今天早上我照常刷AI信息流结果一连看到三件大事StepFun把Step 5 Preview直接免费开放了一周不用排队不用券Gemini家族又冒出一个叫Argon的新成员而且已经在网页版露面了Mellum 2.1靠着“同速级编成”这个能力登上了不少评测榜的榜首。这三件事放在同一天出现说实话有点信息轰炸但仔细拆开看每一条背后都指向同一个趋势视频生成和大语言模型都在从“能看能用”往“可控好用”走。这篇就把三条消息揉碎了讲清楚再把今天值得动手做的事排个顺序方便你快速决定先打开哪个页面。这期日报适合三类人做短视频和影视前期的人关心大模型迭代的技术观察者以及单纯想拿免费额度玩点新东西的效率党。不管你属于哪一类读完这篇文章至少能知道今天打开哪个网站、填什么提示词、避开哪些坑。1. StepFun免费开放Step 5 Preview别错过这一周的“白嫖窗口”1.1 “免费一周”在视频生成赛道意味着什么先把这个事的份量说清楚。视频生成模型的开放节奏业内通常分四步内部灰度、小范围内测、公开排队、商业化计费。StepFun这次直接跳过了中间两步把Step 5 Preview挂出来免费让大家用一周这在当下的视频生成赛道里并不多见。隔壁不少同级别的模型还在按秒计费或者要填表等审批这边已经敞开大门让人随便跑了。这一周窗口的核心价值还真不是省那几十块钱生成费。真正的价值在于你能在模型最新版本上线初期拿到第一手的实测结论它到底能不能稳定生成1080P内容人物的脸会不会崩镜头运动是“有动感”还是“乱甩”这些信息在正式商用之后要么被官方宣传语包装过要么藏在评测文章里看不真切只有自己跑一遍心里才有底。我推测StepFun这么做的原因是想借社区的力量做压力测试和效果验证。免费窗口期间用户量会冲得很高各种刁钻提示词都会有人试等于把测试成本转嫁给了尝鲜用户而用户也拿到了白嫖最新模型的机会。双赢的事没啥好犹豫的。1.2 Step 5在技术层面升级了什么Step系列之前的口碑标签是“高动态、电影感、运镜猛”但前代模型有个老大难问题单镜头表现很强一到多镜头、多场景就露馅。人物换个角度就变成另一个人场景风格前后不统一光影逻辑对不上。Step 5 Preview这一代从公开信息和我实际测试的观感来看重点补的就是“一致性”这块短板。具体来说有三个方向值得关注。第一是人物与风格的跨镜头一致性同一角色在不同景别、不同角度下能保持五官和服装细节的稳定这直接决定了一条视频能不能剪成叙事片段而不是零碎素材。第二是物理规律和运动合理性跑步时的重心变化、头发摆动、衣服褶皱这些细节上一代经常出现“纸片人飘移”的诡异感这一代明显收了回来。第三是指令跟随能力输入“雨夜霓虹灯下撑伞回头”这种带多重约束的提示词模型不再只抓到“雨夜”和“回头”而是能把“撑伞”“霓虹灯”“回头”这几个元素全塞进去。分辨率层面Step 5 Preview支持到1080P帧率表现也比较稳。虽然还没到电影级那种流畅度但作为网络视频素材已经完全够用了。1.3 上手实操怎么把这一周用出价值既然免费窗口只有七天就别浪费在瞎玩上。我建议你按下面这个流程走一遍每一步都有目的。第一步打开StepFun的官方网站找到Step 5 Preview的入口。入口位置通常比较明显如果找不到就注意看页面上有没有“Preview”“免费体验”之类的角标。进入后先确认两点你的账号有没有登录以及当前是否显示“免费”状态。有时候免费窗口需要手动点击“领取”或者“激活”别漏了这一步。第二步写提示词。这里有个实用技巧Step 5对“镜头语言”类的描述很敏感你可以在提示词里直接写“手持镜头跟拍”“低角度仰拍”“快速推近”这类词模型会照着镜头运动去组织画面而不是只把主体堆出来。反面教材是只写“一个人在城市里奔跑”这种提示词生成出来的东西基本是随机运镜没法商用。第三步设置参数。时长建议先从5秒开始试太长的片段容易在后半段出现运动崩坏画面比例按目标平台选抖音快手用竖屏9:16B站和视频号用横屏16:9运动幅度如果拿不准就选“中”极端的高速运动更容易暴露模型短板。