Gemini Omni Flash und Seedance 2.0.

Google trainiert humanoidale Roboter mit einem einzigen KI-Modell und veröffentlicht die Reasoning-Komponente als API – die Steuerung bleibt unter Verschluss.

Ein MLX-Port ermöglicht es, das multimodale Video-Generierungsmodell MiniMax-H3 direkt auf Apple-Chips auszuführen – erste Ergebnisse sind beeindruckend, erfordern aber Geduld.

MiniMax' neues H3-Modell erzeugt 15-Sekunden-Videoclips aus Text, Bildern, Audio und Video – und läuft jetzt über MLX auch auf M-Series-MacBooks.

MiniMax hat sein Videomodell H3 als Open Source freigegeben und setzt sich damit erstmals mit einem offenen Modell an die Spitze von Video-Editing-Rankings.

Anthropics neuester Spitzenchip Claude Opus 5 erzeugt spielbare Browser-Games (Shooter, Kart-Racer, Minecraft-Varianten) vollständig aus Prompts – ohne externe Assets, mit Code-generierten Geometrien, Texturen und Physik.

ByteDance stellt Seedance 2.5 vor – ein Videomodell, das Video und Audio in einem Schritt erzeugt und damit dreimal längere Sequenzen als Googles Gemini schafft.