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。
#视频
Google DeepMind：Blog精选AI 评分7373
Artificial Analysis 完整文章AI 评分5353 Artificial Analysis 发布 Code2Video-AA：用代码设计视频的模型评测
Artificial Analysis 独立实现 HeyGen 的 Code2Video Bench，发布 Code2Video-AA 评测，让模型根据设计简报用 HTML 与 GSAP 编写代码生成短视频并按 Elo 排名。
Runway：NewsAI 评分4343 Runway 携 Runway Creative 加入 Claude Marketplace
Runway 携 Runway Creative 加入 Claude Marketplace，符合条件的企业客户可用现有 Anthropic 承诺额度的一部分购买该平台。
Baseten 工程博客AI 评分4141 Runway 视频模型 Gen-4.5 与 Aleph 2.0 上线 Baseten 专属部署
Runway 的前沿视频生成与编辑模型 Gen-4.5 和 Aleph 2.0 现已可通过 Baseten 进行专属部署。用户可从 Runway 直接授权模型权重，在 Baseten 的单租户隔离环境中运行，并获得专属 GPU 资源与自动扩缩容，Baseten 为该部署提供 99.99% 可用性 SLA。
Comfy Blog精选AI 评分6969 NVIDIA VFX Nodes 登陆 ComfyUI，支持视频超分、补帧与 SDR 转 HDR
NVIDIA 的 RTX 视频特效现以自定义节点形式在 ComfyUI 中本地运行，官方推荐按超分、补帧、HDR 的顺序搭建完整 VFX 管线。
推荐理由：原文来自 ComfyUI 官方博客，详细说明了 NVIDIA VFX 三个节点的参数与推荐管线顺序，VFX 从业者可据此搭建本地视频增强工作流。
Descript 官方产品更新AI 评分4242 Descript 10 月更新：全盘搜索、异步录制请求与 ElevenLabs v4 语音克隆
Descript 为整个云盘新增搜索栏和完整结果页，并支持让 Underlord 查找文件、文件夹、项目和布局包。Enterprise 云盘可发送异步录制请求，嘉宾按自己的时间录制并回传素材。
Meta Engineering BlogAI 评分5252 Meta 在 Instagram Live 直播摄取中部署 Media over QUIC（MoQ）协议
Meta 宣布 Instagram Live 在 iOS 和 Android 上改用开放标准传输协议 Media over QUIC（MoQ）进行直播视频摄取，这是 MoQ 目前已知在业内规模最大的应用之一。
Runway：NewsAI 评分5454 Anthropic 推出 Claude Motion，Runway 作为发布合作方支持动画导出与后期
Anthropic 于 10 月 8 日推出 Claude Motion，可将提示词变成由文本、图表、图形和图像构成的短动画讲解视频，Claude 会编写动画代码，结果可在编辑器中调整、通过对话修改或下载为 MP4。
Comfy Blog精选AI 评分6666 如何在单张 RTX 5090 上用 MiniMax H3 生成实时视频
ComfyUI 博客作者用智能体搜集各类优化，把 MiniMax H3 实时视频生成压缩到单张 RTX 5090（32 GB 显存）上运行，生成 30 秒视频耗时 23.51 秒，达 1.28 倍实时吞吐。
推荐理由：原文给出单张 RTX 5090 实现实时直播视频生成的完整优化清单和开源节点，读者可复现这套压成本思路。
Manus：Blog精选AI 评分7272 Manus 分享视频生成与时间线编辑工作流
Manus 分享使用既有视频能力的创作经验：先由 AI 搜索参考、制作镜头与代码视觉元素，再在 Manus Studio 的视频编辑器中逐轨调整画面、字幕、配乐和音效。教程还演示导入本地素材、自动转录与编排初剪，以及将长视频剪成短片；作者以 125 段旅行素材整理成约 11 分钟成片为例，说明如何把生成初稿继续打磨为可发布作品。
推荐理由：作者结合真实项目，介绍从导入素材、转录和编排初剪，到逐轨调整字幕、画面与音频的工作流，读者可将这些方法用于自己的视频制作。
Google Developers BlogAI 评分4343 Google 如何在 TPU 上加速视频扩散模型的时空注意力
Google 在 TPU 上通过稀疏注意力内核优化加速视频扩散模型推理，将理论稀疏性转化为端到端实际加速。
Runway：NewsAI 评分4444 Runway 如何帮世界杂耍联盟用 AI 补满电视转播的空座位
世界杂耍联盟（WJF）创始人 Jason Garfield 用 Runway 为荷兰两日赛事的转播补全观众席：首日满座、次日侧机位空座，他用 Aleph 2.0 在原始素材中加入观众而不改动画面其他部分，仅一个极广角镜头退回 After Effects 处理。他还用 Runway 生成开场动画、选手资料卡、排行榜和舞台烟火，整档约一小时特别节目由他一人完成，单段生成时长上限约 15 秒。
