量子位精选AI 评分7575

Utopai Studios 视频模型 Utopai X 盲测全球第二并推出制片平台 PAI

独立评测机构 Artificial Analysis 最新文生视频榜单中，影视公司 Utopai Studios 的模型 Utopai X 位列全球第二。该模型基于 MiniMax 开源视频模型 H3 进行后训练，在音频同步和运镜控制等 7 项能力上表现更优。

硅星人ProAI 评分3939

Utopai Studios 推出 Utopai X 与 PAI 系统，开启“AI 皮克斯”之路

Utopai Studios 推出后训练模型 Utopai X 及 PAI 制作系统，将生成能力嵌入专业影视生产线。Utopai X 在 Artificial Analysis 有声文生视频榜单中以 1150 Elo 位列全球第二。该系统已通过 Cortés 等三部院线长片及与日本 DeNA 的合作进入实际生产。

机器之心AI 评分3737

视频世界模型时序稳定2-bit KV Cache压缩方案QuantWM诞生

哈工大（深圳）与NUS提出免训练量化框架QuantWM，解决视频世界模型2-bit KV Cache压缩导致的画面闪烁与画质下降问题。该方法在五种视频模型上显著改善生成质量，实际KV Cache显存压缩最高达6.20倍。

TechCrunch · AIAI 评分3838

前 Ramp 工程师创立的广告 AI 平台 Melius 完成 2500 万美元融资

AI 广告创意生成平台 Melius 宣布完成共 2500 万美元融资，包括 CRV 领投的 2000 万美元 A 轮和 General Catalyst 领投的 500 万美元种子轮。该公司在 7 月退出隐身模式两个月内，年化收入已突破 100 万美元。Melius 由前 Ramp 工程师创立，团队推翻了最初的营销工具代码库，转而打造可生成广告活动、图像和视频的“创意工作智能体实验室”。

机器之心精选AI 评分6868

Utopai X 视频模型全球第二：影视公司生产系统如何驱动 AI 能力

独立评测机构 Artificial Analysis 的全球文生视频排行榜（Video Arena）上，影视公司 Utopai Studios 开发的 Utopai X 以 1150 的 Elo 评分位列全球第二、全美第一。文章分析指出，这一成绩并非单纯技术突破，而是源于该公司将影视制作经验沉淀为 AI 生产系统的结果。

Reka 发布 Rho-1：19B 全模态推理模型，统一理解、生成视频并输出机器人动作

Reka 发布 Rho-1 研究预览版，这是一个 19B 的全模态推理模型，能统一处理文本、图像、视频和机器人动作。模型采用双流架构，在 320 张 H100 上训练 3 个月，支持视频生成与实时控制，蒸馏版本可将去噪步骤从 99 降至 8。

新智元精选AI 评分7575

影视公司自研模型 Utopai X 登顶 AI 视频多项指标

Utopai Studios 自研视频模型 Utopai X 在 Artificial Analysis 盲评榜单中取得全球第二、全美第一，音频同步与物理效果获全球第一。该公司基于 MiniMax H3 进行深度后训练，引入好莱坞影视实战需求，并与 DeNA、华策影视等达成合作，三部长片锁定 2027 年全球院线。

机器之心AI 评分4949

影视公司 Utopai Studios 发布 Utopai X，成全球第二的视频模型

影视公司 Utopai Studios 自研的 Utopai X 在 Artificial Analysis 的 Video Arena 排行榜中以 1150 Elo 评分位列全球第二。

2026 年最佳视频编辑软件推荐

Zapier 博客更新了 2026 年最佳视频编辑软件清单，评测了超过 90 款应用。推荐包括 Adobe Premiere（最佳专业编辑器）、DaVinci Resolve（最佳免费编辑器）以及 Final Cut Pro（Mac 专业工具）。

The DecoderAI 评分7171

Reka AI 发布多模态模型 Rho-1

Reka AI 发布 190 亿参数多模态模型 Rho-1，使用单一神经网络处理文本、图像、视频和机器人控制动作。该模型在单一上下文窗口内处理所有模态，无需外部工具调用，并能实时生成连续视频，使用相机图像预测权重直接驱动机器人运动。Reka AI 利用逆向动力学模型从普通互联网视频提取控制信号以补充机器人训练数据，Rho-1 在 320 个 H100 GPU 上训练约三个月。

