Reactor 发布 Open Dreamer：JAX/Flax 复现 Dreamer 4 世界模型管线
Reactor 团队发布 Open Dreamer，在 JAX/Flax NNX 中完整复现 Dreamer 4 世界模型管线并公开训练配置。该实现包含一个基于 Transformer 的因果视频分词器（约 100 倍压缩）和一个 1.6B 参数的动态模型，并提供了 Minecraft 实时生成演示。
#视频
MarkTechPostAI 评分4040
公众号：生数科技AI 评分4040 生数科技在 WAIC 2026 展示通用世界模型最新进展
生数科技在 WAIC 2026 上展示了从数字世界生成到物理世界行动的通用世界模型。其视频生成模型 Vidu 已形成产品矩阵，实时交互模型 Vidu S1 支持 540P、最高 42FPS 的视频通话级输出。面向物理世界的世界动作模型 Motubrain 在 RoboTwin 2.0 榜单的 Clean 和 Randomized 场景下均位列第一。
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。
IT之家·人工智能同事件AI 评分7373 Black Forest Labs 发布 FLUX 3 多模态模型，支持单次生成 20 秒视频与原生音频
Black Forest Labs 以 Early Access 方式推出 FLUX 3 多模态基础模型，采用统一架构联合学习图像、视频和音频。该模型基于 Self-Flow 学习框架扩展，可在单次生成中输出最长 20 秒视频并附带原生音频，支持文生视频、图生视频、多镜头串联等任务。
同一件事，精选收录的是《Black Forest Labs 发布 FLUX 3 多模态基础模型，与 mimic 合作推出 FLUX-mimic 机器人模型》
Luma@LumaLabsAIAI 评分4040在角色能做任何事之前，必须有人从各个角度精确决定他们是谁。一项 Luma 技能将这一决定变成了一张完整的设定表。作者：Misho。使用 Luma 制作。
The Decoder：AI NewsAI 评分6868 Black Forest Labs 发布 Flux 3：可生成带原生音频的 20 秒视频，并推出机器人动作模型 Flux-mimic
德国 AI 公司 Black Forest Labs 发布多模态基础模型 Flux 3，可同时从图像、视频和音频中学习，首次支持生成带原生音频、最长 20 秒的视频。
Kling AI@Kling_aiAI 评分4040
IT之家·人工智能AI 评分4242 红果短剧发布AI剧角色创作规范，将专项治理“高频AI脸”
红果短剧昨日发布公告，从角色差异化与版权合规两方面规范AI剧创作，要求主要角色具备清晰形象区分度，避免不同剧集使用高度相似形象。平台近期将启动专项治理，重点整治“高频AI脸”复用、内容同质化及素材违规三类问题。7月21日，红果短剧已对都市情感等品类AI仿真人剧提升内容准入门槛，未达标内容需优化后重新上传。
DogeDesigner@cb_dogeAI 评分5757
- Luma@LumaLabsAIAI 评分5252
一个主镜头，根据投放需求进行有意图的重构图。Reframe 处理画面比例，让构图保持精心设计，而非被简单裁切。作者：Eli Coleman。使用 Luma 制作。
PixVerse@PixVerse_AI 评分6767深海巨兽 史前噩梦从深渊中崛起，在这段残酷的 15 秒电影级生存短片中呈现。完全使用 @PixVerse_ Canvas 通过专业逐镜头提示词工作流生成。以下是我们构建它的具体方法。
- Kling AI@Kling_aiAI 评分5757
可灵 MCP 教程：几分钟内打造电影级 AI 表演 了解如何使用可灵 MCP 在你喜爱的智能体中构建完整的创意工作流——从角色创建、情感设计到批量视频生成。 你的下一个故事从这里开始。
公众号：可灵AIAI 评分4444 可灵AI创作者用微表情与长镜头还原影视级情绪表演
