HyperFlow H3 Flash 开源：MiniMax 视音频模型瘦身至 9.1GB，24GB 显卡可跑
Video Rebirth 开源 HyperFlow H3 Flash，将约 31B 的 MiniMax-H3 压缩至 14B，仅需 4 至 8 步采样即可声画同步生成 768p 视频。模型 Q4 量化版体积缩减至 9.1GB，不仅能在 24GB 显存显卡上运行，配合 4 张 B200 还能实现实时生成。这意味着高质量端到端视频生成首次能在消费级设备上跑通。
AI视频
Meta Muse 上线实时语音与动态分身：支持打断，提供数百种声线
Meta 在移动端、网页端和 Mac 的 Muse 应用上线实时语音与虚拟分身。AI 会伴随对话呈现微表情和手势，支持随时打断，并提供数百种声音风格。最值得关注的是能让人摆脱提示词直接口头构思。目前先面向美国用户推出，之后将登陆 AI 眼镜。
Luma AI 发布视频模型 Ray 2：最长生成 1 分钟，全系入驻 AWS Bedrock
Luma AI 推出新一代视频生成模型 Ray 2，生成时长从之前的 5 秒拉长到最长 1 分钟，最快 10 秒出片。同时 Luma 与 AWS 达成战略合作，将视觉模型接入 Amazon Bedrock，并借助 Trainium 等自研芯片压低训练与推理成本。
Runway 优化 57B 实时视频模型：算力需求减半，4 张 H100 跑出 24 帧
Runway 公布实时数字人 Characters 的推理优化方案，将 57B 视频模型的硬件需求从 8 张 H100 减半至 4 张。通过在写入缓存时做量化并融合通信算子，单步扩散缩至 147.4 毫秒，稳定跑满 24 帧实时生成。这意味着大规模部署实时高保真视频的硬件门槛大幅降低。
Google 上线 Gemini Omni 1.2 Flash：视频延长至 15 秒，降价 30%
Google 正式上线视频生成模型 Gemini Omni 1.2 Flash，原生视频时长增至 15 秒，调用价格下调 30% 至每秒 0.07 美元。新模型支持多轮对话式局部修改，能锁定人物与品牌细节一致性，并改善了对口型效果。Google 账号用户在 Google Vids 每月可免费生成 3 条。
Selendis 发布视频模型 Archon：几分钟将素材自动剪辑成片
Selendis 推出视频模型 Archon，能在数分钟内将原始素材自动剪辑成片。该工具由音乐人 Steve Aoki 等人联合打造，可通过创作者过往作品学习剪辑风格，编辑越多越精准。目前官方正开放早期访问并提供 3 个月免费试用。
NVIDIA 发布 Cosmos 框架：主打物理 AI 世界模型，覆盖驾驶与机器人仿真
NVIDIA 发布物理 AI 平台 Cosmos Framework 及 NIM 微服务，用于世界模型训练与部署。它提供 Cosmos 3 Nano 模型，可同步生成自动驾驶多视角视频与激光雷达数据，并支持机器人与手术仿真。借助投机解码，在 H200 上推理提速 2 至 3 倍。
传 Claude Fable 5.5 曝光：不调视频模型，纯写代码生成 66 秒动画
社交平台流出据称属于 Anthropic 未发布模型 Claude Fable 5.5 的实测演示。该模型在无人干预下自主编写并调试 Python 代码 2 小时 40 分钟，零调用生图与视频模型，最终生成单个可播放的 HTML 动画短片。不过 Anthropic 官方目前尚未确认该模型存在。
Runway 上线编程插件：Claude Code 与 Cursor 可直接调用视频 API
Runway 为 Claude Code、Codex 和 Cursor 推出 Runway Dev 插件。通过 MCP 协议，编程智能体在编辑器内就能读取账户余额、调用模型路由并运行现成工作流。最值得关注的是插件不存储 API 密钥，让开发者能通过自然语言直接在项目里构建视频管道。
Pika 开源音视频模型 H3 Flex：仅需 6 步采样，音画同步生成
