跳到正文
今天10月30日周五1 条
  1. 数字生命卡兹克68

    Pika Labs 在 MiniMax H3 上做后训练,推出并开源 Pika H3 Flex,采样步数从 50 步压缩到 6 步,生成时间大幅降低且质量有所提升。

    引用Pika@pika_labs

    认识 Pika H3 Flex,今天首次亮相,成为 DesignArena 的 t2v 榜单上排名第一的开放权重模型。 它为专业迭代而打造,支持可导出的音频分轨、最高 4k 的分辨率,以及快于实时的生成速度。它能在短短 7 秒内生成一段带配乐的 15 秒片段。 所以,没错。这有点像是在炫技 💅

    推荐理由:原文点出采样步数从50步压到6步且开源,本地视频生成玩家可据此评估实际收益。

10月29日周四
10月28日周三
  1. Google DeepMind:Blog73

    Google DeepMind 发布实时交互世界模型 Genie 4

    Google DeepMind 发布世界模型 Genie 4,主打实时交互模拟、更强照片级真实感,并首次在实时世界模型中原生生成音频,包括环境声和可实时交互的人物对话。

    推荐理由:官方完整说明了 Genie 4 的实时交互、原生音频和与 Gemini 协作机制,也坦陈当前在长时一致性和物理精度上的局限。

10月27日周二
10月24日周六
10月23日周五
  1. IT之家·人工智能46

    字节火山引擎发布 Seedance 2.5 4K 模型,面向影视级画面生成

    字节跳动旗下火山引擎正式发布 Seedance 2.5 4K,这是 Seedance 2.5 一代中最强的模型,通过专项训练更充分学习人物表情、细微动作与画面细节。该模型支持 Draft 样片模式,可先用 480P 快速验证分镜再生成 4K 正片,并具备 10-bit 色深。目前仅供部分企业客户试用,部分海内外影视制作、后期公司已试用。

  2. fal69

    fal 发布与 bfl_ai 合作训练的最新后训练视频模型 FLUX 3 Max,生成 10 秒 720/768p 视频仅需 12.45 秒,而 Seedance 2.5 需 277.8 秒,两者在第三方评测中 Elo 均为 1139。该模型在第三方图生视频质量榜并列第一,未来三周降价 75%。

    引用fal@fal

    隆重推出 FLUX 3 Max,这是 fal Research 与 @bfl_ai 合作推出的最新后训练视频模型。 在独立第三方基准测试中,FLUX 3 Max 在图生视频质量上并列第一,可在约 12 秒内生成一段 10 秒、720/768p 的视频。 在接下来的三周内,FLUX 3 Max 享受 75% 折扣,使其成为同等质量水平下最实惠的前沿视频模型。

10月21日周三
  1. fal68

    fal 发布与 Black Forest Labs 合作后训练的视频模型 FLUX 3 Max,在第三方独立人类偏好评测中获 1139 Elo,与 Seedance 2.5 并列图生视频质量第一梯队。该模型约 12 秒生成一段 10 秒 720/768p 视频,未来三周降价 75%,后续还将继续后训练改进。

    引用fal@fal

    隆重推出 FLUX 3 Max,这是 fal Research 与 @bfl_ai 合作推出的最新后训练视频模型。 在独立第三方基准测试中,FLUX 3 Max 在图生视频质量上并列第一,可在约 12 秒内生成一段 10 秒、720/768p 的视频。 在接下来的三周内,FLUX 3 Max 享受 75% 折扣,使其成为同等质量水平下最实惠的前沿视频模型。

    推荐理由:原文给出第三方 Elo 分数和生成速度数据,读者可据此判断该模型在图生视频梯队中的位置。

10月20日周二
  1. fal64

    fal 与 @bfl_ai 合作推出经后训练的前沿视频模型 FLUX 3 Max,现已在 fal 上线。该模型在第三方图生视频质量基准上并列第 1,生成 10 秒 720/768p 视频约需 12 秒;未来三周提供 75% 折扣。

    引用fal@fal

    隆重推出 FLUX 3 Max,这是 fal Research 与 @bfl_ai 合作推出的最新后训练视频模型。 在独立第三方基准测试中,FLUX 3 Max 在图生视频质量上并列第一,可在约 12 秒内生成一段 10 秒、720/768p 的视频。 在接下来的三周内,FLUX 3 Max 享受 75% 折扣,使其成为同等质量水平下最实惠的前沿视频模型。

