Some nice examples of what you can do with Gemini 2.5 Pro's video capabilities in the thread. Account then: there's a new 66-tokens-per-frame mode (instead of 258 tokens) that allows putting more than 6 hours of video (at 1 fps) in the 2M token context.
MULTIMODAL AI
-
Google Preparing New Image and Video Generation Models for May
By
–
BREAKING : Google is preparing new image and video generation models to be released later in May. – veo-3.0-generate-preview
– imagen-4.0-generate-preview-05-20
– imagen-4.0-ultra-generate-exp-05-20 Plus some model refs -
Tencent Launches HunyuanCustom High-Quality Video Model
By
–
Il y a moins de 24 heures, Tencent a lancé HunyuanCustom !
— VISION IA (@vision_ia) 9 mai 2025
Un nouveau modèle vidéo haute qualité qui permet de générer des vidéos à partir d’images de référence. pic.twitter.com/ctXGlO2YbpIl y a moins de 24 heures, Tencent a lancé HunyuanCustom ! Un nouveau modèle vidéo haute qualité qui permet de générer des vidéos à partir d’images de référence.
-
Gen-4 References Update Enhances Quality and Scene Composition
By
–
We've released an update to Gen-4 References that brings marked improvements to aesthetic quality, scene composition and identity preservation. Alongside this update comes a number of exciting new use cases which we'll be sharing more about in the coming days. Gen-4 References
-
PyMuPdf drops figures; keeping images requires switching to VLM
By
–
Just PyMuPdf! So figures are dropped, a good direction for improvement would be to keep images, but then we'd need to switch to a VLM instead of LLM.
-
Gemini 2.5 Pro Achieves State-of-the-Art Video Understanding
By
–
Gemini 2.5 Pro (05-06) is SOTA at most video understanding tasks (by a large margin) . Lots of work by the Gemini multimodal team to make this happen, excited to see developers push this capability in new ways. More details below!
-
Multimodal AI team releases YouTube video understanding feature
By
–
Congrats to @AniBaddepudi @AntoineYang2 @MarioLucic_ @jalayrac + the rest of the MM team on this! And in AI Studio and the API, you can paste a YouTube link and test this very quickly : ) Learn more:
-
Zuckerberg Says Glasses Are the Ideal Format for Personal AI
By
–
Traduis en 🇫🇷
— VISION IA (@vision_ia) 9 mai 2025
Mark Zuckerberg affirme que les lunettes sont le format idéal pour l'IA personnelle.
"Elle peut voir ce que vous voyez, entendre ce que vous entendez, et vous parler tout au long de la journée."
C'est une intimité ambiante avec une mémoire totale. pic.twitter.com/sBfxMofT16Traduis en Mark Zuckerberg affirme que les lunettes sont le format idéal pour l'IA personnelle. "Elle peut voir ce que vous voyez, entendre ce que vous entendez, et vous parler tout au long de la journée." C'est une intimité ambiante avec une mémoire totale.
-
Copilot Vision in Edge: A Magical Experience
By
–
Try Copilot Vision in Edge, magical experience (might need a US VPN)
-
GPT-4o and JSON Enable Next-Gen Visual Generation
By
–
GPT-4o + JSON = des visuels de nouvelle génération alliant précision et style ! Prompt et exemples