←视频
← 全部主题

视频

关注视频生成、理解、编辑与时序建模。

公开阅读组
52
近 30 天
28
目录状态
策展主题

最新腾讯混元发布 Hy-Nomas 技术报告并开源 Hy-Nomas-Bench

最新阅读组

同一事实的重复报道已合并

  1. 腾讯混元一手研究
    AI 评分62

    腾讯混元发布 Hy-Nomas 技术报告并开源 Hy-Nomas-Bench

    腾讯混元发布交互式视频世界模型 Hy-Nomas 的技术报告，并开源 Hy-Nomas-Bench 供可复现研究。官方还用 Hy-Nomas 复现了 Genie 4 的示例并放出对比视频，同时提供无需等待名单的在线 demo。此前介绍称 Hy-Nomas 支持文本提示词与相机轨迹的自由交互、带世界记忆的长时程生成、面向机器人等领域的轻量 LoRA 适配，并针对消费级 GPU 推理做了优化。

    推荐理由原文给出了技术报告、开源基准和与 Genie 4 的对比视频，读者可据此判断该世界模型的可复现程度。

  1. Google DeepMind一手模型发布
    AI 评分77

    Google DeepMind 发布世界模型 Genie 4，支持原生音频与实时交互

    Google DeepMind 发布世界模型 Genie 4，可实时生成可交互世界，并首次原生生成环境音与角色对话。模型基于 Gemini 系列能力，由 Gemini 3.8 Flash 在循环中拆解目标、检查画面以维持多步事件的因果连贯，Gemini 4 Argon 也已用于与 Gemini Robotics 联合模拟任务。官方称其仍属早期实验模型，长时运行下物体恒常性与复杂物理交互仍会漂移，生成内容均带 SynthID 水印，目前先向可信测试者开放预览。

    推荐理由官方披露了原生音频、实时语言操控与 Gemini 引导推理三项能力，可据此判断世界模型在机器人与内容预演中的位置。

  1. Higgsfield AI
    AI 评分68

    Higgsfield 获 NVIDIA 与 TCV 投资，年化收入突破 10 亿美元

    AI 视频初创公司 Higgsfield 宣布 NVIDIA 和 TCV 加入其 B 轮扩展融资，Jensen Huang 称其创始人是世界上最有才华的人之一。自 8 月 B 轮以来，公司年化收入突破 10 亿美元，企业合同增长 71%、月环比增速超过 100%，全球用户从 3000 万增至 4000 万以上。NVIDIA 从 L40、A40 GPU 到 Hopper、Blackwell 一直为其提供算力，后续将采用 Vera Rubin。

    推荐理由Higgsfield 公布 B 轮扩展融资与年化收入破 10 亿美元等数据，可观察 AI 视频公司的商业化进展。

  2. 可灵 Kling AI一手产品发布
    AI 评分67

    Kling 4.0 在 idea.ai 上线

    Kling AI 宣布 Kling 4.0 已在 idea.ai 上线。据 idea.ai 的发布说明，Kling 4.0 支持用单条提示词生成 30 秒场景，角色在镜头之间保持一致，并可在真人、动漫和 3D 风格之间切换，输出电影级画质视频。

    推荐理由Kling 4.0 在 idea.ai 上线，单条提示词可生成 30 秒场景并保持角色一致，读者可据此判断视频生成工作流的变化。

  3. fal模型发布
    AI 评分75

    fal 发布 FLUX 3 Max 视频模型，10 秒视频生成耗时 12.45 秒

    fal 与 bfl_ai 合作发布后训练视频模型 FLUX 3 Max，生成一段 10 秒视频耗时 12.45 秒，Seedance 2.5 为 277.8 秒，两者在第三方基准评测中 Elo 分数同为 1,139。该模型在独立第三方基准的图像生视频质量排名中并列第一，可生成 10 秒、720/768p 视频，耗时约 12 秒。fal 表示未来三周 FLUX 3 Max 降价 75%。