OpenRouter：Announcements精选AI 评分6161 OpenRouter 对比 Veo 3.1、Seedance、Kling 与 Grok Imagine Video 的图生视频能力与价格
OpenRouter 发布图生视频模型对比，覆盖 Veo 3.1 系列、Seedance 2.5 与 2.0 系列、Kling v3.0 系列和 Grok Imagine Video，通过同一 video generation API 调用。
推荐理由：原文以表格对比 Veo、Seedance、Kling、Grok Imagine Video 各系的分辨率、时长、帧控制和价格，并给出按需求选型的判断路径。
Google Blog：AIAI 评分5151 Google 与 XPRIZE 联办的 Future Vision XPRIZE 揭晓，独立电影人 Jeff Synthesized 凭《The Gifted》获大奖
Google 与 XPRIZE、Range Media Partners 合办的 Future Vision XPRIZE 在洛杉矶揭晓，独立电影人 Jeff Synthesized 凭《The Gifted》从全球 2500 多件参赛作品中获得大奖。
Google Research：BlogAI 评分5151 Google 发布 AI 视频联合导演研究：多智能体框架生成数分钟连贯长视频
Google Research 推出 AI 视频联合导演研究，一个构建在 Gemini 与 Veo 之上的多智能体编排框架，将长视频生成转化为全局优化与世界状态跟踪问题。
Runway：News精选AI 评分6262 Runway 发布 DaVinci Resolve 插件，可在剪辑软件内生成和重绘素材
Runway 发布 DaVinci Resolve 插件，可在 Resolve Studio 内直接生成图像和视频、重绘播放头下的片段，并将结果导入媒体池和时间线。
推荐理由：官方发布说明讲清了插件的核心工作流变化和版本要求，剪辑师可以据此评估是否把生成环节搬进 Resolve。
Qwen：Blog Retrieval精选AI 评分7878 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。
OpenRouter：Announcements精选AI 评分7171 OpenRouter 评测 Seedance 2.5：长镜头与已有素材编辑的场景及成本解析
OpenRouter 发布对 ByteDance Seedance 2.5 视频模型的评测，该模型自 2026 年 8 月 7 日上线其视频 API，生成 4 到 30 秒、480p 或 720p 的片段，支持图像、视频、音频引用和首尾帧控制，音频同趟生成不加价。
推荐理由：原文基于自家端点数据给出 Seedance 2.5 的计费公式、能力边界和与 Seedance 2.0、Wan 3.0、Veo 3.1 的逐项对比，便于按需求选型。
Runway：News精选AI 评分6363 Runway 推出 Adobe 插件，Premiere Pro 和 After Effects 内可直接生成和编辑
Runway 发布 Runway Plugins，面板可直接嵌入 Premiere Pro 和 After Effects，无需导出导入即可在时间线内生成图像和视频、重渲染片段并一键放置结果。
推荐理由：原文给出了插件的功能范围、付费条件与下载方式，剪辑工作流用户可据此评估是否把生成环节搬进时间线。
Google DeepMind：Blog精选AI 评分7272 Google DeepMind 为 Gemini 推出 agentic 视频理解功能
Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出 agentic video understanding，模型动态扫描视频片段，相比固定帧率处理 token 消耗最多降低 88%，成本最多降低 66%，准确率最多提升 7%。
推荐理由：官方说明列出 token、成本与准确率三项数字和开启方式，开发者可据此评估长视频分析是否换用该模式。
vLLM 官方博客AI 评分5151 vLLM-Omni 实现 MiniMax H3 实时音频视频生成，FastH3 四步蒸馏让完整 MP4 生成快于播放
vLLM-Omni 团队发布 MiniMax H3 生产级服务实践，先做系统级优化，再集成 FastVideo 的四步 FastH3 蒸馏学生模型，将去噪循环从 49 次 DiT 前向降到 4 次。
Gemini API：更新日志精选AI 评分6161 Gemini API 为 Gemini 3.7 Flash 等模型推出 Agentic 视频理解
Gemini API 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出 Agentic 视频理解，覆盖 Interactions 和 GenerateContent 两个 API。模型可动态导航视频时间线，按需请求转写、帧或音频轨，长视频内容相比静态处理最多节省 88% 的 token。
