Black Forest Labs 宣布 FLUX 3 Video 的初版文生视频与图生视频能力即日起通过 BFL API 和部分合作方开放，可生成最长 20 秒的 HD 视频，并支持 Full HD 放大输出与原生音频。该模型支持多镜头切换、关键帧、视频续写、多语言对白与唇形同步，并提供低成本快速预览的 Draft Mode。官方称内部评测中文生视频明显优于现有 SOTA 模型，图生视频与 Seedance 2.0 持平；后续将推出 FLUX 3 Image 与开放权重版本 FLUX 3 Dev。
匹配字段标题、摘要
MiniMax 发布通用多模态生成模型 H3，可理解文本、图像、视频和音频组成的统一上下文，生成带原生立体声的视频，最长 15 秒、2K 分辨率。官方称 2K 下每秒价格不到主流模型的三分之一，768p 价格不到主流模型 720p 的一半，并计划在近日开放模型权重。H3 采用 Contextual Omni Representation、H3-VAE、H3-Omni Transformer 和 In-Context Regeneration 等技术，官方表示完整技术报告即将发布。
匹配字段标题、摘要
Black Forest Labs 发布多模态基础模型 FLUX 3，在单一架构中联合学习图像、视频和音频，可单次生成最长 20 秒带音频视频，支持文本、图像或视频输入。其视频骨干被 mimic 用于 FLUX-mimic 机器人控制系统，在软体 kitting 任务上报告 95% 成功率，高于同数据训练的 π0.5 的 55%；冻结骨干时仍具竞争力。FLUX 3 Video 已开放早期访问，图像生成与编辑随后推出，动作预测通过合作方提供，并计划发布开放权重版本。
匹配字段标题、摘要
xAI 宣布 Grok Imagine Video 1.5 在 Imagine API 正式可用，模型名为 grok-imagine-video-1.5，同时 Video 1.5 Fast 已上线 grok.com/imagine 及 iOS、Android 应用。官方称这是其目前最好的图生视频模型，音效、环境音与对白在同一次生成中完成，语音更清晰、同步更好，画面运动与物理表现更稳定。Video 1.5 Fast 生成 6 秒 720p 视频约需 25 秒，此前模型需 40 秒以上；未来几天还将上线 Projects、多智能体并行和素材库搜索等功能。
匹配字段标题、摘要
xAI 通过 API 以预览形式开放图生视频模型 grok-imagine-video-1.5-preview，输入一张静态图和描述运动的提示词即可生成视频。模型支持最高 720p 分辨率，可用自然语言控制镜头运动、节奏和声音设计，并保持输入帧的细节与光照。它还能逐帧生成后串联成更长场景，保持整个项目视觉一致。
匹配字段标题、摘要
OpenAI 推出 Sora 2 模型与全新的 Sora 应用，用户可创建、分享和观看视频。应用提供 cameo 功能，可将本人及朋友放入视频，并重点改善角色一致性。团队还设置了肖像滥用、深度伪造及非法内容防护，并计划围绕长期满意度、信息流控制和用户福祉持续调整产品。
匹配字段标题、摘要
OpenAI 将 GPT-4o 免费提供给 ChatGPT 用户，并推出具有人类级响应速度和表现力的新语音及视频模式。Sam Altman 表示，这种交互快速、自然且实用，未来还将加入可选的个性化、信息访问和代用户执行操作等能力。
匹配字段标题、摘要
商汤发布并开源 SenseNova 6.8 Code2Video，这是一个轻量模型，通过生成可执行代码来创建和渲染短视频，在视觉构图和动态设计上已有初步结果。配套 Skill 支持把想法转成视频并通过后续指令修改，也能把参考视频重建为可编辑代码。商汤同时开源了模型权重、Skill，以及每个展示视频背后的提示词和完整生成轨迹，这些视频均由单条提示词一次运行生成。
匹配字段摘要、正文
OpenAI 发布新模型 GPT-6.1 Terra，定价为每百万输入 token 1 美元、每百万输出 token 5 美元，比 GPT-6.1 Sol 的 2 美元和 10 美元便宜 50%。OpenAI 称该模型速度快、效率高，结合视觉推理与精确的计算机操作，擅长起草提案、填写表单和剪辑视频等任务。这是 OpenAI 连续第四次下调模型价格，Anthropic 也在 10 月将 Haiku 5.5 的价格下调 90%。
匹配字段摘要、正文
Google DeepMind 以研究预览形式向受信任测试者发布 Genie 4 世界模型，可根据文本和图像提示实时生成可探索世界，并原生生成环境音、音乐和角色对话。该模型在仿真循环中引入 Gemini 3.8 Flash 作为规划器，负责拆解目标、检查画面并重新规划，DeepMind 称这是迈向混合世界模型的早期一步。Genie 4 仅托管在 Google 平台，后续将开放给 AI Ultra 用户和 Gemini API 合作伙伴，所有视频与音频均带 SynthID 水印。