    推荐理由原文给出了生成速度与第三方 Elo 的对照数据，读者可据此判断视频模型在速度与质量上的取舍。

  2. fal模型发布
    AI 评分68

    fal 称 FLUX 3 Max 在第三方评测中获 1,139 Elo，位列图生视频第一梯队

    fal 表示 FLUX 3 Max 在第三方基准评测中取得 1,139 Elo，基于独立人类偏好评估进入前沿图生视频模型第一梯队。该模型由 fal Research 与 bfl_ai 合作推出，此前介绍称其图生视频质量在独立第三方基准中并列第一，可在约 12 秒内生成 10 秒、720/768p 视频。fal Research 称仍在继续对该模型做后训练，后续将提升质量与性能。

    推荐理由官方给出 FLUX 3 Max 在第三方人类偏好评测中的 Elo 分数与生成速度，可据此判断其在前沿图生视频模型中的位置。

  3. UCSD Hao AI Lab一手产品发布
    AI 评分64

    FastVideo 开源 MiniMax FastH3 Omni 并附训练代码

    Hao AI Lab 的 FastVideo 开源了 MiniMax FastH3 Omni，并一并放出训练代码。官方称在 NVIDIA Blackwell 上实时生成速度提升 12 倍，Spark 与 RTX 支持 NVFP4/FP8，ComfyUI 首日支持。该项目与 NVIDIA AI、Nuva Lab 和 Reactor 合作完成。

    推荐理由FastVideo 开源了 MiniMax FastH3 Omni 并附训练代码，读者可据此了解实时视频生成在 Blackwell 上的加速与量化方案。

  4. Hugging Face一手产品发布
    AI 评分67

    NVIDIA 发布 Cosmos3-H-Dreams 手术生成模拟模型

    NVIDIA 发布 Cosmos3-H-Dreams，基于 160 亿参数的 Cosmos3-H-Embodied-Nano 专门化，用于胆囊切除术的动作条件视频生成。模型使用 28 个动作维度、832 x 480 视频和 10 Hz 动作对齐训练，通过蒸馏得到四步与两步两个学生检查点，两步版本单独训练，推理更快但画质更低。官方同时提供 FlashDreams 流式运行时和适配自有数据与控制器的方法，并说明该模型是研究用模拟器，并非经过验证的临床系统。

    推荐理由原文给出了从教师模型蒸馏到四步与两步学生模型的完整路径，读者可据此了解实时手术视频生成如何兼顾延迟与画质。

  5. Tripo一手产品发布
    AI 评分71

    VASTAIResearch 开源实时生成渲染器 EdenLive

    VASTAIResearch 开源实时生成渲染器 EdenLive，可将 3D 白模、游戏引擎画面、2D 卡通和真实视频转换为写实或风格化视频。该模型为 5B 参数，在单张 RTX 5090 上以 720p 分辨率达到 24+ FPS。

    推荐理由这条内容给出了开源实时渲染器的输入类型、帧率和单卡部署规格，便于读者判断其可用性。

  1. fal模型发布
    AI 评分68

    fal 与 Black Forest Labs 推出 FLUX 3 Max 视频生成模型

    fal 宣布与 Black Forest Labs 合作推出 FLUX 3 Max，称其 12 秒可生成 10 秒视频，在图生视频类别中并列第一，同质量下比 Seedance 2.5 快 22 倍。Black Forest Labs 表示 FLUX 3 是面向定制化的模型，由 fal 适配优化出 FLUX 3 Max。

    推荐理由原文给出 FLUX 3 Max 的生成速度与图生视频排名，可据此判断定制版模型在视频生成上的取舍。

  2. fal模型发布
    AI 评分67

    fal Research 与 Black Forest Labs 推出 FLUX 3 Max 视频模型

    fal Research 与 Black Forest Labs 合作推出视频模型 FLUX 3 Max，通过专门的后训练和推理优化，在第三方独立基准的图像生视频质量上并列第一，生成 10 秒 720/768p 视频约需 12 秒。fal 称其延迟仅为竞争前沿模型的一小部分，未来三周该模型降价 75%。

    推荐理由fal 与 Black Forest Labs 合作推出视频模型，并给出延迟与画质基准位置，可对照现有前沿视频模型的速度与成本。

  3. Viggle AI模型发布
    AI 评分65

    Viggle AI 发布 JST-2 物理原生世界基础模型

    Viggle AI 发布 JST-2，称其为全球首个全栈物理原生世界基础模型。该模型没有在像素或视频空间学习，而是从第一性原理出发把整套模型栈建在 3D 空间，可在数秒内生成 3D 场景并实时扩展，还能通过同一通用架构创建自带动作的角色。