优设AIGCAI 评分6767

DiDi_OK的AI短片《网站》获2026 Reply AI Film Festival双料大奖

中国创作者DiDi_OK的11分钟AI短片《网站》从全球76个国家3100多部投稿中进入10强，在2026 Reply AI Film Festival上获得AI Studios Grand Prix和观众票选第一两项大奖。影片通过一个神秘网站播放荒诞新闻并将其变为现实的科幻设定，探讨注意力改变现实的主题。制作融合Veo 3、Runway、可灵、Seedance 2等多模型协作及交互网页开发。

K姐研究社AI 评分7070

Claude Opus 5.5 代码生成视频玩法与 7 种应用场景

Claude Opus 5.5 通过代码驱动渲染（SVG、WebGL 等）生成视频，避免了扩散模型难以精准控制的痛点。文中介绍了开启 UltraCode 模式并行协作的方法，并展示了产品宣传、儿童绘本、项目介绍、UI 变形动画、科普视频及电影故事制作等 7 个应用场景。

新智元AI 评分2424

Fable 5.5 震撼首测：人类万年史浓缩进 24 小时！外网传疯了的 3 分钟神作

博主使用 Fable 5.5 纯代码生成了 3 分钟“人类进化史”视频，将万年历史压缩为 24 小时。该短片零素材零版权，并展示了 94 秒 42 个数量级缩放及 SCP 交互游戏等能力，通过代码构建世界而非像素预测。

极客公园精选AI 评分7575

Tavus 发布 Griffin 模型：全双工视频交互让 48% 用户误以为是真人

Tavus 发布 Griffin 模型，定义为全球首个「人类交互模型」（HIM）。该模型采用全双工、视频到视频架构，在一分钟测试中 48% 的参与者误认为对面是真人。其核心突破在于端到端处理视觉与听觉信号，平均延迟 0.43 秒，并能在 NVIDIA VideoFDB 基准的生成赛道领先竞品。

网罗灯下黑AI 评分5555

Opus 5.5 视频生成能力复盘：十个硬核案例与工作流拆解

Opus 5.5 在视频生成领域展现出的能力正在深刻冲击传统剪辑行业，通过交互式光学实验室、乐高机器人拼装等高规格案例展示了其代码生成上限。十个爆款视频案例表明，高质量 AI 视频产出依赖长提示词、参考素材及数十小时的模型运行迭代，提示词仅占质量要素的 10%。

AI信息Gap精选AI 评分8585

Claude Opus 5.5 视频生成完整教程：从一句话到 9500 字符导演脚本

Anthropic 的 Claude Opus 5.5 虽非视频模型，但可通过生成网页动画代码、无头浏览器逐帧截图、FFmpeg 拼接实现视频制作。教程给出了 HyperFrames 与 Remotion 两种渲染方案，以及 6 种提示词策略，从一句话到 9500 字符导演脚本不等。

Google AI Developers BlogAI 评分3838

HeyGen 将 Avatar IV 部署至 Google Cloud Trillium TPU，实现 1.86 倍加速

HeyGen 将其拥有超过 18B 参数的扩散模型 Avatar IV 部署在 Google Cloud 的八芯片 Trillium (v6e) TPU 主机上。通过优化编译器契约及并行策略，该版本比首个工作版快 1.86 倍，且每分钟生成视频成本效率提高 25%。该模型支持 Web 和 API 访问，输出 720p 或 1080p 视频。

InfoQ CNAI 评分1515

Vidu 多模态大模型如何驱动 AIGC 内容生产力变革 | QCon 上海

生数科技解决方案负责人郑重将在 QCon 上海分享 Vidu 多模态大模型的创新与实践。演讲聚焦视频生成在角色一致性、镜头叙事控制及流式交互等关键技术挑战，展示 Vidu S1 实现秒级响应与多模态输入输出的能力。该内容将探讨视频模型从离线生成工具向可控、实时交互的内容生产基础设施演进的技术路径。

Google AI Developers BlogAI 评分3131

Google TPU 上加速视频扩散时空稀疏注意力

Google 开发者博客展示了一种在 TPU 上加速视频扩散模型的方法，通过将理论稀疏性转化为端到端的速度提升。该方法利用视频扩散中注意力质量高度集中的特性，动态路由空间头和时间头至相应的稀疏掩码。文中详细对比了基于 JAX 和 Pallas 的自定义 Splash Attention 内核在单个 TPU v6e 设备上的性能优化过程。

