Arena 2026 年第 46 周大模型榜单:Gemini 4 Carbon 首秀登顶,国产模型稳居视频榜前五
Arena 平台 2026 年第 46 周盲测榜单显示,谷歌 Gemini 4 Carbon (High) 以 1526 分首秀登顶综合榜,同家族 Gemini 4 Argon (High) 以 1522 分紧随其后。国产模型在 AI 视频榜表现强劲,字节跳动 dreamina seedance 2.0/2.5 及阿里 wan 3.0 分别占据第 6、7、8 名,稳居第一梯队。
Arena 平台 2026 年第 46 周盲测榜单显示,谷歌 Gemini 4 Carbon (High) 以 1526 分首秀登顶综合榜,同家族 Gemini 4 Argon (High) 以 1522 分紧随其后。国产模型在 AI 视频榜表现强劲,字节跳动 dreamina seedance 2.0/2.5 及阿里 wan 3.0 分别占据第 6、7、8 名,稳居第一梯队。
字节火山引擎 11 月 12 日推出 Seedance 2.5 flash 视频模型,生成速度较 Seedance 2.5 提升一倍且价格更低。720P 下生成价格约 0.99 元/秒,降低约 34%,单段最长 30 秒,支持 10 张图片等输入,API 将于 11 月 15 日上线火山方舟。该模型与旗舰版 Seedance 2.5 形成高低梯度,面向批量内容生产。
Google于2026年11月11日发布Gemini Decision 1决策模型API,加入Jev和OpenAI的决策模型类别。该模型支持yes/no、choice和rubric-scoring三类问题,覆盖文本、图像、音频、视频与PDF全模态,输入每百万token 10美分且输出免费。作者用视频测试返回概率值,Jev仅文本最便宜,OpenAI支持文本与图像。
魔芯科技在乌镇世界互联网大会发布新一代通用4D世界模型MoWorld 2.0,将重力、流体等十余种物理要素融入同一模型,实时视频推理速度从50 FPS提升至70 FPS。模型可输出3D/4D高斯资产供下游编辑与机器人仿真,推理成本最低为同规模GPU方案的30%。该版本是继今年7月MoWorld 1.0后的迭代,依托华为昇腾NPU优化实现芯模协同。
华为 HarmonyOS 终端用户数预计 11 月下旬突破 1 亿大关,目前设备数已超 9000 万。谷歌发布 Gemini Omni 1.2 Flash 视频模型,720p 生成价格降至每秒 0.07 美元。
谷歌发布 Gemini Omni 1.2 Flash 视频生成模型,原生支持15秒生成且较1.1版本降价30%。该模型支持多轮对话式编辑、参考遵循与跨镜头一致性,已在 Gemini API 与 Gemini for business 平台开放使用。普通用户可在 Flow 中免费生成15秒片段,而1.1版本原生时长仅为10秒。
NVIDIA 发布四个 Cosmos 3 Nano 开放权重检查点模型,用于交互式世界模拟与多传感器驾驶场景生成。四个模型分别为 Cosmos3-Nano-Transfer-Auto、Sim-Auto、Sim-Transfer 和 Sim-Bimanual,均基于 Cosmos 3 Nano 后训练,具备 16B 可训练参数并采用 OpenMDW1.1 许可。
推荐理由:原文放出四个 Cosmos 3 Nano 开放权重模型,覆盖驾驶多视角与双臂机器人视频生成,研究者可基于公开食谱微调适配。
Google Deepmind将Gemini Omni 1.2 Flash视频生成模型全面开放,片段最长延至15秒且价格降30%至$0.07每秒(720p)。该模型支持对话式编辑与参考图像一致性提升,并通过Gemini API等多平台推出且带SynthID水印。此前版本最长仅10秒。
Google DeepMind 发布 Gemini Omni 1.2 Flash,原生支持15秒视频生成与多轮对话编辑,价格较1.1降30%至每720p秒0.07美元。该模型提升参考一致性与自然语音,已通过 Gemini API 和 Google 应用向开发者及企业开放。
推荐理由:Gemini Omni 1.2 Flash 相比1.1版本将视频时长提至15秒并降价30%,帮助企业低成本批量制作一致性广告。
英伟达与MIT组成的Efficient-Large-Model团队在Hugging Face发布开源视频增强项目Open-H3-Regenerate-2K的模型权重与推理代码,基于MiniMax H3支持最高3840×2160的4K重生成。
Google DeepMind 预览 Genie 4,一个可生成原生音频的实时世界模型,用户通过文本即可改变天气、镜头和角色。该模型正测试用于机器人训练与交互体验,目前仅向受信测试者开放,尚未公开可用。这是 Genie 3 之后的新一代世界模型。
2026 胡润百富榜发布,字节跳动创始人张一鸣以 6700 亿元财富第二次成为中国首富,刷新中国首富财富纪录。DeepSeek 创始人梁文锋首次上榜,以 2800 亿元财富位列榜单第七。
谷歌DeepMind发布Genie 4世界模型,用户可用自然语言实时改变模拟世界并原生同步音频与画面。该模型在物理与人物动作上更真实,目前仅向受信任测试者开放研究预览,未来几周将扩展至Google AI Ultra及Gemini API等合作伙伴。
谷歌 DeepMind 推出世界模型 Genie 4,可生成拟真可交互虚拟世界并同步实时音频,目前开放研究预览。相较前代Genie 3,其连贯场景时长翻倍至两分钟,并与Gemini集成用于机器人仿真前验证。前代Genie 3于一年多前以研究预览形式发布。
