跳到正文
11月19日周四
  1. 量子位78

    范式智能发布Phai-A1与Phai-M1双模型,全链路基于华为昇腾训练

    范式智能发布通用语言模型Phai-A1和视频生成模型Phai-M1,两款模型全链路在华为昇腾平台完成专项后训练优化。Phai-A1主打代码开发场景,单张RTX 3090可运行,响应速度较同级模型快8-10倍;Phai-M1面向真人影视,音画同步生成15秒720P视频仅需约3分钟。

    推荐理由:双模型基于华为昇腾全链路训练并开源,展示了国产算力适配小模型的可行性。

11月12日周四
11月9日周一
11月6日周五
  1. 智东西83

    谷歌发布视频模型Gemini Omni 1.2 Flash,登顶双榜且价格降低30%

    谷歌DeepMind发布视频生成模型Gemini Omni 1.2 Flash,在文生视频与图生视频榜单位居第一,价格较上一代降低30%,720p生成成本降至每秒0.07美元。该模型原生支持15秒视频生成与多轮对话式编辑,用户可混合使用参考图和音频线索。

    同一新闻,精选展示《Google DeepMind 发布 Gemini Omni 1.2 Flash:支持 15 秒视频生成》

  2. 36氪85

    谷歌 DeepMind 发布 Gemini Omni 1.2 Flash,视频生成双榜第一且降价三成

    谷歌 DeepMind 发布 Gemini Omni 1.2 Flash,该模型在文生视频和图生视频榜单均排名第一,支持原生 15 秒视频生成及多轮对话式编辑。新模型价格较上一代降低 30%,720p 视频生成成本降至每秒 0.07 美元,不足 Seedance 2.5 同质量视频价格的 1/3。

    同一新闻,精选展示《Google DeepMind 发布 Gemini Omni 1.2 Flash:支持 15 秒视频生成》

  3. IT之家88

    谷歌发布 Gemini Omni 1.2 Flash 视频生成模型

    谷歌正式发布 Gemini Omni 1.2 Flash 视频生成模型,并在 Gemini API 与 Gemini for business 平台开放。该模型支持原生 15 秒视频生成,720p 生成价格为每秒 0.07 美元,较 1.1 版本降价 30%;支持 1 秒至 15 秒自定义时长,以及通过图像、动态片段和音频线索维持角色与场景一致性。

    同一新闻,精选展示《Google DeepMind 发布 Gemini Omni 1.2 Flash:支持 15 秒视频生成》

  4. The Decoder82

    Google 发布 Gemini Omni 1.2 Flash,支持15秒视频生成并降价30%

    Google DeepMind 宣布 Gemini Omni 1.2 Flash 正式可用,支持生成最长15秒的视频(原上限10秒),且 720p 视频价格降至 0.07美元/秒(降幅30%)。新模型支持“对话式编辑”,允许用户在多轮交互中修改背景、光线或长宽比,并支持将参考图像、短动作片段或语音提示作为输入,以在多机位下保持角色面部、服装及品牌视觉的一致性。

    同一新闻,精选展示《Google DeepMind 发布 Gemini Omni 1.2 Flash:支持 15 秒视频生成》

  5. Hugging Face Blog77

    NVIDIA 发布 Cosmos 3 开放权重模型用于交互式世界仿真

    NVIDIA 在 Hugging Face 上发布四个 Cosmos 3 Nano 开放权重模型,包括 Transfer-Auto、Sim-Auto、Sim-Transfer 和 Sim-Bimanual,支持多传感器驾驶仿真与双臂机器人交互。模型采用 OpenMDW1.1 许可证,提供商业与非商业用途权利,并附带分阶段后训练配方。

    推荐理由:NVIDIA 发布四个 Cosmos 3 开放权重模型,提供从驾驶到机器人交互仿真的完整工作流,读者可评估其开源生态价值。

  6. Google DeepMind77

    Google DeepMind 发布 Gemini Omni 1.2 Flash:支持 15 秒视频生成

    Google DeepMind 在 Gemini API 和 Gemini for business 正式发布 Gemini Omni 1.2 Flash,原生视频时长从 10 秒提升至 15 秒,并支持多轮对话式编辑与更强的参考遵循。新版价格较 Omni 1.1 下降 30%,720p 视频每生成 1 秒成本为 0.07 美元。