10月16日周五
  1. 公众号:数字生命卡兹克74

    可灵 Kling 4.0 深夜上线,支持30秒一镜到底直出

    可灵AI正式上线视频模型 Kling 4.0,9月底曾向部分黑金年卡及Ultra年订用户开放4.0 Flash尝鲜版。作者实测后认为提升集中在三方面:最长30秒一镜到底直出,城市追逐、马戏团等复杂场景中人物与纸箱接触的物理形变等细节表现更好;大范围动态和复杂打斗的动作衔接、镜头临场感相较前代明显提升;视频首尾帧改为最多10帧的多帧参考,全能参考可替换运镜、场景和人物。

    推荐理由:作者烧积分实测了多类场景,并给出积分定价和抽卡成本,读者可以据此评估它在真实创作流程里的可用性。

10月15日周四
  1. 公众号:昆仑万维70

    昆仑万维发布并开源单张 RTX 5090 实时运行的视频大模型游戏 Matrix-Game 4.0

    昆仑万维于2026年10月15日发布 Matrix-Game 4.0,称其为第一款运行在单张消费级显卡上的视频大模型游戏,并同步开源。

    推荐理由:原文给出具体硬指标与三模块架构,还对比了同类方案的延迟和算力门槛,读者可据此评估这条实时世界模型路线的落地价值。

10月14日周三
  1. Hao AI Lab47

    FastVideo 团队激动地宣布 FastH3-Omni!🚀🚀 与 Nuva Lab @nuvalab 和 Reactor @reactorworld 合作完成后训练! 最终的 FastH3-Omni 模型将于 10 月 20 日完全开源,同时开放训练代码,并全面支持 DGX spark 和 RTX GPU! 请查看 @reactorworld 的 API 访问,今日即可使用! https://x.com/reactorworld/status/2110064291537953179

    引用reactor@reactorworld

    Introducing FastH3-Omni. The fastest and highest-quality open-source version of realtime H3 by @MiniMax_AI, post-trained by FastVideo @haoailab with @nuvalab. Exclusive preview on the Reactor API until 10.20.2026. • First and last frame conditioning • Audio input + strong dialogue • Up to 3 reference images • Frontier-level performance

10月11日周日
10月10日周六
  1. IT之家·人工智能58

    生数科技发布视频生成模型 Vidu Q4 Preview 预览版,支持 2K、4K 输出

    生数科技发布新一代视频生成旗舰模型预览版 Vidu Q4 Preview,支持图生视频和参考生视频。最多支持 3 段参考音频、15 张参考图与 2K、4K 输出,10bit 色深,单次最长生成 16 秒视频,提升动态运镜、切镜与复杂镜头衔接;首发优惠价 0.09 元/秒起,适合 AI 短剧、广告营销、社交互动和影视创作等场景。

10月9日周五
  1. MiniMax (official)49

    在物理方面,谁拥有最好的开源视频世界模型?💫 又是我,MiniMax H3。几乎与闭源 sota 持平。🍾

    引用Einsia@EinsiaAI

    We gave 8 SoTA video world models a physics exam. Top score: 57.76 / 100. One revealing result: free-fall video passed the consistency screen. Their average composite score was just 26.61/100. Physics is still undefeated. Today we introduce World Models' Last Exam in Physics — 40 controlled tasks, 9 physical categories, measured against real physical laws. Full breakdown ⬇️ Github: https://github.com/Einsia/phys-last-exam Project: https://lab.einsia.ai/phys-last-exam Paper: https://arxiv.org/pdf/2610.08791

10月8日周四
  1. 公众号:生数科技60

    生数科技发布 Vidu Q4 Preview 视频生成模型预览版,支持 3 段参考音频与 2K/4K 输出

    生数科技发布全新视频生成旗舰模型 Vidu Q4 的预览版 Vidu Q4 Preview,主打人物演技、镜头语言与特效表现力。新版本最多支持 3 段参考音频和 15 张参考图,支持 2K、4K 输出与 10bit 色深,首发优惠价 0.09 元/秒起,官方称同样预算约 5 倍出片,并从 Day 1 起面向全球创作者开放。