创作者@澜安自2025年下半年起使用可灵AIGC工具，通过拆解眼神变化、嘴角颤动、呼吸节奏等细节，让AI生成隐忍落泪、一秒变脸等复杂情绪表演。他认为AI需通过具体文字还原情绪对应的外在细节，而非仅告诉AI“要难过”。文章分享了从剧本、分镜、提示词到可灵生成的完整创作方法。
公众号：可灵AIAI 评分4848 可灵创作者澜安：AI如何演好“隐忍落泪”这类复杂情绪
创作者@澜安自2025年下半年接触AIGC，因可灵对人物微表情、细腻动作和长镜头稳定性的表现，开始探索AI呈现影视剧般自然复杂情绪的可能。他把情绪拆解为眼神变化、嘴角颤动、呼吸节奏和肢体反应等外在细节，再通过镜头、光影和节奏让表演成立，并分享了从剧本、分镜、提示词到可灵生成的完整创作方法。
公众号：生数科技AI 评分5050 生数科技骆怡航在 WAIC 2026 谈通用世界模型：从理解语言到理解世界
生数科技联合创始人兼CEO骆怡航在WAIC 2026论坛上提出，仅靠大语言模型理解世界只使用了人类智能的一小部分，AI下一阶段需要达到LLM范式级别的通用世界模型。该模型需形成感知、预测与行动的动态闭环，并具备跨场景的通用性与泛化能力。生数科技已构建统一基座，通过Vidu Q系列、Vidu S系列和Motubrain分别覆盖数字内容生成、实时交互与物理世界行动。
- Luma@LumaLabsAIAI 评分4141
最好的结果来自协作，而非命令。 设置一个 Luma Skill，给它空间探索你的想法，然后从它带回的素材中构建故事。 By Joshua Hoole. Made with Luma.
Apple Machine Learning ResearchAI 评分5555 CalibAtt：无需训练的稀疏注意力方法，将文生视频速度提升至 1.58 倍
Apple 与特拉维夫大学联合提出 CalibAtt，一种无需训练的校准稀疏注意力方法，通过离线识别 token 间可跳过的低分连接并编译为优化操作，在推理时跳过无关计算。在 Wan 2.1 14B、Mochi 1 及少步蒸馏模型上，CalibAtt 实现最高 1.58 倍端到端加速，在保持视频质量和文本-视频对齐的同时优于现有免训练方法。
IT之家·人工智能AI 评分4646 谷歌 DeepMind 发布 GenCeption：基于阿里 Wan2.1，打破计算机视觉桎梏
谷歌 DeepMind 发布 GenCeption 模型，将预训练视频生成器逆向改造成单一模型，可同时完成深度估计、图像分割等核心视觉任务。该模型基于阿里 Wan2.1 训练，一次前向传播即可输出结果，小模型处理 81 帧视频约需 6 秒。
IT之家·人工智能AI 评分5959 《第九区》导演发布首部AI短片《阴兵》，完全由字节Seedance 2.0生成
曾执导《第九区》的导演尼尔·布洛姆坎普发布其首部AI短片《阴兵》（Nightborne），时长约13分钟，每一帧画面均由字节跳动的Seedance 2.0模型通过文本提示逐帧生成。该片采用纪录片风格，仅授权使用了32位真人演员的外貌和声音。布洛姆坎普计划以相同方式拍摄一部长篇电影，并已创立AI电影工作室Barley Studios。
公众号：生数科技AI 评分4848 生数科技朱军：通用世界模型是连接数字与物理世界的新基础设施
生数科技创始人朱军在WAIC 2026上提出，通用世界模型需具备理解、想象与行动一体化能力，并发布全球首个MoT统一架构。该架构将理解、生成与行动专家统一于同一模型，支撑Vidu Q3等视频生成模型及具身智能机器人控制。最新模型可驱动多种异构机器人完成长程任务，在跨场景泛化上取得行业领先效果。
IT之家·人工智能AI 评分5151 导演陆川称 AI 生成像预制菜，正利用 AI 同时推进五部电影筹备
导演陆川表示，AI 生成的影像像预制菜，能弥补新手与老手的技术代差，但可能抹杀艺术创作中“错误”带来的迷人之处。他正利用 AI 同时推进五部电影的筹备，AI 已替代概念设计、分镜和部分剪辑等环节，大幅降低试错成本。陆川透露，在视觉商业领域，短片和广告已有 95% 以上被 AI 替代。
The Decoder：AI News精选AI 评分7676 《第九区》导演Neill Blomkamp发布首部完全由AI生成的短片《Nightborne》