Google DeepMind 的 Genie 4 以实时世界模型重新演绎前 LLM 时代的智能体设计,能逐帧生成带声音与对话角色的交互场景。Gemini 模型在后台规划以维持模拟一致性,当前仅向选定测试者开放研究预览,后续将登陆 Project Genie 网页应用及 Gemini API 早期合作方。它是 Genie 3 的后继,Genie 3 于 2025 年 8 月展示。
Google DeepMind 发布 Genie 4 世界模型,可原生生成多模态实时模拟,在物理、人类动作与音频写实度上实现显著提升。该模型借助 Gemini 家族提供推理以维持模拟连贯,目前已向受信测试者开放研究预览,后续将登陆 Google AI Ultra 等平台。
推荐理由:Genie 4将实时世界模拟的写实度、物理与人类动作连贯性推进到新水平,当前仅以研究预览向受信测试者开放。
字节跳动旗下火山引擎正式发布 Seedance 2.5 4K 模型,该模型支持 Draft 模式,允许用户先用 480P 样片验证分镜,满意后再生成 4K 正片。目前该模型仅供部分企业客户试用,后续或将逐步扩大开放范围。此前字节跳动于 6 月 23 日在 FORCE 大会上首次发布 Seedance 2.5,并于 8 月 7 日正式放开其商用 API 调用权限。
NVIDIA 发布 Cosmos3-H-Dreams,一个基于 Cosmos 3 和 FlashDreams 的实时生成式临床胆囊切除术模拟器,可在单张 NVIDIA RTX PRO 6000 GPU 上交互运行。
快手可灵AI宣布Kling 4.0模型全量上线klingai.com,单次生成视频最长可达30秒,并接入MCP与CLI支持更多创作场景。该版本在画面真实感、口型匹配、多关键帧等方面大幅升级,企业API将于近期开放。
Google 数日前全球发布 Gemini 4 Argon,期望它成为机器人唯一所需的 AI 模型,统一控制、仿真与评估。演示中从单张照片生成超4500次仿真训练,真实机器人成功率从56%升至75%;ERQA 基准获87%领先对手,但 AA-Robotics 真实控制测试仅排第三。虚拟环境训练并非新事,World Labs 与 Nvidia 已有类似探索。
昆仑万维Skywork AI发布Matrix-Game 4.0,全球首款可在单张RTX 5090上实时运行并开源的游戏世界模型。该模型让游戏引擎维护规则、视频模型生成画面,按键响应低于0.15秒、60帧运行。相比英伟达StreamRender-H3需8张GB200,单卡方案大幅降低硬件门槛,且团队自1.0起持续开源。
昆仑万维发布并开源视频大模型游戏 Matrix-Game 4.0,可在单张 NVIDIA RTX 5090 上以 480p、60 FPS 运行,延迟低于 150 毫秒。它首次跑通代码生成游戏逻辑到视频模型实时渲染闭环,项目已同步开源至 GitHub 与 Hugging Face。
Odyssey 推出 Odyssey-3 世界模型公开研究预览,用户可免费从文本生成实时交互环境。该模型基于自回归扩散 transformer,基础版 14B 参数、832×480 分辨率,Pro 版支持 1280×720,并在 Physics-IQ Verified 等基准取得分数但存在提交 caveat。
生数科技发布视频生成模型 Vidu Q4 Preview,支持 2K、4K 输出及 10bit 色深,单次最长生成 16 秒视频。该模型最多支持 3 段参考音频与 15 张参考图,首发优惠价 0.09 元/秒起,适用于 AI 短剧及影视创作等场景。
MiniMax 正式发布全模态生成模型 H3,支持对文本、图像、视频、声音组成的多模态上下文统一理解,可输出原生双声道音视频,最高支持 15s 2K 分辨率。官方称在 2K 分辨率下每秒价格不到主流模型的 1/3,768P 下约为主流模型 720P 的 1/2。MiniMax 计划在未来几天内在符合相关法律法规的前提下开放模型权重,并称 H3 设计初期已考虑多款现有国产芯片的兼容性。
推荐理由:官方给出全模态生成的预训练任务划分与三项关键技术取舍,可看清视频模型从专用走向任务统一的路线。
字节 Seed 发布新一代音视频生成模型 Seedance 2.5,单段视频时长提升至 30 秒并支持两次延长。该模型强化了参考视频意图理解与编辑可用率,提供白模控制、绿幕编辑等进阶能力,以适配专业视频创作流程。
Tavus 的 Griffin 模型在1分钟视频通话中让48%参与者误认为真人,此前系统最高仅2%。在 Tavus 所述的 Nvidia 独立音频视频对话拟人测试中 Griffin 获3.83分接近人类3.92分,预览版 Griffin-Lite 已开放给选定测试者。Tavus 成立于2020年,从营销视频扩展至实时对话。
Google DeepMind 发布 Gemini Omni 1.1 Flash,为开发者带来一批生成视频创作控制能力,通过 Gemini API 在 Google AI Studio 提供。
推荐理由:官方给出场景延展、首尾帧插值与 4K 上采样等具体能力与开放入口,可据此判断生成视频工作流的变化。
Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash 两款模型,前者是 Nano Banana 系列中速度最快、成本最低的图像模型,4 秒生成文本到图像,每张 1K 图像 0.034 美元;后者支持高质量视频生成与对话式编辑,输出视频定价为每秒 0.10 美元。
推荐理由:两款模型同日开放开发者入口,并给出延迟、单价与能力边界,便于评估图像到视频的串联工作流。
Google DeepMind 发布 Gemini Omni 家族首个模型 Gemini Omni Flash,可组合图像、音频、视频和文本输入生成高质量视频,并通过自然语言多轮对话编辑视频。
推荐理由:Gemini Omni Flash 把视频生成与对话式编辑合并到同一模型,读者可据此判断多模态创作入口的变化。