    推荐理由:视频生成时长提升至15秒且价格下降30%,多轮对话编辑能力支持局部修正,有助于降低规模化视频创作成本。

11月3日周二
11月1日周日
10月29日周四
  1. R/ArtificialInteligence26

    16 神经元网络如何分步学习分离双螺旋

    一个拥有 16 个隐藏神经元的网络通过 2,000 次训练步骤成功分离双螺旋数据,第 1,133 步时 300 个点全部被正确分类。 该过程展示了边界从平直弯曲到正确划分的过程,所有数据均来自实际训练运行。 视频由 SenseNova 6.8 Code2Video 生成,该开源模型以代码构建影片并包含解说时序。

10月28日周三
  1. Google DeepMind81

    Google DeepMind 发布世界模型 Genie 4

    Google DeepMind 发布新一代世界模型 Genie 4,这是首个能实时生成原生音频和交互式对话的世界模型,支持用户通过自然语言实时调整场景。Genie 4 依托 Gemini 模型家族实现物理规律仿真和复杂事件推理,目前作为研究预览版本向可信测试者开放,未来将面向 Project Genie 用户和 Gemini API 合作伙伴推出。

    推荐理由:原文展示了Genie 4如何将Gemini的推理能力与实时音视频生成结合,帮助读者理解世界模型在机器人训练和交互体验中的具体落点。

10月20日周二
  1. The Decoder81

    Kling AI 发布 4.0 版本,支持立体声、多语言唇形同步及轻量级 Flash 模型

    Kling AI 发布 4.0 版本,分辨率与控制精度提升,单次可生成最长 30 秒视频,并接受最多 10 张关键帧图像。Omni Reference 系统升级,单次生成支持最多 15 个参考资产,包括图像、视频和元素。新增立体声音频和 10 多种语言的唇形同步功能。随主模型发布的 Flash 版本侧重速度与成本,支持 MCP 和 CLI 访问。

10月19日周一
  1. IT之家36

    Arena 公布 2026 年第 42 周 AI 大模型周榜:国产模型多领域站稳中上游,kimi-k3-max 杀入代码榜前十

    Arena 平台发布 2026 年第 42 周盲测排名,国产模型稳定于中上游,kimi-k3-max 代码榜居第 10 名。 mimo-v2.6-pro 首次进入前端开发榜前 20,位列第 19;gemini-3.5-flash-medium 等新模型直接冲进综合榜前 30。 榜单反映用户主观偏好而非绝对能力,分差在误差范围内视为并列。

10月18日周日
  1. 量子位86

    VAST开源实时世界模型EdenLive,单张消费级显卡720P下超24FPS生成

    VAST正式发布并开源实时世界模型EdenLive,在单张Nvidia RTX 5090上以720P分辨率实现超过24FPS的生成速度,端到端延迟达百毫秒级。该模型支持多种参考输入与画风指定,能将简化场景或视频实时渲染为精细画面,并同步开放了模型权重、推理代码及Game Prototype Turbo工具。

    推荐理由:VAST开源实时世界模型EdenLive,单卡RTX 5090下720P生成速度超24FPS,支持多种画风实时渲染。

10月16日周五
  1. 智东西69

    可灵AI上线Kling 4.0,支持30秒生成及15项参考素材组合

    可灵AI上线旗舰视频生成模型Kling 4.0,单次原生生成时长达30秒,支持包含视频、图像、音频等在内的15项参考素材组合及最多10个关键帧。1080p视频生成价格为0.15元/秒,仅为Seedance 2.5同规格价格的4%。实测显示Kling 4.0在大幅度动态场景和复杂运镜上表现良好,但部分复杂场景中物理规律遵循能力仍有提升空间。

  2. IT之家82

    快手可灵 AI Kling 4.0 全量上线,单次生成视频最长可达 30 秒

    快手可灵 AI 宣布 Kling 4.0 正式全量上线 klingai.com,单次生成视频时长提升至 30 秒,支持 4K、1080p 的 10-bit HDR 输出及 21:9 超宽画幅。该版本支持最多 10 张多关键帧输入以精准控制情节节点,输入长度提升至 8000 tokens,并接入 MCP / CLI 以拓展创作场景,支持双通道立体声与多语种文字生成。