推荐理由：官方说明动态按需取用转写、帧和音频的机制，读者可据此评估长视频处理的 token 成本变化。
LMSYS Blog精选AI 评分6565 MiniMax-H3 在 8×H200 上基准测试：无损加速 1.95×，最高 6.24×（SSIM 0.76–0.91）
SGLang Diffusion 团队在 8×NVIDIA H200 上对 MiniMax-H3 视频生成进行基准测试，其密集无损路径较 Diffusers 快 1.85–1.95×，无近似损失。
推荐理由：把视频生成加速的取舍量化成可复现配置，质量优先时 Cache-DiT 单独使用比叠加稀疏注意力更划算。
Google DeepMind：Blog精选AI 评分7070 Gemini Omni 1.1 Flash 发布，为开发者提供更强生成式视频控制
Google 推出 Gemini Omni 1.1 Flash，为开发者提供更强的生成式视频控制能力。新模型支持场景扩展（可分析最多 10 秒先前上下文，以 10 秒为增量累计延长至 40 秒）、指定首尾帧生成平滑过渡，以及 4K 高清输出。
推荐理由：360p 预览的成本降到 720p 的三分之一并提速最多 60%，让视频生成的前期探索可以低成本多版本比较，改变的是创意工具迭代的节奏。
Gemini API：更新日志精选AI 评分6666 Gemini Omni Flash GA 发布 gemini-omni-1.1-flash，支持视频延展与分辨率控制
Google 发布 gemini-omni-1.1-flash，为 Gemini Omni Flash 快速对话式视频生成与编辑模型的 GA 版本。
推荐理由：原文给出 GA 版本的新能力、分辨率选项和旧端点下线时间，读者可据此评估是否迁移与调整视频生成流程。
OpenRouter：Announcements精选AI 评分6666 OpenRouter 视频生成 API：一份代码优先的接入指南
OpenRouter 推出统一的异步视频生成 API，通过 POST /api/v1/videos 提交任务、轮询状态并下载 MP4，支持 Seedance、Veo、Wan 等模型，切换模型只需更改 model 标识符。
推荐理由：将视频生成抽象为提交、轮询、下载的异步作业，模型切换只改标识符，同时覆盖幂等、webhook 与并发控制，可迁移到其他异步生成 API 的集成。
Apple Machine Learning ResearchAI 评分5050 Beyond Visual CoT：Internalized Visual Thinking 实现主动视频推理
多模态大语言模型常用视觉思维链（Visual CoT）进行空间、时间与具身环境推理，但生成中间推理图像带来大量推理开销。新提出的后训练框架 Internalized Visual Thinking（IVT）在训练阶段内化视觉思考，推理时直接进行文本预测与优化，从而在不增加推理成本的前提下实现主动视频推理。
Runway：NewsAI 评分5252 Runway 谈企业视频生成的下一个阶段：模型许可与自主执行
Runway 业务今年增长超一倍，NRR 超 300%，一家 Fortune 20 客户对其使用量增长超 17 倍。欧洲占其企业客户超 20%，订阅销量过去十二个月增长 50%。公司推出模型许可模式，提供闭源权重与专有训练，并强调不基于客户数据训练、提供 Day 0 第三方模型接入及 Runway Agent 自主执行能力。
Black Forest Labs：Blog精选AI 评分6161 Black Forest Labs 发布 FLUX Video Upscale，支持将视频重生成至 2K 与 4K
Black Forest Labs 发布 FLUX Video Upscale，可将 480p 起的视频重生成至最高原生 4K，现已通过 BFL API 和 playground 提供。
推荐理由：原文给出定价、两种模式取舍和分辨率选项，并附与其他4K放大方案的推理耗时对比，便于判断适用场景。
Runway：NewsAI 评分4040 Populous 如何用 Runway 呈现全球标志性场馆设计
全球设计公司 Populous 高级建筑师 Georgina Myers 介绍团队用 Runway 辅助体育场馆概念设计：过去完整视频需外部渲染团队至少三周，且提交前两周须冻结设计模型；如今 Runway 能生成传达尺度感的完整渲染和航拍图，将视觉制作时间缩短，让设计师把时间还给设计本身。该工具已用于利雅得 MBS 体育场等中东项目，支持 9 种不同活动模式的场景迭代。
a16z：NewsAI 评分5151 你最喜欢的创作者不是真人——这重要吗？
一位作者用ChatGPT生成图像、Minimax 3和Grok Imagine 1.5生成视频，打造了虚拟女生Janie，并让她参加阿拉巴马大学姐妹会招募。一周内Janie获得1300名粉丝，视频平均观看量达数万次，20条视频中8条被TikTok标记为AI生成，但未影响表现。作者未标注AI身份，认为这违反了TikTok服务条款，但旨在测试平台与观众的识别能力。
