Luma Labs推出了Ray 3，這是首個支持16位HDR的視頻模型，相較於他們的Ray 2模型有了顯著升級。 Ray 3採用鏈式思維的方法，對視頻生成進行迭代，在每一步分析以確保達到質量標準和提示遵循。該模型支持T2V和I2V生成。 除了典型的SDR生成外，Ray 3還引入了HDR支持。這使得可以從SDR圖像生成HDR視頻，甚至將現有的SDR視頻轉換為HDR。 目前，Ray 3僅在Luma Dream Machine上可用，API訪問尚未開放。 在人工分析視頻競技場中親自體驗Ray 3。我們將在接下來的幾天內發佈評估結果！

智能的成本在新領域被突破後繼續迅速下降：Grok 4 Fast將智能指數>60類別的成本降至每百萬輸入/輸出令牌僅為$0.2/$0.5 我們跟蹤不同智能層級的最低價格模型，以衡量智能成本隨時間的下降。每個新智能層級的成本在2025年似乎下降得比2023-2024年快得多。 OpenAI的o3是我們>60類別中最早的模型，於4月推出。推出時，o3的定價為$10/$40 - 但OpenAI後來在6月將其價格削減至$2/$8，這在下面的圖表中顯示。比較混合價格（輸入與輸出令牌的比例為3:1，如下圖所示），Grok 4 Fast的定價比o3的發佈價格低64倍，比o3當前的混合價格（輸入與輸出令牌的比例為3:1）低12倍。 參考價格： ➤ Grok 4 Fast：每百萬輸入/輸出令牌$0.2/$0.5 ➤ o3原始發佈價格：$10/$40 ➤ o3更新的6月價格：$2/$8 請注意，下面的圖表基於令牌定價 - 而不是我們的人工分析智能指數成本指標。

阿里巴巴發佈了 Qwen3 Next 80B：一個開放權重的混合推理模型，僅用 30 億活躍參數就達到了 DeepSeek V3.1 級別的智能 關鍵要點： 💡 新穎架構：首個引入 @Alibaba_Qwen 的 ‘Qwen3-Next’ 基礎模型的模型，具有幾個關鍵架構決策，如 Gated DeltaNet 和 Gated Attention 的混合注意機制，以及 3.8% 的活躍參數份額的高稀疏性，相比之下，Qwen3 235B 為 9.4% 🧠 智能：Qwen3 Next 80B（推理）在人工分析智能指數上得分 54，與 DeepSeek V3.1（推理）並列。非推理變體得分 45，與 gpt-oss-20B 和 Llama Nemotron Super 49B v1.5（推理）一致 💲 定價模型：在 @alibaba_cloud 上的每個 token 定價為推理每百萬輸入/輸出 token 0.5 美元/6 美元，非推理變體為 0.5 美元/2 美元。這與 Qwen3 235B 2507 的更高價格 0.7 美元/8.4 美元（推理）和 0.7 美元/2.8 美元（非推理）相比，減少了 ≥25%，具體取決於工作負載 ⚙️ 模型細節：該模型具有 256k token 的原生上下文窗口，僅支持文本，且沒有多模態輸入或輸出。在僅 80B 參數的 FP8 下，該模型適合單個 H200 GPU