    同一新闻,精选展示《Kling 4.0 全量上线并接入 MCP/CLI》

10月15日周四
  1. 量子位86

    昆仑万维开源Matrix-Game 4.0:单张RTX 5090实时运行游戏世界模型

    昆仑万维旗下Skywork AI开源发布游戏世界模型Matrix-Game 4.0,官方称其为全球首款可在单张消费级显卡实时运行的产品。该模型采用“游戏引擎显式维护状态、视频模型生成画面”的Harness架构,结合少步自回归蒸馏与KV缓存优化,在一张RTX 5090上实现了60 FPS的实时生成与响应。

    同一新闻,精选展示《昆仑万维发布 Matrix-Game 4.0,实现消费级显卡实时生成游戏并开源》

  2. IT之家77

    昆仑万维开源 Matrix-Game 4.0 消费级显卡视频大模型游戏

    昆仑万维发布 Matrix-Game 4.0,这是世界上第一款运行在单张消费级显卡上的视频大模型游戏。该系统在 NVIDIA RTX 5090 上实现了 480p、60 FPS 的实时运行,交互延迟低于 150 毫秒。Matrix-Game 4.0 构建了由游戏引擎维护状态规则、视频生成模型实时渲染画面的新范式,并同步在 GitHub 和 Hugging Face 开源。

    同一新闻,精选展示《昆仑万维发布 Matrix-Game 4.0,实现消费级显卡实时生成游戏并开源》

  3. 机器之心92

    昆仑万维发布 Matrix-Game 4.0,实现消费级显卡实时生成游戏并开源

    昆仑万维发布 Matrix-Game 4.0,基于 Wan2.2 5B 模型,在单张 RTX 5090 上实现 480p/60 FPS 游戏运行,端到端延迟低于 150ms,并同步开源模型权重与游戏代码。

    推荐理由:基于单张消费级显卡实现60FPS交互游戏运行,对比英伟达竞品在延迟和算力需求上的具体差异,以及代码权重双开源的落地价值。

10月14日周三
  1. 智东西75

    中国视频模型Top 3路径分化:Vidu Q4 Preview主打传神表现力与低价门槛

    可灵Kling 4.0、Seedance与Vidu Q4 Preview近期密集发布,分别押注工业化效率、专业控制力与自由表达。Vidu Q4 Preview主打“传神表现力”,在人物情绪、镜头运动和复杂视效上升级,最高支持4K输出与16秒单次生成,MaaS图生视频4K价格为2.43元/秒,部分SaaS场景成本降至每秒几分钱,让漫剧、短剧和影视预演的试错门槛显著下降。

10月10日周六
10月9日周五
10月3日周六
  1. APPSO57

    Tavus 发布 Griffin 实时视频交互模型

    AI 研究团队 Tavus 发布实时视频交互模型 Griffin 并公布一项实验结果:在一分钟视频通话中,54 名参与者里 48% 的人认为对方是真人。Griffin 采用全双工视频交互方案,其开源版本 Griffin-Lite 支持实时生成 720p 视频,延迟为 0.43 秒,并已在英伟达 VideoFDB 公开榜单上取得生成赛道最高分。

10月2日周五
  1. 机器之心62

    淘宝 TaoMate-H3 开源:支持分钟级流式音视频连续生成

    淘宝 TaoMate-H3 已开源推理代码与 LoRA 权重,该模型基于 MiniMax H3,通过三步流式生成支持分钟级音视频连续续写与 480p 至 1080p 输出。实测中 TaoMate-H3 的纯 DiT 计算耗时较原版降低 11.45 倍,首段就绪时间缩短 27.66 倍,推理代码位于 GitHub,模型权重位于 Hugging Face,团队计划后续发布 FL2AV 流式模型。