    推荐理由Viggle AI 把世界模型从像素空间搬到 3D 空间，读者可据此了解这条技术路线与主流做法的差异。

  4. Artificial Analysis解读
    AI 评分72

    fal 的 FLUX 3 Max 在 Artificial Analysis 视频榜单位列前茅

    Artificial Analysis 评测显示，fal 基于 FLUX 3 后训练推出的 FLUX 3 Max 在 AA-Video-I2V v1.1 排名第 2（与第 1 名统计持平），在 AA-Video-T2V v2.1 排名第 4，两项均领先基础版 FLUX 3。该模型支持由文本提示词或起始图像生成 5 至 20 秒、720p 且带原生音频的视频，fal 称生成 10 秒视频耗时不到 12 秒；在 AA-Video-T2V v2.1 上其 Physics 能力得分最高，并在 Marketing & Advertising 与 Live-Action Film 用例中领先。fal 对 720p 视频定价为每分钟 10.20 美元，低于 FLUX 3 的 17.40 美元，发布前三周提供 75% 折扣至每分钟 2.55 美元。

    推荐理由第三方基准机构给出 FLUX 3 Max 在文生视频与图生视频榜单上的具体名次和价格对比，可据此判断其定位。

  1. 可灵 Kling AI一手产品发布
    AI 评分71

    可灵 Kling 4.0 全面开放，支持 MCP 与 CLI 接入

    可灵 Kling 4.0 现已全面开放，用户可通过改版后的创作界面使用，并支持通过 MCP 和 CLI 接入视频创作工作流。官方同时预告将推出 4K 和 1080p 的 10-bit HDR 视频输出，以及面向企业客户和开发者的 API 访问。

    推荐理由官方给出 Kling 4.0 的可用入口与后续路线，读者可据此判断视频创作工作流会怎样接入。

  1. World Labs Blog一手产品发布
    AI 评分68

    World Labs 发布 3D 世界生成模型 Marble 有限访问预览

    World Labs 推出 Marble，这是其 3D 世界生成模型的有限访问 beta 预览，用户可在 marble.worldlabs.ai 查看和创建 3D 世界。给定图像或文本提示，模型可生成可无限探索、无变形、无不一致的 3D 世界，相比此前结果更大、风格更多样、3D 几何更干净。用户可将生成的世界导出为 Gaussian splats，并借助开源渲染库 Spark 集成到 Three.js 中，在桌面、笔记本、移动设备和 VR 头显上渲染。

    推荐理由World Labs 首次开放 3D 世界生成模型的有限访问，读者可了解其几何质量与导出方式的变化。

  2. World Labs Blog一手模型发布
    AI 评分75

    World Labs 发布实时生成世界模型 RTFM 研究预览

    World Labs 发布 RTFM（Real-Time Frame Model）研究预览，这是一个随交互实时生成视频的生成式世界模型，可用于探索生成的 3D 世界和真实场景，并已在浏览器中开放体验。RTFM 基于自回归扩散 Transformer，不依赖显式 3D 表示，而是把输入帧转为 KV cache 作为隐式世界表示，并通过带位姿帧的空间记忆和 context juggling 实现长时间交互下的持久性。官方称其仅用单张 H100 GPU 即可达到交互级帧率，并预期更大模型随推理预算提升继续改进。

    推荐理由World Labs 公开 RTFM 的技术路线与单卡 H100 实时推理目标，可了解生成式世界模型如何绕开显式 3D 表示。

  3. World Labs Blog一手模型发布
    AI 评分69

    World Labs 正式开放多模态世界模型 Marble

    World Labs 宣布其多模态世界模型 Marble 即日起向所有人开放，此前仅面向少量 beta 用户。Marble 支持从文本、图像、视频或粗略 3D 布局生成 3D 世界，并可交互式编辑、扩展和组合，生成结果可导出为 Gaussian splats、网格或视频。同时推出 Marble Labs 创作社区，提供案例研究、教程和文档。

    推荐理由World Labs 公布 Marble 的多模态输入、编辑与导出能力，读者可据此判断 3D 世界生成的工作流变化。