范式智能发布Phai-A1与Phai-M1双模型,全链路基于华为昇腾训练
范式智能(原第四范式)首次推出自研基座模型:通用语言模型Phai-A1与面向真人影视场景的视频生成模型Phai-M1。官方称Phai-A1在同等质量下响应速度比同参数级模型快约8-10倍,单张RTX 3090即可运行,具备原生百万级上下文;Phai-M1可在约3分钟生成15秒720P音画同步视频。
范式智能(原第四范式)首次推出自研基座模型:通用语言模型Phai-A1与面向真人影视场景的视频生成模型Phai-M1。官方称Phai-A1在同等质量下响应速度比同参数级模型快约8-10倍,单张RTX 3090即可运行,具备原生百万级上下文;Phai-M1可在约3分钟生成15秒720P音画同步视频。
字节火山引擎正式推出 Seedance 2.5 flash 视频模型,生成速度提升一倍、价格更低,官方称其是当前效果最接近 Seedance 2.5 的模型,整体效果优于前代旗舰 Seedance 2.0。
11月4日,浙大00后博士生陈天润创办的魔芯科技在乌镇世界互联网大会上发布新一代通用4D世界模型 MoWorld 2.0,将重力、弹力、浮力、光照、柔体、流体、刚体等十余种物理要素融入同一模型,用于更准确地模拟物体运动、碰撞和环境变化。
Pangram Labs 于本月 4 日发布 AI 图像检测模型 Pangram Image 1.0,该模型可通过热力图定位 AI 生成内容,在基于 12 种前沿 AI 图像生成器制作的 1200 张照片测试数据集上取得 99.96% 的准确率。
谷歌正式推出 Gemini Omni 1.2 Flash 视频生成模型,并在 Gemini API 与 Gemini for business 平台全面开放使用。
NVIDIA 在 Hugging Face 发布 Cosmos 3 模型家族的四个开放权重检查点,分别用于多视角驾驶数据生成、同步相机与 LiDAR 流式仿真、仿真器控制转视频以及双臂机器人动作预测。
推荐理由:四个检查点分别覆盖驾驶数据生成、流式仿真与机器人操作,并开放后训练配方,读者可据此评估迁移到自身场景的路径。
Google DeepMind 将 Gemini Omni 1.2 Flash 视频生成模型转为正式可用,片段时长从最长 10 秒延长到 3 至 15 秒,720p 视频价格下调 30% 至每秒 $0.07。
Google DeepMind 发布 Gemini Omni 1.2 Flash,在 Gemini API 与 Gemini for business 全面可用。
推荐理由:相比 Omni 1.1,片长从 10 秒延长至 15 秒、每秒价格下调 30%,并新增多轮对话式编辑与参考图保持能力。
谷歌 DeepMind 发布 Genie 4 世界模型,用户可在实时模拟中用自然语言指令改变天气、镜头、角色或物体,模型同时原生同步生成音频。皮查伊称其为谷歌迄今最逼真、最具互动性的世界模型。
谷歌 DeepMind 发布世界模型 Genie 4 研究预览,可生成可交互虚拟世界并同步产出实时音频,场景最长维持两分钟、为前代两倍,还支持运行中修改天气、镜头角度等自由编辑。
Google DeepMind 发布新一代世界模型 Genie 4,单次交互模拟时长从约一分钟延长至两分钟,首次支持实时生成环境声音、音乐与人物对话,用户可在运行中输入提示词改变天气、添加人物和物体。
Google DeepMind 以研究预览版发布最新世界模型 Genie 4,可生成更具照片真实感的交互式世界,支持在模拟过程中输入提示词实时改变场景,并生成与画面匹配的音乐、环境音和对话音频。
Google DeepMind 发布 Genie 4 世界模型,在物理模拟和人物表现上比 Genie 3 更真实。该模型无需预渲染环境或编程交互元素,可根据指令逐帧实时生成可探索的体验。DeepMind 将世界模型视为迈向 AGI 的关键,称其可为物理机器人创造无限训练环境,付费用户有望较早用上 Genie 4。
Google DeepMind 发布新一代世界模型 Genie 4,可实时生成交互式模拟,并原生生成环境音、音乐与可适应输入的角色对话。模型结合 Gemini 系列能力,Gemini 3.8 Flash 作为引导智能体维护场景连贯,还可与 Gemini 4 Argon 及 Gemini Robotics 联动模拟多步骤机器人任务。
推荐理由:原文将 Genie 4 的能力拆为实时操控、物理与人物动作、原生音频和复杂事件模拟四部分,并说明了研究预览版的开放范围与已知局限。
iPhone Duo 于 10 月 23 日正式交付,预购强劲、供应有限,部分新订单预计 2027 年 1 月 25 日左右送达。月之暗面发布 3 万亿级参数模型 Kimi K3.1 Pro,支持 100 万 Token 上下文,Terminal-Bench 4.0 得 65.7%;火山引擎发布 Seedance 2.5 4K,定向邀请 20 家影视工作室试用。