Neill Blomkamp发布了13分钟科幻恐怖短片《Nightborne》，完全使用Seedance 2.0视频生成模型通过文本提示逐帧创作。影片采用纪录片风格，使用了32位真实人物的面部和声音（已获授权），人类艺术家负责概念艺术。Blomkamp表示计划以相同格式拍摄一部长片，并已创立AI电影工作室Barley Studios。
推荐理由：《第九区》导演用AI拍了一部13分钟的叙事短片，不是实验片段，还顺势成立了AI电影工作室——这可能是长片AI制作的分水岭。
公众号：昆仑万维同事件AI 评分6464 昆仑万维发布并开源可交互世界模型 Matrix-Game 3.5
昆仑万维在 WAIC 2026 发布并开源新一代可交互世界模型 Matrix-Game 3.5。该模型通过 Patch Memory 与 Warped PRoPE 实现长期记忆与几何一致性建模，可在单张 GPU 上以 720P 分辨率、约 20FPS 实时生成流式视频。
同一件事，精选收录的是《昆仑万维宣布2026为“世界模型元年”，发布Matrix-Game 3.5等模型》
IT之家·人工智能AI 评分5959 Netflix 以 5.87 亿美元收购本·阿弗莱克创办的 AI 公司 InterPositive
Netflix 以 5.87 亿美元现金收购了本·阿弗莱克创办的 AI 初创公司 InterPositive。该公司开发的 AI 工具主要用于电影后期制作，如补拍缺失镜头和修正灯光效果。收购后，InterPositive 团队将加入 Netflix，阿弗莱克担任高级顾问。
IT之家·人工智能AI 评分4343 王祖贤息影 22 年后授权 AI 形象，网易《天下》合作推出首个 AI 短片《倩影》
网易《天下》IP 18 周年之际，王祖贤授权其年轻时的经典荧幕形象，与网易互娱 DM Monet 画布、火山引擎合作推出首个 AI 短片《倩影》。此前，62 岁香港演员吴启华也自曝已出售肖像权用于 AI 电影制作，称 AI 发展为其开拓了新的发展路线。
IT之家·人工智能AI 评分5454 阿里云百炼上线 HappyOyster 1.0，一句话生成可互动 AI 数字世界
阿里云百炼今日上线开放式世界模型产品 HappyOyster 1.0，用户输入一句话或一张图即可生成可互动、可探索的 AI 数字世界。该模型支持 1 分钟连续实时交互的世界探索模式和 3 分钟以上分支叙事的实时导演模式，已提供三端 SDK 并开启灰测。
- Kling AI@Kling_aiAI 评分6666
The Decoder：AI NewsAI 评分6565 Netflix 在约 300 个制作项目中应用 AI，主要用于后期制作
Netflix 联合 CEO Ted Sarandos 在财报电话会上透露，公司目前约有 300 个制作项目使用了 AI，主要用于后期制作，包括扩展群众场景和历史战斗序列。纪录片《The American Experiment》中 17 分钟的 AI 辅助镜头制作速度提升一倍、成本降低一半。Sarandos 表示节省的资金“很可能”用于增加内容产出，而非缩减 Netflix 200 亿美元的预算。
IT之家·人工智能AI 评分6565 阿里通义实验室发布 Wan-Streamer v0.2，AI 视频电话响应延迟仅 550ms
阿里通义实验室发布 Wan-Streamer v0.2，端到端响应延迟仅 550ms。该模型将输出分辨率从 v0.1 的 192×336 提升至 640×368 @ 25FPS，并通过“快慢分工、时序重叠”架构在提升画质的同时不增加用户可感知延迟。
公众号：通义实验室精选AI 评分6969 通义实验室发布 Wan-Streamer v0.2，端到端响应延迟仅 550ms
通义实验室发布 Wan-Streamer v0.2，这是一款将“听、看、说、演”统一进单个 Transformer 的端到端全模态模型。其端到端响应延迟仅 550ms，输出分辨率从 v0.1 的 192×336 提升至 640×368 @ 25FPS，并采用 Thinker-Performer 双通路架构在提升画质的同时维持了极低延迟。
