跳到正文
只看教程#多模态
  1. OpenRouter：Announcements69

    OpenRouter 实测 16 种 OCR 方案：Claude Opus 5.5 最准，Mistral OCR 性价比最佳

    OpenRouter 用 8 页自造扫描件实测 15 个视觉模型加 Mistral OCR 和 Tesseract，每模型 264 项关键值检查。Claude Opus 5.5 最准，262/264 正确，每千页 $16.42；Mistral OCR 得 258/264，仅 $2.02；Ling 3.0 Flash VL 关闭推理后 254/264，每千页 $0.04。

    推荐理由：OpenRouter 用自造的 8 个测试页实测 16 个方案，给出准确率、成本和防幻觉的可行做法，读者可按自家文档场景对号选型。

  1. OpenAI Developers：Blog71

    OpenAI 发布 Sora 2 提示词指南，详解角色复用、视频延展与分辨率更新

    OpenAI 更新 Sora 2 提示词指南，涵盖最新 API 能力：角色参考上传后可跨视频复用、最高支持 1920×1080 导出、时长上限从 12 秒升至 20 秒、以完整原片为上下文的视频延展，以及批量异步生成。指南给出描述式提示词模板，强调分辨率、时长和角色 ID 须通过 API 参数显式设置，建议单一镜头配单一运镜与动作，视频可延展最多 6 次合计 120 秒。

    推荐理由：官方指南给出提示词结构、API 参数边界和迭代方法，读者可直接套用到 Sora 2 的视频生成工作流中。

  1. OpenAI Developers：Blog74

    OpenAI 发布 gpt-image-1.5 提示词指南

    OpenAI 发布 gpt-image-1.5 提示词指南，介绍这款新图像生成模型在真实感、准确性和可编辑性上的改进。

    推荐理由：官方 cookbook 给出 gpt-image-1.5 的提示词结构与生成、编辑两类用例，读者可以据此调整自己的图像工作流写法。

已经到底了