搜索
一周之内大语言、图片、视频模型都迎来新赛季：OpenAI的GPT-6 Astra让编码 Agent更好地使用游戏引擎和Blender，自己改场景、自己跑、自己测；GPT-image-2.5上线，更快更强，图片编辑和关键帧动画显著提升；fal和Yoroll分别发布 H3 MaxTurbo和H3 Superfast后训练加速模型，5秒视频3秒内推理，实时生成和互动玩法纷纷涌现。
前OpenAI Sora负责人比尔·皮布尔斯（Bill Peebles）与DreamWorks联合创始人杰弗里·卡岑伯格（Jeffrey Katzenberg）及Dropbox前CFO苏杰伊·贾斯瓦（Sujay Jaswa）共同创办AI视频创业公司，将自主训练视频模型，并与Andreessen Horowitz等投资人洽谈融资。
近年来，视频生成模型在清晰度、时序一致性和可控性上快速进步。给定文本、图像、相机轨迹或玩家动作，模型已经能够合成连贯的后续画面，也让「可交互视频世界」逐渐从概念走向可观看、可操作的原型。
西湖大学AGI实验室发布Code World Model视频世界模型，将世界演化与视觉生成分离，由Coding Agent和代码负责因果规则执行、视频模型负责高保真视觉渲染，并提出Proxy作为可编译视觉条件通道，用约5.6小时游戏视频完成原型验证。
AI短剧的女主接一条广告，60秒报价25万元。另一边，一条AI天宫短片在海外刷屏，零推广、小成本，数以万计的海外观众追着去搜中国神话。做出这条短片的栖光，是成都一名90后眼镜店老板，没学过影视，也没有团队，AI创作只是他坚持了两年的业余爱好。这条刷屏的天宫短片，正是用Pavo做出来的。
最近，AI短剧的风刮遍了所有平台。
友友们，最近的视频模型更新得有点凶。
近日，新加坡国立大学 Minghui Guo 与牛津大学 Shengqiong Wu、Hao Fei 在论文《V-RAE: Rethinking Video Latent Spaces for Generation》中提出视频表征自编码器 V-RAE。该方法以冻结的视觉基础模型为编码器，通过轻量级时间池化压缩视频特征，并将具有丰富语义和时间连续性的表征直接用于视频重建、生成与未来预测。
香港大学、香港科技大学与腾讯 ARC Lab 联合提出 SCoPE（Sightline-Coordinate Positional Encoding），一套面向视频 DiT 的射线空间位置编码：让视频模型处理位置关系的基底从张量网格转向射线空间。
当一个视频模型和 Seedance 2.5 同一天发布，似乎大概率要成炮灰，但 MiniMax H3 却成了一个例外。而现在 MiniMax 也开始把这种模型的能力，放到了具体的产品上，正式推出了 MiniMax Design，进一步把 H3 视频模型的能力放大，同时也让我们少折腾一些，可以更高效地制作各种商业化内容。