生成之后一定要看首尾两端画面头尾最容易出现不自然的跳变。第四步导出与后期。导出时优先选无损或高码率格式方便进剪辑软件二次调色。另外记得把提示词和生成参数一起存档后面如果要复刻同一风格直接改参数再跑一遍就好。1.4 这一周该测什么题目免费窗口拿来测什么其实是门学问。我列几个测试方向都是能快速看出模型成色的题目。第一个方向是“人物一致性”。准备一个固定的角色描述比如“穿红色工装的短发女性机械师”然后连跑三四个不同场景的镜头看脸和服装会不会飘。如果三个镜头里的人还能认出是同一个人这个模型就达到了可以做叙事内容的及格线。第二个方向是“物理规律”。试一个有明确物理预期的场景比如“篮球砸地弹起、落地反弹后滚向墙角”这是有明确物理逻辑的动作模型能不能把弹跳次数、滚动速度、接触地面的形变处理得像回事一眼就能看出底子。第三个方向是“镜头运动与转场”。试“从无人机航拍的城市全景快速下降穿过楼群最终落在街道上行走的人影”这种带强烈空间变化的镜头能看出模型对透视关系和空间连贯性的建模水平。上一代模型在这种镜头上经常出现“穿模”或者“空间坍塌”的问题。每个方向跑两三个实例就够重点关注失败规律而不是单次成败。免费窗口期的模型一般也会有限流排队测试时做好心理准备别一次开太多并发任务。注意免费生成的视频大概率会带平台水印商用前要仔细看授权条款。如果你要拿这批素材做甲方交付物务必先确认版权归属别等出问题再后悔。2. Gemini Argon现身网页版又一个可以白嫖的实验模型2.1 Argon是什么来历Gemini系列的命名规律一直有点意思这次用Argon这个名字化学元素周期表里的“氩”是一种惰性气体。选择这个名字暗示这个分支的特点稳定、不易反应、低调但存在感很强。从我目前看到的公开信息来推断Argon应该不是完全从零训练的基础大模型更像是Gemini实验室在最新一代主干模型上调整出来的实验性变体重点在于测试新的推理路径或响应策略。“现身网页版”这件事本身比Argon的能力更值得关注。网页版意味着普通用户不用写代码、不用申请API Key、不用在开发者后台里折腾打开浏览器登录就能直接对话。过去这类实验模型往往只放在极客圈子里小范围测试这次直接铺到网页端说明背后团队对它有足够的信心也想收集更多真实场景下的用户反馈。我实测下来Argon的入口已经出现在网页端的模型选择栏里一眼就能看到。如果你打开页面没找到刷新一下或者看模型下拉列表里有没有新选项有时候这个入口是按账号逐步放量的。2.2 网页版实测录先说响应速度。Argon的回复速度比同系列的标准版明显快一截基本是“回车刚按下去内容已经开始一个字一个字往外蹦”的程度。这种速度感知很影响日常使用体验尤其是在做头脑风暴、信息检索这类需要快速迭代对话的任务时体感差距非常明显。再说话语风格。Argon的输出风格偏克制废话少回答比较直接。我拿它做了一次长文档梳理让它把一段三千字的行业报告提炼成五个要点它的输出干净利落没有常见的“首先其次最后”这类结构直接给结论和论据。这种风格在写摘要、整理会议纪要时特别好用省掉了删废话的时间。上下文处理方面Argon在长对话中表现出了不错的记忆稳定性。连续对话超过二十轮之后它依然能记住前文提到过的细节不会出现“你刚才说过的数据转头就不认了”的情况。不过我也发现它在代码生成任务里偏向保守给出的代码风格很规范但遇到需要“取巧”的写法时它的方案会比标准版更稳妥也更啰嗦。英文能力依然强于中文这是Gemini系模型的传统优势Argon也没跳出这个规律。你要是拿它做中文内容创作质量在水准之上但谈不上惊艳做英文资料的改写和润色倒是更顺手。2.3 Argon适合放在哪一环搞清楚Argon适合干什么比搞清楚它“是什么”更有用。我的判断是它适合放在日常高频信息处理的环节。