2026年10月1日,Aravind Srinivas 对 Perplexity Computer 内置的 Seedance 作出评价,称其在 Computer 里用于营销和品牌内容效果相当惊艳。同一来源的表述还提到,可在 Perplexity Computer 中使用 Seedance 2.5 为小企业生成商业或品牌视频,并称这支广告完全在 Computer 内制作,涵盖品牌视觉、产品样机和完整视频剪辑。目前没有后续发展事实,事件状态停留在该评价本身。
匹配字段摘要
2026年9月25日,Physical AI 创业公司息壤开物宣布连续完成数亿元种子轮及天使轮融资,由敦鸿资产领投,估值达5亿美金。公司由前华为云大模型CTO李寅任创始人兼CEO、前华为多模态首席科学家张含望任联合创始人,目标是做 Large Physics Model(LPM),即先从海量视频、机器人轨迹和真实交互中预训练物理基础模型,再迁移到不同本体和任务。息壤披露其模型在 World Arena 2.0 Track 1 的 Trajectory Accuracy 单项排名第一、Physical Adherence 单项排名第二,训练成果 XIRRA v0.1 计划于今年晚些时候亮相。目前尚无后续发展事实。
匹配字段摘要
PixVerse发布了NAB Show NY的注册链接。据其发布的信息,PixVerse将在NAB Show NY现场展示AI视频工作流,活动时间为10月21日至22日,地点在纽约。该信息还提到,欢迎参加10月21日Day 1之后的happy hour。目前该事件仅有这一条代表证据,暂无后续发展事实。
匹配字段摘要
2026年9月30日,Hao AI Lab发布FastVideo FastH3。据其公布的结果,在8× GB200上,一段5秒1344×768带音频的片段可在3.1秒内输出为成品MP4,10秒片段为6.3秒,使用NVFP4时为5.4秒。在负载下,8× GB200每天约可生成11,000个视频,8× RTX PRO 6000约为3,400个。
匹配字段摘要
Instagram于2026年9月30日宣布,在其独立应用Edits中加入AI“创作助手”。据The Verge AI报道,该助手可调取账号的点赞、播放、视频留存和分享等数据,回答创作者关于趋势、内容表现和选题的问题,并给出标题、音频、脚本等建议。报道还称,该助手能识别长期数据规律,提供单看指标无法得出的建议。目前没有后续发展事实,该功能仍处于此次宣布的状态。
匹配字段摘要
2026年9月30日,商汤科技预告由SenseNova 6.8 Flash Preview驱动的Dynamic Design功能。据代表来源报道,该功能可将静态图像转为动态设计:判断文字、主体与视觉元素的关系,决定哪些保持静态、哪些做动画,并为每个元素选择HTML/CSS、SVG、透明图片或视频等合适形式,再将文字显现、主体运动与环境响应编排成连贯节奏,最后对照原始设计检查并优化输出。报道称SenseNova 6.8 Flash尚未正式上线,官方开放限量beta体验,需在评论区留言申请。目前尚无后续发展事实。
匹配字段摘要
2026年9月30日,NVIDIA、MIT与牛津大学研究团队发布自进化物理语言框架Physis-Lang。该方法把物理推理写入视频描述文本,同一套文本用于数据筛选、训练和推理;据代表来源报道,其用GPT-5.5生成描述、Gemini-3.1-Pro作物理评审并迭代指令,最终训练集含183K视频,仅检索环节就在3个基准上平均提升3.01分,微调仅用LoRA。在2026年9月29日的Physics-IQ Verified榜单快照中,Cosmos3-Super以48.2±1.4排名第一,Cosmos3-Nano以43.3±1.5排名第二。目前尚无后续发展事实。
匹配字段摘要
2026年9月28日,商汤发布消息称,22岁艺术设计学生CHunye使用商汤AI视频创作Agent Seko独立完成日式僵尸短剧《DUHAI》。据该消息,该剧从第3集起全部由Seko制作,至第9集时在抖音等平台累计播放量已超7400万次。Seko将创意想法转化为结构化制作流程,把角色、场景和道具整合在同一画布上,其视觉记忆与推理能力帮助保持跨集一致性。目前尚无后续发展事实。
匹配字段摘要
2026年9月26日,Claude Opus 5.5制作并展示了Claude Code Remote Control的黏土定格动画版本。据发布者Noah Zweben介绍,今年2月首次推出/remote-control时,他曾用Opus 4.6制作相关视频,此次则是Opus 5.5的黏土动画版,并称“Remote Control with 5.5,急用时必备”。目前该事件仅有这一条代表性证据,尚无后续发展事实。
匹配字段摘要
Ben Tossell 用一个上午做出 50 年科技设备时间轴网站,收录 87 台 1976 至 2026 年的设备,全部图片由 Astra 生成,共 40 条消息、7 个 subagent、1455 票。网站先在 Codex 中启动、后用 Factory 的 Droid 完成,支持拖动时间轴切换设备、投票标记“用过/想要”并生成可分享的个人设备页,还由 luna subagent 生成了 10 秒视频演示。目前没有后续发展。
匹配字段摘要
2026年9月25日,Midjourney表示其编辑模型已取代Omni Reference,并称该模型在各方面都应该更好。相关说法来自Midjourney发布的消息,其中提到很快会发布一个视频,把这一点讲透。目前没有更多有合格事实证据的后续发展,事件状态停留在这一宣布上。
匹配字段摘要
