LMSYS 在 8× NVIDIA H200 上用 SGLang Diffusion 对 MiniMax-H3 视频生成做了基准测试：稠密无损路径比 Diffusers 快 1.85–1.95×，叠加步复用与稀疏注意力后最高达 6.24×，平均 SSIM 0.76–0.91。最快配置 SubBlock 0.80 + Cache-DiT stride 在 5s/10s T2VA 上为 5.06×/5.72×，FL2VA 为 5.86×/6.24×；质量优先可选 Cache-DiT（最高 2.99×，SSIM 0.90–0.92），均衡档 SubBlock 0.75 + Cache-DiT stride 为 4.90–5.93×、SSIM 0.79–0.90。
匹配字段摘要
Google DeepMind 发布 Gemini Omni 1.1 Flash，面向开发者提供更强的生成视频控制能力，可通过 Google AI Studio 或 Gemini Enterprise Agent Platform 调用。新版本支持场景延长，可分析最多 10 秒前序上下文，以 10 秒为单位延长至累计 40 秒；还支持指定首尾帧生成过渡画面、1080p 与 4K 输出，以及 360p 轻量预览，官方称其生成速度最高快 60%、成本为 720p 的三分之一。
匹配字段摘要
非常感谢 @sgl_project 社区！🙌 LingBot-Video 在 SGLang v0.5.18 中获得原生支持。用优化后的 SGLang-Diffusion 服务运行我们的 30B-A3B MoE 文生视频模型。Cookbook👉 https://t.co/oz2ssi9Chs
非常感谢 @sgl project 社区！🙌 LingBot-Video 在 SGLang v0.5.18 中获得原生支持。用优化后的 SGLang-Diffusion 服务运行我们的 30B-A3B MoE 文生视频模型。Cookbook👉 https://t.co/oz2ssi9Chs
匹配字段摘要
Google Search 推出 5 种家居装饰用法：AI Mode 可上传房间照片并输入墙面宽度等条件，预览沙发等家具摆放效果；Google Lens 拍照识别复古单品并找同款；Circle to Search 在 Pixel 和 Samsung Galaxy S26 上圈选屏幕内容找相似商品。此外还有 Search Live 实时视频指导 DIY，以及比价、查看价格历史和“Track price”降价提醒。过去一个月“home decor inspo”搜索量上涨 300%。
匹配字段摘要
The Register 专栏推荐 2026 年 7 月举办的 Software Should Work 2026 大会，认为其 13 个视频在质量、范围与相关性上达到罕见的平衡，可像追剧一样一口气看完。演讲者包括 Richard Feldman 对比 1996、2006、2026 年的 Web 技术栈并比较 TypeScript、Node.js、Python、Ruby、Rust、Zig、Go、Roc 八个语言与运行时网站，以及 SQLite 作者 Richard Hipp 讲述代码库如何随测试方法演变。
匹配字段摘要
OpenRouter 上线 Visual Image Benchmarks，用于快速评估其平台上的全部图像模型（截至 2026 年 8 月共 39 个），结果以网格展示并可按价格和生成时间排序。评测提示词分为七类：不可能场景、计数、文字、空间关系、否定、编辑和一致性，同一套并排格式也覆盖视频与语音模型。用户随后可通过 OpenRouter API 或 Chat 用自己的提示词测试这些模型。
匹配字段摘要
OpenRouter 上线 Visual Image Benchmarks，用一组挑战性提示词横向对比其平台上的全部图像模型（截至 2026 年 8 月共 39 个），结果以网格展示并支持按价格和生成时间排序。提示词分为七类：不合理场景、计数、文字、空间关系、否定、编辑和一致性。同一并排对比格式也覆盖视频与语音模型，新图像模型上线后会加入网格。
匹配字段摘要
Black Forest Labs 推出 FLUX Video Upscale，作为独立的 FLUX Tool 和 endpoint，可把 480p 起的视频重新生成到最高原生 4K，并能修复生成视频中模糊人脸、水面和草地纹理上的网格伪影。该工具提供 Precise 和 Creative 两种模式，Precise 为 4 步、$0.07/mp/s，Creative 为 8 步、$0.10/mp/s，后者修复和细节更强但可能改变人物身份。upscale_factor 支持 1.5x、2x 和 3x，从 hd 输入大致对应 1080p、2K 和 4K，可通过 BFL API 和 playground 使用。
Black Forest Labs 推出 FLUX Video Upscale，作为独立的 FLUX Tool 和 endpoint，可把 480p 起的视频重新生成到最高原生 4K，并能修复生成视频中模糊人脸、水面和草地纹理上的网格伪影。该工具提供 Precise 和 Creative 两种模式，Precise 为 4 步、$0.07/mp/s，Creative 为 8 步、$0.10/mp/s，后者修复和细节更强但可能改变人物身份。upscale factor 支持 1.5x、2x 和 3x，从 hd 输入大致对应 1080p、2K 和 4K，可通过 BFL API 和 playground 使用。
匹配字段摘要