10月2日周五
  1. Rohan Paul62

    Tavus 发布首个 Human Interaction Model(HIM)Griffin,称其为首个通过视频图灵测试的模型。48% 与其实时视频对话的人误以为对方是真人,此前系统通过率低于 3%,并位列 NVIDIA 全双工 AI 视频基准第一。作者 Rohan Paul 转引 Tavus 官方发布并补充演示视频中的表现。

    引用Tavus@tavus

    Introducing Griffin, the first model to pass the video Turing test. 48% of people who talked to it live thought it was a real human. Previous systems have had a pass rate <3%. It is #1 on NVIDIA's benchmark for full-duplex AI video. It’s the first Human Interaction Model (HIM).

10月1日周四
  1. Arena.ai52

    Hidream-O1-Video-1.0 以 1456 分进入 Image-to-Video Arena 排行榜第 7 名,可通过 @vivago_ai 使用。该模型与 gemini-omni-flash 仅差 8 分,与 dreamina-seedance-2.0 和 2.5 的分差在 20 分以内。

    引用vivago.ai (HiDream)@vivago_ai

    New HiDream models just landed in vivago R1 Studio 🚀 Introducing: • HiDream-O1 Image 2.0 • HiDream-O1 Editing 1.5 • HiDream-O1 Video All three models are now available in vivago R1 Studio - bringing the latest HiDream image generation, editing, and video capabilities directly into your creative workflow. New models. New possibilities. Go make something the internet can’t ignore. 🔥

  2. MiniMax (official)44

    基于 MiniMax H3,@Creatify_Labs 的 Boreal-H3 是一款专为广告优化的视频模型,在遵循创意简报更准确的同时,保持产品和角色的一致性。 期待看到 MiniMax H3 成为更多面向特定行业的前沿模型的基础!✨

    引用Creatify Labs@Creatify_Labs

    Introducing Boreal-H3 — a video model built for ads and our next step toward recursive self-improvement in video generation. A good-looking video isn’t enough. The product has to stay the same. The actor has to stay the same. The label has to be right. And the action in the brief actually has to happen. So we post-trained MiniMax H3 specifically for advertising. But this isn’t a one-off SFT or LoRA fine-tune. We built a closed-loop system that learns what to improve next. Human-calibrated evaluation diagnoses failures and guides the next intervention: targeted data collection, reinforcement learning, or inference optimization. When the feedback is unreliable, we revise the evaluator or reward—not just the generator. Every experiment feeds into shared memory, informing the next training decision. The model improves, and so does the process that produces its successor. The results: → 85.3% reference fidelity — highest among the frontier video generation models we evaluated → Brief success: 28% → 50% → Identity match: 83% → 94% → Visible defects per clip: down 70% → Generation time and estimated cost: down 20% Boreal-H3 doesn’t just make better-looking video. It makes more usable ads. Credit to the @MiniMax_AI team for the foundation we’re building on. This launch is a checkpoint, not the finish line. We’re building more than a better video model. We’re building a system that learns how to make the next one better.

9月18日周五
  1. Qwen:Blog Retrieval78

    Qwen 发布原生全模态模型 Qwen3.8-Omni-Flash,主打音视频智能体任务交付

    Qwen 发布下一代原生全模态模型 Qwen3.8-Omni-Flash,支持文本、图像、音频和视频输入及 1M token 上下文窗口,29 项评测平均分较 Qwen3.5-Omni-Plus 提升超过 25%,音频输入每小时价格下降超过 98%,音视频输入每小时价格下降超过 93%。

    推荐理由:官方发布同时开放 API 和开源插件与运行时,读者可以据此评估音视频智能体在剪辑、会议、实时交互等工作流中的落地方式。

9月16日周三
9月15日周二
  1. 公众号:生数科技67

    生数科技发布 Vidu S2:含 Avatar 与 Editing 双模型,探索空间视频

    生数科技正式发布 Vidu S2,包含面向数字角色实时交互的 Vidu S2-Avatar 和面向视频流实时编辑的 Vidu S2-Editing,并探索面向 VR 头显的实时空间视频生成与编辑。

    推荐理由:官方发布 Vidu S2 双模型,给出实时交互、编辑与空间视频的技术路线和评测数字,读者可对照判断其流式生成思路。

9月14日周一