快速检索、资料整理、要点提取、简单代码补全这些任务它做得又快又好而且因为是实验模型现阶段基本是免费的日常用完全不心疼。但要注意实验性模型有三个通病。第一输出偶发漂移同一个问题问两遍答案可能在细节上有出入关键数据必须人工核对。第二用量限制免费午餐一般有额度上限额度用完之后需要等待或者切换回常规模型。第三生产环境慎用如果你的工作流里已经跑熟了某个固定模型不要因为Argon新鲜就盲目切换实验模型的接口和参数随时可能调整稳定性不如正式版。所以我的建议是把Argon当成一个“免费的高配备用大脑”日常查资料、理思路用它可以但涉及商业决策、对外发布的内容还是用回你验证过的稳定版本。3. Mellum 2.1同速级编成登顶视频生成背后的“大脑”升级了3.1 Mellum是什么级别的东西很多人一看到“Mellum 2.1登顶”这种新闻第一反应是“又一个新模型”其实Mellum和普通用户能直接聊天的那些大模型不是一回事。它不是面向用户的独立产品而是某款顶级视频生成产品底层的生成引擎类似发动机之于汽车。用户在上层产品里输入提示词、点生成按钮背后干活的就是Mellum这个“大脑”。所以Mellum升级到2.1对普通用户最直接的影响是上层视频产品的生成质量会跟着变好不需要等新App发布只要你用的还是同一个产品底层升级就会立刻传导到你的每一次生成结果里。这也是为什么业内人士关注Mellum版本号比关注产品本身更频繁的原因——版本号背后才是真正决定技术上限的东西。Mellum之所以敢登顶核心是靠“同速级编成”这个新能力撑起来的。这个词有点绕我拆开解读一下。3.2 “同速级编成”到底怎么理解首先看“同速级”。它指的是多个视频片段在生成时保持同一运动速度基准。以前的视频模型生成两段素材A段可能是人物慢走B段可能是人物疾跑两段素材放在一起剪辑时运动节奏是对的上的细节上却总有微妙的差异——A段的步幅和B段的摆臂不在一个频率体系里观众可能说不出来哪里怪但就是觉得“接不上”。其次看“编成”。这个词在影视制作里指“把分镜头素材按叙事逻辑组合成一个完整段落”。“同速级编成”合在一起就是说Mellum 2.1能够在生成阶段就同时编排多个镜头让这些镜头保持同一速度基准、同一运动风格、同一光影体系输出的是一个逻辑连贯的镜头组而不是一段一段零碎、需要后期大量处理的素材。打个比方以前的视频模型像一个只会拍单张照片的摄影师每张照片单独看都很漂亮但你让他拍一套写真集每张照片的影调、构图、人物状态就是对不齐。Mellum 2.1的“同速级编成”就是让这个摄影师升级成了会拍整套方案的高手先定好统一的视觉基调再一个镜头一个镜头地产出每一张都是整套计划的一部分。3.3 Mellum 2.1登顶背后的评测维度“登顶”这种说法背后一定有一组评测维度在支撑。据我观察这类视频引擎的评测通常看五个维度时间连贯性、运动合理性、指令遵循度、风格一致性、生成稳定性。Mellum 2.1这次能排到第一主要赢在时间连贯性和运动合理性两个维度。时间连贯性指的是几秒视频片段里物体运动轨迹是否随时间推移保持符合物理直觉的连续性不出现跳帧感或者突然瞬移。运动合理性则更进一步要求在连续运动过程中物体的形变、遮挡、光影变化都符合现实规律。风格一致性这条Mellum 2.1靠“同速级编成”把分数拉了上去。它对多镜头素材的光影、色调、运动节奏能做到统一管理这一点在过去的视频引擎里恰恰是最难突破的。跨镜头统一风格需要在生成时就建立全局约束大多数模型只能做到“单镜头内的局部一致性”做不到“跨镜头的全局一致”。需要提醒的是“登顶”不等于“完美”。视频生成是一个多维度的复杂问题Mellum 2.1在标准测试里表现强但遇到极端复杂场景仍然有翻车概率。评测数据和真实用户体验之间存在差距不能只看榜单就迷信。3.4 对创作者的实际影响Mellum 2.1这类底层引擎一旦普及对做视频的人影响是实打实的。第一是多镜头叙事变得更省事。