跳到正文

#视频

今日 0 条
11月16日周一
11月12日周四
  1. IT之家51

    字节火山引擎发布 Seedance 2.5 flash 视频模型:生成速度翻倍,价格更低

    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。

  2. Simon Willison55

    Google发布Gemini Decision 1决策模型API

    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。

11月7日周六
  1. 量子位52

    魔芯科技发布通用4D世界模型MoWorld 2.0,融合十余种物理要素并在昇腾NPU达70 FPS

    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。

11月6日周五
  1. Hugging Face Blog67

    NVIDIA 发布四个 Cosmos 3 Nano 开放权重模型用于交互式世界模拟

    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。

  2. Google DeepMind67

    Google DeepMind 发布 Gemini Omni 1.2 Flash,支持15秒视频与多轮对话编辑

    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。

10月30日周五
10月29日周四
10月28日周三
  1. The Decoder62

    Google DeepMind 的 Genie 4 为前 LLM 时代的智能体设计带来现代演绎

    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。

  2. Google DeepMind71

    Google DeepMind 发布 Genie 4 新一代世界模拟模型

    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。

10月23日周五
  1. IT之家45

    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 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。

10月21日周三
10月16日周五
  1. The Decoder64

    Google 希望 Gemini 4 Argon 成为机器人唯一所需的 AI 模型

    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。

10月15日周四
  1. 量子位73

    昆仑万维Skywork AI发布Matrix-Game 4.0,单张RTX 5090实时运行游戏世界模型并开源

    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。

10月11日周日
10月10日周六
10月2日周五
  1. MiniMax 动态74

    MiniMax 发布全模态生成模型 H3

    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。

8月28日周五
7月1日周三
  1. Google DeepMind82

    Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash

    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。

5月18日周一
  1. Google DeepMind82

    Google DeepMind 发布 Gemini Omni Flash,支持多模态输入生成与对话式视频编辑

    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。

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有