匹配字段摘要、正文
Google DeepMind 发布世界模型 Genie 4，支持实时文字改动场景、原生环境音与互动对话，由 Gemini 3.8 Flash 在后台担任实时导演。作者称其不再预渲染视频，而是随玩家操作实时推演物理碰撞并动态加载场景。目前单次模拟极限约两分钟，时间一长细节会漂移，且仅面向少数测试者的研究预览。
匹配字段摘要、正文
Google DeepMind 正式发布世界模型 Genie 4，支持实时文字改动场景、自带原生环境音与互动对话，由 Gemini 3.8 Flash 担任后台导演。与预渲染视频模型不同，Genie 4 在场景中随玩家操作实时推演物理碰撞，单次模拟可维持约两分钟连续稳定。作者认为其真正用途是为具身智能体提供低成本物理训练场，但目前仍是少数测试者可用的研究预览，时间一长细节会漂移。
匹配字段摘要
Google DeepMind 发布 Gemini 4 Carbon，在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，并在 HLE-Diamond、TB-Science 等 9 项评测中的 4 项领先。该模型主打网络安全与长周期任务，宣称在 SEC-bench Pro 上取得 88.2%、ExploitGym 上 54.8%、CWE-bench 上 71.0%，初期仅通过 Fairwind Program 向可信网络安全人员开放。规格上支持 1M token 上下文与 1M 最大输出，输入覆盖文本、图像、视频和语音，输出为文本；Artificial Analysis 列出的标准价格为每百万输入/输出 token 4/20 美元，另有 50% 上线折扣。
匹配字段摘要、正文
蚂蚁集团 GuangJian 团队在 GitHub 开源 DefakerOne2，一个基于 Qwen3.5-2B 多模态骨干的 2B 参数统一视觉取证模型，覆盖 AI 生成内容、DeepFake 人脸、文档篡改、自然图像篡改、人脸与证件防伪以及 AI 生成视频检测。模型在约 5000 万样本上训练，采用 LoRA 到全参数再到 LoRA 的三阶段 Tide-Style Tuning，并用基于熵的测试时路由在视频与帧两条通路间选择。团队称其在 53 项检测基准中 40 项达到 SOTA、14 项定位基准中 11 项达到 SOTA，权重与 RRVBench 基准已发布于 ModelScope。
匹配字段摘要、正文
OpenAI 发布新模型 GPT-6.1 Terra，主打快速高效，强化视觉推理与精确的电脑操作，写作也更清晰自然。该模型今日起向 ChatGPT Work 和 Codex 中的 Plus、Pro、Enterprise 与 Edu 用户推送，官方称其可覆盖解读技术图纸、起草方案、填写表单到剪辑视频等工作场景。
匹配字段摘要、正文
月之暗面发布 Kimi K3.1 Pro，官方称这是其能力最强的 3T 级模型。推文仅给出模型名称与规模定位，并附一段视频链接，未披露具体参数、评测结果或开放方式。
匹配字段摘要
Kling 4.0 已在 fal 平台公开上线，API 向所有客户开放。该模型支持最长 30 秒带音频的原生视频生成、最多 15 个图像/视频/元素参考，以及最多 10 个关键帧的精确控制，并改进了运动、角色一致性和电影化叙事。
匹配字段摘要、正文
Viggle AI 宣布世界基础模型 JST-2 已在三天前发布，支持文本、图像或视频输入，输出 3D 角色、动作和场景。官方同时汇总了发布以来社区用户用它做出的作品。
匹配字段摘要、正文
Kling 4.0 已在 fal 平台上线，这是一款新一代原生多模态视频模型，提升了复杂运动的稳定性、角色与场景的参考一致性，以及对电影化叙事的控制精度。目前仅通过 fal UX 和 fal Agent 提供，API 访问即将开放。
匹配字段摘要、正文
英伟达发布面向机器人手术的生成式世界模型 Cosmos3-H-Dreams，同步开放模型权重及配套代码。该模型基于 CMR Surgical 旗下 Versius 系统的临床胆囊切除手术录像与机器人运动学数据微调，支持双臂位姿、钳口开合及电外科能量等 28 维动作输入，可根据初始内窥镜画面和机械臂指令实时生成手术场景视频。官方模型卡显示，在单块 RTX PRO 6000 Blackwell 工作站版 GPU 上以 832×480 分辨率运行时，四步去噪版本为 30 帧/秒，两步版本可达 43.2 帧/秒；配套代码支持动作回放，并可连接 WebXR 兼容头显进行实时交互控制。
匹配字段摘要、正文