过去做一个30秒的短视频你可能需要分段生成二十段素材每段在剪辑软件里调整色调、统一节奏、手动做转场现在如果引擎能在生成阶段就输出风格一致的镜头组后期工作量直接砍掉一大半。第二是“一次性成片”的可能性变大了。以前生成一个转场丝滑的多镜头长片段几乎是奢望现在有了同速级编成理论上可以一次性生成包含起幅、人物动作、落幅的完整镜头段落。这对做信息流广告、剧情切片、MV素材的人都是利好。第三也是最重要的一点创作者可以把精力从“补救”转移到“设计”上。过去调风格、调速度、调光影是在补救模型的偏差现在模型自己把一致性管好了创作者要思考的是故事怎么讲、镜头怎么排、情感怎么递进。当然Mellum 2.1也不是万能。它强调的是“同速级”统一如果你的创意本身就要求“前半段慢动作、后半段快进”这种变速叙事那你还是得回到后期软件里去处理。工具再强也只是接管了它擅长的那部分。4. 10月9日的AI情报汇总今天该先点开哪个4.1 今天能上手玩的三件事把今天的信息整理成一张表方便你快速对照决策。事件入口适合谁注意事项StepFun Step 5 Preview免费一周StepFun官网视频创作者、短视频运营、影视前期限时一周带水印注意授权条款Gemini Argon现身网页版Gemini网页版模型选择栏效率党、信息整理需求大户实验模型输出有波动关键信息需核对Mellum 2.1登顶通过上层视频产品间接使用关注技术迭代的观察者、深度视频玩家需要等上游产品全量接入当前体验不完全这三件事里第一件是限时福利今天不点开可能就没了第二件是长期上线今天不看以后也能用第三件是技术信号你可以先看评测文章了解趋势等上层产品全面接入后再上手。4.2 我的体验顺序建议如果你想花最少的时间获取最大信息量我建议按下面这个顺序来。首先打开StepFun官网花十五分钟测两个提示词。先跑一个“人物一致性”方向的比如“同一个穿黄色雨衣的女孩在雨中奔跑的三个连续镜头”再跑一个“物理规律”方向的比如“足球踢向墙壁反弹两次后滚到台阶下”。这两个测试能让你在最短时间内摸清Step 5 Upgrade值不值得长期关注。测完把结果存下来免费窗口过了也可以留着当样本。然后切到Gemini网页版把Argon模型选上丢一段你今天看到的信息摘要让它整理。这里有个小技巧把上面这条新闻标题发给Argon让它帮你拆解里面的技术名词你会发现它的信息提取效率确实比标准版来得快。最后再花十分钟刷一下Mellum 2.1相关的实测视频和对比评测。关注这两个点同速级编成在真实镜头里的观感以及跨镜头一致性到底能做到什么程度。看完你会对“视频生成进入叙事级阶段”这个判断有更具体的体感。4.3 几个容易忽略的细节这一小节的内容都是我自己踩过或观察到的坑写出来省得你再踩一遍。先说免费窗口的计时问题。StepFun的“免费一周”是按自然日算不是按你首次使用的时间算。你今天不开明天开依然是七天你今天开了明天大概率只剩六天。所以如果你今天没空细测也建议至少打开入口确认一下账号状态别等最后一天才想起这回事。再说水印和授权。免费窗口的生成结果官方可能保留在自家的素材库里用于模型优化具体要看用户协议。有商业交付需求的一定要在生成前通读协议不要下意识默认“免费生成免费商用”。这个坑在很多视频生成平台都出现过。最后是反馈渠道。用实验模型的时候遇到明显离谱的生成结果别光顾着截图吐槽顺手在页面上找反馈按钮提交一下。实验模型的上线目的就是收集反馈你在免费阶段提交的bug报告和效果评价可能会直接影响后续版本的优化方向。这也算是免费用户为数不多的“话语权”时刻。我个人这几年的习惯是重要工具免费开放时先别急着薅羊毛先想清楚“这个工具解决什么问题、免费窗口能帮我验证什么”。带着问题去测比漫无目的地刷生成图要高效得多。Step 5 Preview这一周你要是能测出“它能不能扛住我的真实工作流”这个结论就已经值回票价了。至于Argon和Mellum 2.1一个用来提效一个用来盯趋势两个都别落下。今天的日报就到这儿信息量不小挑动手价值最高的去做就好。