Sac@Saccc_cAI 评分5454

作者开源了用于 Fable 5.5 的视频生成提示词。该提示词指令模型制作一段 15 秒的动态图形视频，展示其动态设计能力，作者强调该模型目前在灰度测试中，效果显著。

硅星人Pro精选AI 评分7979

Tavus 发布 Griffin 实时视频交互模型，48% 参与者误认为真人

AI 研究团队 Tavus 发布 Griffin 模型及其预览版 Griffin-Lite，在 54 人的实验中 26 人（48%）误认为通话对象是真人，而上一代系统该比例仅为 2.4%。模型采用全双工交互方案，将音视频生成延迟压缩至 0.43 秒，在英伟达 VideoFDB 榜单上表现领先，但样本有限且对话流畅度评分偏低，Tavus 称正在开发 AI 身份披露功能。

机器之心AI 评分5959

淘宝 TaoMate-H3 开源：三步生成「分钟级」音视频连续创作

阿里巴巴 TaoLive AIGC 团队开源音视频联合流式生成模型 TaoMate-H3。该模型基于 MiniMax H3，结合三步 LoRA 推理与自回归生成，可根据文本描述连续生成包含人物对白、歌声或环境音的视频，支持分钟级续写及 480p、768p、1080p 等分辨率。

量子位AI 评分5252

Live Assistant 发布面向真实直播场景的三方反馈视频理解范式

复旦大学、字节跳动国际直播AI团队与上海创智学院联合发布 Live Assistant，提出一套面向真实直播的三方反馈范式，将模型输出压缩为该不该说、说给谁和说什么类型三类动作。该工作基于 Omni 多模态底座与多轮 RL 训练框架，相关代码已在 GitHub、HuggingFace 和 arXiv 开源。

CVerAI 评分2121

清华大学数据科学与智能实验室 8 篇论文被 NeurIPS 2026 录用

清华大学数据科学与智能实验室在 NeurIPS 2026 录用 8 篇论文，涵盖大模型、智能体及 AI for Science 领域。其中 WorldScape-MoE 在 WorldArena 基准超越 Ctrl-World 2.86%，UniVLR 使生成 token 数减少 15.2 倍，展示了多模态推理效率提升。

AIGC开放社区AI 评分1010

上海银行徐汇支行等联合推出“超级创业者·AI创新系列训练营”，首期聚焦AI视频创作

上海银行徐汇支行联合云赛空间、AIGC开放社区共同推出“超级创业者·AI创新系列训练营”。该系列包含五场活动，首期聚焦AI视频创作并启动“我与AI”视频故事创作大赛。参赛者有机会获得银行积分、专属礼品及算力、Token等资源奖励。

AWS Machine Learning BlogAI 评分3535

Condé Nast 如何利用 Amazon Bedrock 构建多模态视频发现

Condé Nast 基于 Amazon Bedrock 和 Amazon OpenSearch Service 构建了多模态视频发现系统，将内容检索时间从 250 分钟缩短至 2 分钟以内。该系统采用 TwelveLabs Marengo 嵌入模型，通过自然语言意图搜索，在超过 14 万条视频中实现跨文本、视觉和音频的语义匹配，并返回精确的时间戳。

腾讯研究院AI 评分4444

对话中国首部AI长剧《后西游记》导演李东珅：三年内99%影视内容将用上AIGC

中国首部AI长剧《后西游记》上线，导演李东珅预测三年内99%影视内容将采用AIGC技术。该剧30集制作成本约2700万元，仅为传统同体量S级剧的十分之一。李东珅认为AIGC将抹平经验门槛，使影视行业转向更稀缺的审美选择。

APPSOAI 评分6060

可灵4.0发布并开放小范围体验，主打专业影视级生成与多维可控能力

可灵4.0大版本更新定于10月正式发布，其主打画面真实感与创意可控性，支持10-bit HDR与4K分辨率输出，单次任务可输入最多15项参考素材。Kling 4.0 Flash版本已于9月28日开放小范围体验，在生成速度和高性价比方面做了优化。

Google AI BlogAI 评分1010

电影 The Gifted 获选为 Future Vision XPRIZE 大奖

独立电影 The Gifted 获选为 Google 与 XPRIZE 合办的 Future Vision XPRIZE 大奖，从全球 2,500 多个参赛作品脱颖而出。