Google Developers BlogAI 评分4444 HeyGen 与 Google Cloud 将 Avatar IV 搬上 TPU，提速 1.86 倍
HeyGen 与 Google Cloud 合作，把其 180 亿参数以上的数字人视频扩散模型 Avatar IV 移植到八芯片 Trillium（v6e）TPU 主机上，相比首个可用版本提速 1.86 倍。
字节 Seed：Research Feed精选AI 评分7878 字节 Seed 发布 SeedRealtime 音视频全双工大模型，走向全模态自然交互
字节 Seed 发布 SeedRealtime，用统一架构原生融合音频、视频与文本，实现“边看、边听、边说”的实时交互。相比级联模型，其音视频对话节奏问题减少一半，并已在豆包 App 全量上线，率先实现音视频全双工技术的规模化落地。
推荐理由：SeedRealtime 将音视频感知与表达统一到同一端到端模型中，级联系统常见的说话节奏问题减少了一半，实时场景中能主动提醒并自然停顿，为全模态智能助手交互提供了新的技术路线。
Black Forest Labs：Blog精选AI 评分7373 Black Forest Labs 发布 FLUX 3 Video：支持最长 20 秒 HD 视频与原生音频
Black Forest Labs 宣布 FLUX 3 Video 的生成能力正式开放，可通过 BFL API 和部分合作伙伴使用。
推荐理由：官方公布了 FLUX 3 Video 的具体能力清单和与 Seedance 2.0 等模型的对比结果，读者可据此评估它在当前视频生成工具中的位置。
Runway：NewsAI 评分4545 Edelman、Le Truc 与 WHY Brands 谈 AI 为何奖励有观点的创作者
三家广告与品牌公司的创意负责人一致认为，AI 技术已成熟，真正挑战在于重塑习惯、团队与预算。Le Truc 的 Williander 强调快速原型、展示 60-70% 完成度即可；Edelman 引入 Runway 后设计师效率提升五倍；WHY Brands 的 Harrelson 用 AI 实现当天响应文化热点。
Runway：NewsAI 评分5252 Nvidia 高管：AI 是值得重建的全新计算模型
Nvidia 媒体与娱乐部门副总裁 Richard Kerris 认为，AI 不是可叠加的功能，而是值得围绕其重建的全新计算模型。Runway 仅用一天便将 Gen-4.5 迁移至 Nvidia 最新平台 Vera Rubin，生成速度从分钟级提升至即时，使视频生成变为实时创作循环。
Runway：NewsAI 评分5656 Paramount CTO Phil Wiser：AI 属于史上最伟大技术趋势，但“iPhone 时刻”尚未到来
Paramount 首席技术官 Phil Wiser 认为 AI 应跻身人类史上最伟大技术趋势前五，其影响堪比火的使用。他主张等待依赖条件成熟、以“aha 时刻”引导采用，而非以技术为先导；并警告行业巨头过度分析将错失窗口期，这一窗口可能仅 5 至 10 年。Paramount 两年前已通过 Runway 向全员开放 AI 工具，并以业务成果而非 token 消耗量衡量成效。
Runway：NewsAI 评分5353 Netflix 与 FutureCel 高管：AI 是工具，故事才是目的
Netflix 创意创新总监 Girish Balakrishnan 与 FutureCel 创始人 Joel Kuwahara 一致认为，AI 是服务故事的工具。Netflix 用生成式工具为《Brazil '70》重现 1970 世界杯满场观众，保留原本会被剪掉的镜头；Kuwahara 则强调 AI 带来更多迭代机会，但最终仍取决于艺术家的技艺与视野。
字节 Seed：Research Feed精选AI 评分8080 字节发布 Seedance 2.5：单次生成 30 秒视频，支持多模态参考与精准编辑
字节跳动今日正式发布新一代视频创作模型 Seedance 2.5，单次视频生成时长从 15 秒提升至 30 秒，并支持多轮延长，可产出数分钟连贯内容。模型支持单次输入最多 30 张图片、10 段视频和 10 段音频作为参考素材，并升级白模参考、运动参考及绿幕编辑、时间戳精准编辑等能力。Seedance 2.5 已陆续上线即梦 AI、豆包专业版等平台，API 服务近期将上线火山方舟。
推荐理由：Seedance 2.5 把单次生成拉到 30 秒，加上多模态参考和精准编辑，让视频创作从片段拼凑变成完整叙事。对国内创作者来说，这是即梦和豆包里能马上用到的最强视频模型。
Black Forest Labs：BlogAI 评分4848 Black Forest Labs 发布 FLUX 3：面向视频、图像与动作预测的多模态模型
Black Forest Labs 推出多模态模型 FLUX 3，支持带原生音频的视频生成、图像生成与动作预测。官方称其目标是让多模态 Flow 模型成为视觉智能的骨干，并已公布相关能力与早期结果。