字节跳动旗下火山引擎正式发布 Seedance 2.5 4K 模型,称其为 Seedance 2.5 这一代中最强的模型,面向影视级画面生成。该模型支持 Draft(样片)模式,终端用户可先用 480P 样片验证分镜、打磨镜头,满意后再生成 4K 正片,目前仅供部分企业客户试用。
NVIDIA 发布 Cosmos3-H-Dreams,一个基于 Cosmos 3 的实时生成式手术仿真器,可在单张 RTX PRO 6000 GPU 上交互运行。
推荐理由:它把交互式生成仿真从桌面缝合推进到临床胆囊切除场景,并开放模型、代码与蒸馏配方,具身智能团队可按这套方法迁移到自有数据。
可灵 AI 发布 Kling 4.0 视频生成模型,单次可生成最长 30 秒视频,支持最多 10 张关键帧输入,提示词理解扩展至 8,000 tokens。升级后的 Omni Reference 可在单次生成中接受最多 15 个参考素材,新增双声道立体声音效与覆盖十多种语言的口型同步,轻量 Flash 版本上限为 720p 和 20 秒。
TwelveLabs 的视频语言模型 Pegasus 1.5 现已在 Amazon Bedrock 上线(US West (Oregon) 区域),可将最长 2 小时的长视频转化为带时间戳的结构化 JSON 元数据。
推荐理由:相比 Pegasus 1.2 只能对单段视频问答,1.5 可按自定义条件切分整片视频并输出带时间戳的 JSON,适合需要批量编目长视频的团队。
Arena 发布 2026 年第 42 周 AI 大模型盲测周榜,国产模型在多个细分榜单稳居中上游,其中 kimi-k3-max 以 ELO 1540 分稳定在代码榜第十名。
VAST 发布并开源实时世界模型 EdenLive,在单张 Nvidia RTX 5090、720P 条件下,其 5B 模型生成速度超过 24FPS,支持分钟级连续生成,端到端延迟为百毫秒级。
推荐理由:原文拆解了状态维护与视觉渲染解耦的技术路线,读者可据此判断实时世界模型在交互场景中的适用边界。
Elorian 发布首款模型 Glimpse,目前以研究预览形式提供 API 访问,聊天界面需申请排队。该模型在推理过程中可反复回看原图,支持裁剪区域、抽取视频帧并运行代码测量,Elorian 称之为 visual scratch space。
快手可灵 AI 宣布 Kling 4.0 正式全量上线 klingai.com,单次生成视频最长可达 30 秒,支持多次续拍最长延展至 2 分钟。
推荐理由:原文逐项列出 Kling 4.0 的时长、分辨率与多语种能力,读者可直接对比同类视频生成模型的可用边界。
哈啰 Robotaxi 宣布推出生成式驾驶世界模型 HelloWorld,整合场景控制、连续生成、多传感器观测与高效推理能力。该模型支持通过自然语言描述需求或直接编辑车辆、行人及运动轨迹,生成对应的多视角视频与激光雷达观测。研发人员可借此插入横穿行人、调整前车路线,并切换雨雪与昼夜等条件,构造真实采集难以充分覆盖的长尾情境。
Arena 发布 2026 年第 41 周 AI 大模型排行榜,Anthropic Claude Opus 5.5 Max 新入榜即以 15.53% 净提升度登顶智能体榜第一。gemini-4-argon-high 继续稳居综合榜榜首,ELO 1525 分。国产模型整体处于中上游,kimi-k3-max 位列第 16,qwen3.8-max、mimo-v2.6-pro 等排名稳定。
Odyssey 将生成式世界模型 Odyssey-3 开放为公开研究预览,用户可用文本提示生成并实时探索交互环境。基础模型 14B 参数、生成 832×480 视频,Odyssey-3 Pro 支持 1280×720;官方称其在 Physics-IQ Verified 得分 66.1,但该成绩来自单次运行且经过八选一筛选,未满足四次运行的要求,不做筛选时平均 63.37 分。
生数科技发布视频生成模型 Vidu Q4 Preview 预览版,支持 2K、4K 输出。该模型最多支持 3 段参考音频与 15 张参考图,单次最长可生成 16 秒视频,支持 10bit 色深,首发优惠价 0.09 元/秒起,覆盖 540P 至 4K 多种规格,面向 AI 短剧、广告营销、社交互动和影视创作等场景。
Odyssey 于 10 月 8 日宣布推出 Odyssey-3 系列基础世界模型,其中 Odyssey-3 Pro 在 Physics-IQ Verified 视频到视频基准测试中取得 66.1 分,创该榜单最高纪录。
Reka AI 发布 Rho-1 研究预览版,这是一个 190 亿参数的全模态模型,可在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。所有模态作为 token 在一个共享上下文窗口中运行,无需工具调用或外部模型,同一套预测相机图像的权重也驱动机器人运动。