阿里发布 Qwen3.8-Omni-Flash：100 万上下文支持音视频实时交互
本周，阿里巴巴发布多模态模型 Qwen3.8-Omni-Flash。模型具备 100 万 token 上下文，支持文本、音视频输入与流式实时处理，可自主调用工具完成视频剪辑等任务。相比 3.5 版本大幅降低 Token 消耗与成本，目前仅提供 API，尚未开源。
AI视频
查看更新的新闻
Runway 推出插帧模型 Enhance Frame Rate：最高转至 120 帧，提速 7 倍
Runway 推出视频插帧模型 Enhance Frame Rate，可将任意视频转换至最高 120 fps。该模型支持 4K 分辨率与最长 5 分钟素材，运行速度比竞品快 7 倍且成本低至三分之一。最值得关注的是，非 Runway 生成的外部视频同样适用，每 2 秒仅消耗 1 个点数。
Meta 推出 Meta One 订阅：起价 2.99 美元，解锁视频生成与商业智能体
Meta 正式上线 Meta One 订阅服务，月费 2.99 美元起。除社交功能定制外，订阅用户可解锁更多 Meta AI 图像与视频生成额度，企业用户还能调用 Meta Business Agent 全天候接客。基础免费体验保持不变。
Viggle 发布 Meridian：已有视频能换运镜，还能做「子弹时间」
Viggle AI 发布视频重构模型 Meridian。只要输入一段现有视频或单张照片，它就能重建 3D 场景并按自定义轨迹重新运镜，甚至冻结画面做出「子弹时间」效果。模型基于 MiniMax-H3 构建，目前已开源 LoRA 权重并支持 ComfyUI。
Prime Video 引入 AI 唇形同步：配音剧告别对不上嘴
Prime Video 推出 AI 唇形同步配音技术，利用 AI 和视觉特效让演员嘴型与真人配音音轨对齐。该功能现已在全球面向热门剧集《Maxton Hall》前两季的英语配音开放，12 月 9 日第三季上线时也将支持，未来计划覆盖更多影视内容。
Altman 传记片《Artificial》发预告：加菲尔德主演，画风神似恐怖片
Neon 发布电影《Artificial》首支预告片，由 Andrew Garfield 饰演 Sam Altman。影片由 Luca Guadagnino 执导，讲述 ChatGPT 诞生背后的内幕，整体带有强烈的惊悚悬疑氛围。该片此前曾遭亚马逊放弃发行，定于圣诞节在北美部分影院上映。
DaVinci Resolve 21.1 发布：集成 AI 助手与超百项新工具
Blackmagic Design 发布 DaVinci Resolve 21.1，集成 AI 助手并扩展静态照片支持。新版本针对剪辑师和调色师增加了超过 100 项新工具与控制项，进一步将 AI 深度融入专业后期制作流程。
UniMate：给任意 3D 骨骼角色一句话生成动作
普林斯顿与 UC Berkeley 等团队开源 UniMate。只需输入绑定骨骼的 3D 模型和文本提示，它就能直接生成关节动作，无需针对特定骨骼微调。无论是人类、飞禽走兽还是刚性机械均可驱动，代码与预训练权重已完整开源。
Runway 发布 GWM Worlds 2：720p 实时生成交互世界，按键即可操控
Runway 发布实时世界模型 GWM Worlds 2，支持以 720p 24 帧连续生成音视频，且没有预设时长限制。用户通过首帧与提示词定义物理规则后，可像打游戏一样用按键或文本指令实时控制镜头、角色动作与场景交互。不过快速转动镜头时画质仍会下降。
SolarWM：开源交互式世界模型，支持连续稳定运行一小时
研究团队开源交互式长程世界模型框架 SolarWM。它仅用 5 秒视频片段训练，就能实现持续超一小时的实时交互生成且不崩坏。项目还彻底开源了 143 万段视频、共 25 TB 的数据管线与训练方案，并统一适配 Wan、Minimax H3 等多种基座模型。
H3 World：把开源视频模型 Miniax H3 变成互动游戏
开源项目 H3 World 发布，将视频生成模型 Miniax H3 变成了交互式游戏引擎。它不用另造控制系统，而是把键盘按键翻译成短英文送入模型，让生成的视频实时跟手。目前本地运行代码和训练脚本已全部开源。
Google 推出 Gemini 智能体视频理解：Token 砍掉 88%，成本降 66%
Google 宣布为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出智能体视频理解能力。模型不再以固定帧率机械吃进整段视频，而是像智能体一样按需动态扫描画面、音频和转录文本，Token 消耗最多减少 88%，成本降低 66%，准确度反增 7%。该功能已通过 API 开放。
World Labs 推出 Atlas 世界模型：单图生成 1440p 视频与 3D 场景
World Labs 推出通用世界模型 Atlas。它将文本、图像、视频和 3D 数据置于统一空间上下文，支持通过像素级相机控制生成最长 1 分钟的 1440p 视频，并可直接输出 3D 高斯泼溅场景，未来将驱动旗下 Marble 等产品。
Runway 发布 Solaris：不写前端代码，直接逐帧实时渲染交互应用
Runway 发布界面世界模型 Solaris。它基于 Gen-4.5 视频模型打造，彻底抛弃传统代码中间层，在用户点击或拖拽时逐帧实时生成交互界面。该系统不仅能维持 720p 的高保真视觉效果，还能生成动态界面供 AI 智能体训练复杂操作。
Viggle 开源 Viggle-Animate：只改一帧画面，就能替完整段视频角色
Viggle 开源视频角色替换模型 Viggle-Animate。它彻底省去了骨骼姿态估计、抠图蒙版和人脸追踪，只需原视频和一张重绘了角色的单帧，通过 3 次前向传播即可完成替换。在单张 B200 上生成 124 帧仅耗时 26 秒。
fal 推出 AI 直播平台：观众输入提示词实时当「导演」
fal 推出 AI 互动直播平台 fal.live。用户进入频道后可输入文字提示词，实时引导接下来生成的直播画面，从被动观众变成内容的「导演」。这也意味着实时视频生成技术开始走向无尽互动直播体验。
MiniMax 开源 FastH3 v1：13 秒出 15 秒视频
Hao AI Lab 与 MiniMax 联合开源视频模型 FastH3 v1。该模型在英伟达 Blackwell GPU 上最高提速 14 倍，生成 15 秒 768p 视频仅需 13 秒。团队目前已公开完整权重与推理代码，单个权重即可支持不同分辨率和时长。
Google 推出 Gemini Omni 1.1 Flash：支持 40 秒场景延展与 4K 超分
Google 推出视频生成模型 Gemini Omni 1.1 Flash。新模型可结合前 10 秒上下文将片段延展至最长 40 秒，支持首尾关键帧插值，并新增 4K 超分与快 60%、成本仅三分之一的 360p 草稿模式。开发者可直接在 Google AI Studio 中调用。
Code World Model 开源：用编程智能体当大脑，让 AI 真正记住世界状态
研究人员发布并开源 Code World Model 框架。它把世界演化与画面生成拆开，由编程智能体推理事件并写代码维护持久世界状态，再由微调后的视频模型 MiniMax-H3 渲染画面。最值得关注的是，这让 AI 生成的世界能够跨长周期记住物体与规则，不再只是预测下一帧像素。
FixAnything 开源：用视频大模型一键修复“崩掉”的 3D 渲染
研究人员开源 FixAnything，利用视频扩散模型修补 3D 渲染中的瑕疵。无论是 3DGS、NeRF 还是网格，一旦在新视角下出现空洞与漂浮噪点，它都能借助视频先验输出连贯干净的高质量视频。