推荐理由：通义实验室把实时视频交互延迟压到550ms，同时提升了分辨率，不是刷榜而是解决实际问题，对做数字人和实时助手的团队是个值得跟进的信号。
公众号：通义实验室精选AI 评分7676 Wan-Streamer v0.2 发布：端到端响应延迟仅 550ms，支持 640×368 实时视频对话
通义实验室发布 Wan-Streamer v0.2，端到端响应延迟 550ms（200ms 模型延迟 + 350ms 网络延迟），输出分辨率从 v0.1 的 192×336 提升至 640×368 @ 25FPS。
推荐理由：550ms端到端延迟把实时视频对话从拼接流水线推入单模型交互循环，原先因响应太慢而无法沉浸的口语陪练与面试模拟，开始具备自然对话的交互基础。
IT之家·人工智能AI 评分4848 谷歌 Google Vids 新增数字分身功能，Gemini Omni 模型同步登陆
谷歌为 Google Vids 加入个人数字分身功能，用户上传自拍照和语音录音即可生成外貌与声音模仿本人的虚拟形象。多模态 AI 模型 Gemini Omni 同步登陆，支持文字提示词与参考图片整合生成视频，并可分步修改。数字分身与谷歌账号绑定，生成内容嵌入 SynthID 隐形水印，目前仅向部分地区年满 18 岁的用户开放。
IT之家·人工智能AI 评分5555 Netflix：2026年约300部作品使用生成式AI
Netflix在第二季度业绩报告中披露，2026年约300部作品采用了生成式AI工作流程，绝大多数用于后期制作。印度、巴西和美国的部分作品已利用该技术制作复杂场景。Netflix表示正越来越多地使用生成式AI工具，以更低成本、更快速度制作高质量成果。
TechCrunch：AIAI 评分5050 Google Vids 更新：上传自拍和录音即可创建数字分身，并引入 Gemini Omni 多模态模型
Google 为 Vids 推出数字分身功能，用户上传自拍和录音即可生成外观和声音与本人一致的 AI 头像。同时，多模态模型 Gemini Omni 被引入 Vids，支持结合文字提示和参考图片生成视频，并能逐步编辑、替换背景或调整光线。新头像与 Google 账号绑定，并带有 SynthID 隐形水印，仅限 18 岁以上特定地区用户使用。
Google Blog：AI精选AI 评分6060 Google Vids 上线 Gemini Omni 与个人数字分身功能
Google Vids 推出两项更新：Gemini Omni 支持用户通过自然语言提示词和图片参考生成、逐步编辑高质量视频片段；个人数字分身功能允许用户上传自拍和语音录制后，输入文字即可让数字分身出镜。两项功能面向 Google AI Pro 和 Ultra 订阅者及 Google Workspace 商业客户开放，所有生成内容均含不可见的 SynthID 数字水印。
推荐理由：如果你已经在用 Google Workspace，这两个更新让 Vids 的可用性提升了一档，但对于外部的 AI 视频生成，没带来新变量。
公众号：生数科技AI 评分5050 生数科技入选工信部2025年人工智能应用典型案例
生数科技申报的“国产化高性能多模态通用大模型创新应用”入选工信部《2025年人工智能应用典型案例名单》技术底座方向。在数字世界，Vidu支持文生视频、图生视频、参考生视频，实时交互模型Vidu S1实现数字角色实时交互；在物理世界，Motubrain打造具身智能通用大脑。
公众号：昆仑万维精选AI 评分6868 天工短剧工作台发布“Agent智能分镜+无限画布”双轨创作模式
天工短剧工作台推出双轨创作模式，通过导演Agent自动解析剧本、规划站位与机位，并支持多视细节图生成，解决AI短剧角色变脸和站位漂移问题。该工具内置影视级提示词模板、720°全景图及3D导演台，实现可控生产。已有三部作品上线DramaWave 7天实现百万美元级营收。
推荐理由：天工短剧工作台把导演思维实打实地做进了产品，站位置图和3D导演台专门根治角色乱变脸的痼疾，是短剧工具从随机抽卡迈向可控生产的关键一步，创作者值得细看。