9月29日周二
  1. 智东西82

    可灵AI发布Kling 4.0视频生成模型,支持30秒一镜到底与10个关键帧

    可灵AI宣布新一代旗舰视频生成模型 Kling 4.0 开启内测,单次原生生成时长达30秒,支持最多10个关键帧输入和最高8000个token的提示词,新增双通道立体声及 10-bit HDR 输出。轻量版 Kling 4.0 Flash 同期推出,主打更快生成速度与性价比,单次生成时长3至20秒。可灵AI还完成了两轮融资,投后估值约为180亿美元,计划在未来12个月内启动港股上市流程。

    推荐理由:文章拆解了 Kling 4.0 在视听质感、创意控制和叙事能力上的具体变化,并补充了可灵AI近期的资本运作动态。

9月23日周三
  1. 爱诗科技 AIsphere78

    爱诗科技发布 PixVerse R2 实时世界模型,以双引擎架构实现通用实时扩展

    爱诗科技正式发布具备 Scaling 能力的通用实时世界模型 PixVerse R2,开放游戏、互动影视及数字人等体验。模型基于 Omni Causal AR 与 Real-Time Acceleration 双引擎架构,将模型能力扩展与实时推理加速解耦,在生成质量、长程一致性和多模态控制方面实现提升。用户可通过 Prompt 和键盘操作实时生成并交互,PixVerse R2 已开放使用。

    推荐理由:实时与通用解耦的双引擎架构,为持续扩展的实时世界模型提供了可验证路径。

9月15日周二
8月24日周一
  1. RunningHUB64

    Wan3.0首发上线RunningHub,支持30秒长视频及文档转视频

    Wan3.0首发上线RunningHub,单次生成时长增至30秒,首次支持doc、xls、ppt、pdf、md等文档格式输入,上传的产品说明或数据报表(≤100MB,≤50页)可自动生成带动态图表、字幕和配音的成片。

    推荐理由:Wan3.0原生支持文档输入和30秒长视频生成,平台给出了各档位的每秒计费标准。

  2. 哩布哩布AI72

    LibTV与通义万相联合首发Wan 3.0视频模型

    LibTV与通义万相联合首发视频生成模型Wan 3.0,该模型支持原生30秒视频生成,并可根据内容自动匹配合适时长。支持单次输入10张图片、5段视频、5段音频以及PPT、PDF、Word、Excel、Markdown等文档和网页链接作为创作参考,并能像素级还原参考细节。

    推荐理由:介绍了原生时长与多模态参考能力,并给出限时价格信息。

8月3日周一
  1. MiniMax 稀宇科技82

    MiniMax H3 正式开源通用视频模型

    MiniMax 正式开源新一代通用视频模型 H3,支持 4 至 15 秒、2K 分辨率及立体声音频生成。H3-Base 权重已同步至 Hugging Face,支持本地部署;完整 2K 工作流需结合官方 API 调用 H3-Context-IR 与 H3-Regenerate-2K。

    推荐理由:官方发布文档详细拆解了 H3 在 Hugging Face 的开源组件、支持的 2K 生成规格以及本地部署与 API 验证的完整工作流。

7月31日周五
  1. MiniMax 稀宇科技85

    MiniMax H3发布:支持统一多模态理解与生成的开放模型

    MiniMax 正式发布 H3,这是一款通用全模态生成模型,支持文本、图像、视频和声音的统一理解,可输出原生双声道音视频,最高支持 15s 2K 分辨率。官方称 H3 在指令遵循、文字与品牌信息呈现及 V2V Motion Transfer 方面表现出色,适用于广告、电商等商业场景。2K 分辨率下每秒价格不到主流模型的 1/3,未来几天将开放模型权重并适配国产芯片。

    推荐理由:官方公布全模态生成能力、成本对比及开源计划,帮助用户判断其商业化与工程落地潜力。

  2. 哩布哩布AI65

    LibTV 联合 MiniMax 首发视频模型 H3

    LibTV 与 MiniMax 联合首发多模态视频模型 H3,支持 5 到 15 秒视频生成、24 FPS 输出与原生双声道声音,单次最多输入 12 个混合参考文件,分辨率可由 768p 升级至 1440p。活动期间 768p 低至 0.1 元/秒,2K 低至 0.2 元/秒,可结合 Skill 实现约 10 元制作一支广告视频或约 20 元完成一集短剧。

    推荐理由:联合首发给出了具体能力边界和试用入口,读者可据此判断它能否进入日常视频生产。

9月30日周二