CVerAI 评分4242

北大清华阿里提出SparkDiffusion：整合稀疏注意力与蒸馏的视频生成加速系统

北京大学、清华大学及阿里巴巴等机构提出SparkDiffusion，首个整合稀疏注意力、少步蒸馏与低精度量化的视频生成加速开源系统。该系统在RTX 5090单卡上实现720P视频生成265倍加速，H100加速220倍，VBench-2.0评分仅下降0.5点。

Wired AIAI 评分2727

Worldmodeldata 利用视频游戏数据训练世界模型

英国初创公司 Worldmodeldata 通过整合视频游戏开发工作室收集的控制器输入数据，构建世界模型训练数据集。该公司已授权近 100 万小时的游戏数据，旨在解决 LLM 缺乏物理世界交互数据的瓶颈。Nvidia 等机构认为游戏物理引擎过于粗略，不适用于精细操作，但 Worldmodeldata 认为这些数据能带来世界模型的“GPT 时刻”。

腾讯研究院AI 评分4545

腾讯研究院探讨AI短剧内容通胀与行业新稀缺资源

腾讯研究院举办圆桌对话，探讨AI微短剧爆发下的“内容通胀”现象。今年前8个月上线微短剧43万部，其中90%以上由AI生成，日均上新超1000部。嘉宾认为在AI降低制作门槛后，优质故事、判断力、经验及变现能力将成为行业新的稀缺资源。

新智元精选AI 评分8181

生数科技 Vidu S2 实时互动模型助力AI主播紫樱完成直播

生数科技发布 Vidu S2 实时交互模型，AI主播紫樱在其支持下完成直播并赚取营业值。Vidu S2 支持实时语音交互、动作控制和视频流编辑，具备强一致性，可应用于游戏NPC、AI陪伴和实时风格化视频生成。

卡尔的AI沃茨AI 评分5959

实测 LibTV 1.5 五大新功能：把完整剧组搬进 AI 短剧工作流

LibTV 1.5 上线并把 Agent 升级为 TV Director，新增剧本原创及改编、角色造型室、导演执导、3D-BOX、创意片头五个核心能力。作者实测从爆款预测开始创作剧本，可融合两种风格，生成含故事大纲、人物小传和 50 集分集剧本的完整方案，每集剧本支持手动编辑或框选后交给 Agent 修改并逐条接受或撤销。

大模型智能AI 评分6161

Claude Opus 5.5代码直出多模态内容，网友实测效果超越 GPT 与 Grok

Claude Opus 5.5上线后，网友利用其纯代码能力生成视频动画、3D模型和小游戏，实测效果优于GPT 5.6 Sol和Grok 4.7。Opus 5.5在代码和计算机操作等基准上超越前代，输出速度较Opus 5提升37%，价格降低42%。

APPSO精选AI 评分7777

Meta 发布 100 克 Meta VR Glasses 及 Ray-Ban Meta Audio

Meta 发布仅重 100 克的 Meta VR Glasses，售价 1299.99 美元，并推出无摄像头的 Ray-Ban Meta Audio 眼镜。两款产品均搭载 Muse 智能体与助听功能，分别瞄准轻便观影与全天候佩戴场景。

量子位AI 评分1313

量子位招聘AI产业、财经及产品方向编辑

量子位招聘全职编辑，涵盖AI产业、财经及AI产品三大方向，工作地点位于北京中关村。岗位面向社招及校招，应聘需投递邮件至指定邮箱并附科技行业代表作品。

Latent SpaceAI 评分6161

Runway GWM Worlds 2 如何从视频生成转向实时世界模型

Runway 推出 GWM Worlds 2，通过 WorldPrompt 将视频生成转化为可交互的实时世界模型。技术路径包括将双向扩散模型转化为自回归因果扩散模型，并利用蒸馏技术将其压缩至 720p/24 fps 实时输出。当前局限在于缺乏结构状态读取能力与长期记忆，未来可应用于代理测试、机器人模拟和界面生成等场景。

Google Research精选AI 评分7575

Google 提出 AI 视频协同导演框架，自动化生成连贯的长视频

Google Research 推出 AI 视频协同导演（AI video co-director），一套建立在 Gemini 和 Veo 之上的多智能体框架，旨在自动化长视频生成的创意编排与视觉连贯性。

行者AI视频AI 评分4343

LibTV 1.5 升级：整合 3D 镜头预演与智能编剧功能

LibTV 1.5 升级了 TV Director 编剧、3D-BOX 虚拟影棚及角色造型功能。用户可通过 3D-BOX 预演复杂镜头，利用导演分身优化分镜提示词，并保存角色以解决一致性难题。