Pika 在 GitHub 开源音视频生成模型 Pika H3 Flex。模型基于 MiniMax-H3 训练，只需 6 步采样就能同步生成 5 至 15 秒带立体声的视频，支持 11 种画幅和最多 12 个多模态参考文件。最值得关注的是它的推理效率大幅提升，单张 H100 即可本地运行。
英伟达发布 Open H3 Regenerate 2K：3 步将 AI 视频重绘至 2K，最高支持 4K
英伟达推出开源视频增强工具 Open H3 Regenerate 2K，可将 MiniMax H3 等模型生成的低分辨率视频重绘至 2K，最高支持 4K 输出。它仅需 3 步扩散即可补足画面细节，支持最长 15 秒片段，相关代码与模型已全盘开源。不过重绘过程可能会轻微改变人脸等局部细节。
NVIDIA 开源 MotionBricks：给几个关键姿势，实时补全连贯动作
NVIDIA 开源动作生成模型 MotionBricks。它只需输入前后的目标姿势，就能实时计算并补全中间平滑的运动过渡，还能把翻越、坐下等复杂动作像积木一样拼接。仓库包含人体与宇树 G1 机器人两套预训练权重和演示工具，代码采用 Apache 2.0 开源。
DeepMind 发布 Genie 4：可实时交互并原生生成声音的世界模型
Google DeepMind 宣布推出世界模拟模型 Genie 4。它不仅支持键盘与自然语言实时操控画面，还首次原生同步生成环境音与角色对话，并引入 Gemini 负责多步骤因果推理。目前该模型仅面向受信任测试者开放研究预览。
AmirMushich 开源新方案：免 3D 建模，用 AI 视频做可交互商品页
设计师 AmirMushich 开源了一套网页方案，不用 3D 建模就能做出可旋转交互商品页。它用 LTX-2.5 Pro 把衣服参考图生成旋转视频，拆成约 30 帧后由 JS 控制播放。运行时无需调用模型或 3D 引擎，大幅降低电商展示门槛。
MatAnyone 视频抠图模型：3GB 显存可跑，单卡搞定 4K 实时抠图
研究团队公布视频抠图模型 MatAnyone，能精细分离单根发丝与半透明边缘。它只需约 3GB 显存即可运行，单张 H200 下可支持 4K 实时抠图，核心是通过低分辨率先定位难处理区域再局部精细计算。团队后续计划开源代码并推出 ComfyUI 节点。
CapCut 将接入 ChatGPT：一句话生成视频初剪，打字就能调镜头
字节跳动旗下剪辑工具 CapCut 宣布将推出 ChatGPT 插件。用户在对话中输入素材和要求，即可直接生成视频初剪，并能继续打字微调镜头时长与字幕。这意味着粗剪门槛大幅降低，不过插件目前尚未上线，预计未来数月内开放测试。
商汤开源 SenseNova 6.8 Code-to-Video：靠写代码生成视频，单个元素随意改
商汤开源 SenseNova 6.8 Code-to-Video。与传统黑盒视频模型不同，它靠生成可执行代码来逐帧渲染动画，可精细修改单个元素且不影响整体。该模型基于 Qwen3.8 27B 构建，完整体积约 55GB，需高端 GPU 运行。
ElevenLabs 推出 Chimera：把 AI 语音与视频生成打通成一条工作流
ElevenLabs 推出新平台 Chimera。它将平台原有的拟真语音、配音功能与 Seedance 等视频生成工具整合在一起，创作者和企业可以直接在 ElevenLabs 应用内定制声音并搭建完整的 AI 音视频制作流程。
HiP3R 提出分层位姿图：不用重训模型，长视频也能稳拼 3D 大场景
研究团队提出 3D 重建方案 HiP3R。它采用分层位姿图结构，先做视频片段级整体对齐，再逐帧优化统一相机位姿，解决长视频拼接时的机位漂移问题。最值得关注的是，它无需重训基础大模型，直接插入现有算法就能稳定重建连贯大场景。
腾讯开源世界模型 Hy-Nomas：单张 4090 能跑，文字和相机实时操控
腾讯开源交互式视频世界模型 Hy-Nomas，支持通过自然语言和相机运镜实时控制虚拟场景。模型可输出 720p、24 帧画面，通过分段生成维持长时间一致性，蒸馏后的 9GB 版本单张 RTX 4090 即可运行，并以 Apache 2.0 协议开源全套代码与权重。