Google更新Gemini 3.8 Live,推出实时虚拟形象Live Avatar。据Google DeepMind发布,该功能在Gemini 3.8 Live实时对话能力上加入低延迟流式视频,让模型能边听、边看、边说,支持精确唇形同步、自然表情与流畅轮次切换,并可在对话中无缝切换97种语言而不损失视频保真度。该功能已上线Gemini Enterprise,支持后台异步工具调用,企业还可基于参考图定制专属形象,定制功能目前仅通过企业白名单开放。另有报道称,用户可在对话时看到实时回应的动画AI形象,它会同步口型并展示不同面部表情,目前仅面向Gemini Enterprise客户开放;除预设形象库外也允许企业自建,输出带有不可见的SynthID水印及尊重身份的防护措施。
匹配字段摘要
2026年9月23日,Midjourney更新其网页端功能,涉及样式预览、默认参数及创作编辑体验。据官方更新说明,此次更新在alpha.midjourney.com上线:Styles侧边栏新增“Live previews”实时预览,可边浏览边用当前提示词预览各样式;Settings→Advanced→Your defaults支持保存默认参数,也可点击“Set current pills as default”。Create Feed改为全宽瀑布流,提示词与按钮悬停显示、视频悬停播放,并新增Grid/List视图、就地Organize模式和跨项目Archive。编辑器现支持v8.1与v8.2编辑类型,画布可跑HD;韩语已从alpha扩展到midjourney.com全量上线。目前尚无后续发展事实。
匹配字段摘要
Henry Cavill与Google 合作开发 使用Googlebook制作的视频游戏
English translation is being prepared.
匹配字段摘要
AWS Machine Learning 讲解 用 vLLM-Omni 在 SageMaker 上生成图像与视频（下）
English translation is being prepared.
匹配字段摘要
2026年9月27日,Sakana AI与东京大学合作提出SAIL(Scaling In-Context Imitation Learning)机器人轨迹生成方法,通过测试时扩展让视觉语言模型(VLM)更可靠地生成机器人轨迹,并将在IROS2026展示。该方法以策略VLM生成轨迹,在模拟器中测试,由评估VLM审查视频并定位停滞点,再用MCTS探索候选并修订,仅将选定轨迹发送给实体机器人。在六项模拟操作任务中,搜索预算从1个候选增至45个,平均成功率从25%提升到73%。目前尚无后续发展事实。
匹配字段摘要
2026年9月22日,小米 MiMo 发布 MiMo-V2.6 Pro 与 Flash 两款全模态模型,将代码、设计与工具调用整合到界面、幻灯片、SVG、视频和音乐等场景。官方称 Pro 在 Design Arena 上的表现与 Claude Opus 5、GPT-5.6 Sol 相当,在多数 agent 基准上与二者持平,并在 Artificial Analysis Intelligence Index 上得分 46。官方还展示科研辅助案例,包括与小米材料研究人员合作提出用于捕获 PFAS 的 MOF 材料,以及协助在 Lean 4 中形式化 Li–Yorke 混沌定理。Pro 与 Flash 的权重、技术报告、7K+ RL 任务环境、端到端 RL 框架及 MiMo-V2.6-Distill-Qwen-9B 均已开源,API 定价与 V2.5 保持一致。9月27日,小米 MiMo 团队发布技术复盘,说明 MiMo-V2.6 在 MiMo Desktop、MiMo Code、OpenCode 等智能体场景中会出现工具调用重复,内部评测中响应级重复率超过 0.05%;团队最终改用基于 M
匹配字段摘要
2026年9月24日,Meta发布并介绍由Muse Realtime Voice与Muse Realtime Avatar组成的统一流式架构。据Meta介绍,二者通过共享语音token流连接:前者生成编码内容与韵律的语音token,后者消费同一流并生成流式视频。系统以固定长度历史作为后续分块的动作上下文,在任意对话长度下保持有界计算,同时生成同步的语音、唇动与表情。团队将带3-way CFG、每段视频需120次评估的40步扩散教师模型蒸馏为无引导的2步因果学生模型,配合固定长度KV cache与self-forcing,以少60倍的评估次数接近教师质量。Meta还称,在自家实时通话产品中与两个商用化身系统对比,Muse Realtime Avatar在整体偏好上领先。目前尚无后续发展事实。
匹配字段摘要
2026年9月27日,Apricitas作者Joseph Politano发表分析,讨论AI与创意行业就业流失的关系。其统计显示,美国创意行业过去四年流失超过20万个岗位,其中近一年约5万个;影视与录音行业损失超过10万个岗位,接近该行业总岗位的三分之一。文章认为,出版业岗位下滑是长期技术变迁的延续,流媒体竞争与AI生成内容正在挤压视频行业的商业模式,并类比互联网冲击下报纸岗位减少近85%的处境。作者同时指出,书籍销量近六年增长70%来自TikTok的意外带动,说明新技术与艺术商业的互动难以预测。目前该分析经Hacker News热门转载,尚无后续发展事实。
匹配字段摘要
Krea 宣布 Krea Agent 上线运动参考(motion references)功能。据 Krea AI 于 2026 年 9 月 26 日发布的信息,该功能可从任意视频片段中提取运动,并应用到新的角色、场景或元素上。目前该功能已随 Krea Agent 提供,尚无后续发展事实。
匹配字段摘要