NVIDIA 用 Codex 搭配 GPT-5.6 sol max 模式，通过 Holoscan CLI、HoloHub 开发技能与文档，分三轮迭代构建了内窥镜工具分割仪表盘应用，复用 MONAI 模型与示例视频。延迟优化使渲染吞吐提升 50.5%、应用路径平均延迟降低 33.6%。消融实验显示，CLI、HoloHub 技能与文档三者结合时智能体处理最快（40 分钟）、token 用量最低（11M）。
匹配字段摘要
Comfy 与 MiniMax 联合发起 H3 Sync Sound 社区挑战赛，要求参赛者用 MiniMax H3 在同一次生成中同时产出视频与同步音频，禁止后期拼接独立音轨。比赛为期两周（8/20–9/1），设最佳创意、最佳技术/工作流和 MCP 特别奖，可赢取 RTX5090 或 RTX5060 Ti，9/2 直播公布结果。H3 是首个开放权重、在 Comfy 上实现 SOTA 原生立体声生成的全模态视频模型，显存占用已优化 66%，可在 RTX 3060 等消费级显卡本地运行，ComfyUI 需 0.30.0+。
匹配字段摘要
这是一段未经剪辑的视频，展示提示模型连续执行两项不同任务：(i) 拉开笔袋拉链，(ii) 从笔袋中取出钱。
匹配字段摘要
VentureBeat 任命 Rob Strechay 为首位首席分析师及 VentureBeat Research 创始分析师，他此前担任 theCUBE Research 董事总经理兼首席分析师。Strechay 将聚焦云基础设施、高级数据基础设施、平台工程与 DevOps 编排及可观测性，以及 AI 与企业安全的交叉领域，并主持升级后的 VB In Conversation 视频访谈系列。他此前已为 VentureBeat 撰写企业 GPU 利用率分析，并参与 AI Infrastructure & Compute 调研评审。
匹配字段摘要
Google AI Developers 发帖称，Gemini 3.7 Flash 结合 Nano Banana 和 Omni，可从单条提示词一次性生成带动画的视差落地页；3.7 Flash 会调用相应工具生成文案、图像参考和可渲染视差的 Omni 视频。主帖仅附上链接，邀请开发者自己动手构建。
匹配字段摘要
从单个提示词到完整动画视差落地页。🤯 看看 Gemini 3.7 Flash 如何结合 Nano Banana 和 Omni，一次性构建交互式网站。底层上，3.7 Flash 会调用合适的工具来生成文案、图像参考，并渲染可用于视差效果的 Omni 视频。
从单个提示词到完整动画视差落地页。🤯 看看 Gemini 3.7 Flash 如何结合 Nano Banana 和 Omni，一次性构建交互式网站。底层上，3.7 Flash 会调用合适的工具来生成文案、图像参考，并渲染可用于视差效果的 Omni 视频。
匹配字段摘要
小技巧：用 @bot 当你的制作助手。 写场景、锁定对白、拆成分镜，再用提示词让 Imagine 生成语音、视频和图像。然后完成剪辑。
小技巧：用 @bot 当你的制作助手。 写场景、锁定对白、拆成分镜，再用提示词让 Imagine 生成语音、视频和图像。然后完成剪辑。
匹配字段摘要
微软研究院推出 MindTopo 基准，从连通性、包围、顺序、打结等五类拓扑属性评估多模态大语言模型的空间理解能力，每类分静态推理与交互规划两个认知层级。测试显示，模型在静态推理上普遍强于交互规划，两者均远低于人类水平；规划错误多发生在场景已被理解之后，模型无法在连续动作中维持拓扑关系。图像与视频生成仅在单帧关系可见时偶有帮助，跨序列时经常改变拓扑或违反任务动态。
匹配字段摘要
Google DeepMind 发布多语种手语转文本模型 SL2T，并在 Pixel 11 的 Gboard 和 Live Transcribe 中上线手语听写功能，首批支持美国手语（ASL）转英文。该模型基于超过 50 种手语、逾 10 万小时数据训练，其中约四分之一为 ASL 数据，在 FLEURS-ASL（sd-test）上取得 70 BLEURT 的零样本成绩。为保护隐私，模型只接收 MediaPipe Holistic 在端侧提取的姿态关键点坐标，原始视频随即丢弃，并跳过 gloss 标注直接翻译为文本。
匹配字段摘要
LTX 的开源视频模型 LTX-2.5 在 ComfyUI 上线首日获得支持，提供可自行运行的开放权重版本和通过 Partner Nodes 调用的托管版本。新版本带来 Diffusion Fidelity Rendering、新的视频解码器、自定义 Gemma 4 12B 文本编码器、改进的蒸馏变体、提示词增强器，以及一个自动设定生成视频时长的实验性 duration head 模型。原生 4K、音视频同步和最高 50fps 帧率延续自 LTX-2.3，用户更新 ComfyUI 至 0.32.0 或打开 Comfy Cloud 即可使用。
匹配字段摘要
Unsloth 发布 Unsloth Desktop，称其为首个可在本地运行和训练模型的桌面应用，已上线官网和 GitHub。该应用开源，支持 Mac、Windows 和 Linux，覆盖 MLX、扩散图像/视频、音频、GGUF，可将 Claude Code 和 Codex 接入本地 LLM，并支持 CPU 与多 GPU 环境（NVIDIA、AMD、Intel、Mac）。官方称训练速度提升 2 倍、显存占用减少 70%，工具调用准确率提高 50% 并支持自愈与沙箱化代码执行，同时提供私有网页搜索、深度研究、RAG、MCP 以及 NVFP4、GGUF 导出。
匹配字段摘要
腾讯混元发布 Hy3D WorldClaw，一个从文本提示词生成大规模 3D 开放世界的智能体工作流。官方强调它不是视频也不是 Gaussian Splatting，每个场景都可自由探索，且完全由可编辑、可直接用于游戏的 3D 资产构建，具备高质量几何与纹理。项目页面：https://t.co/KJXFWHLb1S
匹配字段摘要