HyperFlow H3 Flash 開源：MiniMax 視音訊模型瘦身至 9.1GB，24GB 顯示卡可跑
Video Rebirth 開源 HyperFlow H3 Flash，將約 31B 的 MiniMax-H3 壓縮至 14B，僅需 4 至 8 步取樣即可聲畫同步生成 768p 影片。模型 Q4 量化版體積縮減至 9.1GB，不僅能在 24GB 視訊記憶體顯示卡上執行，配合 4 張 B200 還能實現即時生成。這意味著高質量端到端影片生成首次能在消費級裝置上跑通。
AI影片
Meta Muse 上線即時語音與動態分身：支援打斷，提供數百種聲線
Meta 在移動端、網頁端和 Mac 的 Muse 應用上線即時語音與虛擬分身。AI 會伴隨對話呈現微表情和手勢，支援隨時打斷，並提供數百種聲音風格。最值得關注的是能讓人擺脫提示詞直介面頭構思。目前先面向美國使用者推出，之後將登陸 AI 眼鏡。
Luma AI 釋出影片模型 Ray 2：最長生成 1 分鐘，全系入駐 AWS Bedrock
Luma AI 推出新一代影片生成模型 Ray 2，生成時長從之前的 5 秒拉長到最長 1 分鐘，最快 10 秒出片。同時 Luma 與 AWS 達成戰略合作，將視覺模型接入 Amazon Bedrock，並藉助 Trainium 等自研晶片壓低訓練與推理成本。
Runway 最佳化 57B 即時影片模型：算力需求減半，4 張 H100 跑出 24 幀
Runway 公佈即時數字人 Characters 的推理最佳化方案，將 57B 影片模型的硬體需求從 8 張 H100 減半至 4 張。通過在寫入快取時做量化並融合通訊運算元，單步擴散縮至 147.4 毫秒，穩定跑滿 24 幀即時生成。這意味著大規模部署即時高保真影片的硬體門檻大幅降低。
Google 上線 Gemini Omni 1.2 Flash：影片延長至 15 秒，降價 30%
Google 正式上線影片生成模型 Gemini Omni 1.2 Flash，原生影片時長增至 15 秒，呼叫價格下調 30% 至每秒 0.07 美元。新模型支援多輪對話式區域性修改，能鎖定人物與品牌細節一致性，並改善了對口型效果。Google 賬號使用者在 Google Vids 每月可免費生成 3 條。
Selendis 釋出影片模型 Archon：幾分鐘將素材自動剪輯成片
Selendis 推出影片模型 Archon，能在數分鐘內將原始素材自動剪輯成片。該工具由音樂人 Steve Aoki 等人聯合打造，可通過創作者過往作品學習剪輯風格，編輯越多越精準。目前官方正開放早期訪問並提供 3 個月免費試用。
NVIDIA 釋出 Cosmos 框架：主打物理 AI 世界模型，覆蓋駕駛與機器人模擬
NVIDIA 釋出物理 AI 平臺 Cosmos Framework 及 NIM 微服務，用於世界模型訓練與部署。它提供 Cosmos 3 Nano 模型，可同步生成自動駕駛多視角影片與雷射雷達資料，並支援機器人與手術模擬。藉助投機解碼，在 H200 上推理提速 2 至 3 倍。
傳 Claude Fable 5.5 曝光：不調影片模型，純寫程式碼生成 66 秒動畫
社交平臺流出據稱屬於 Anthropic 未釋出模型 Claude Fable 5.5 的實測演示。該模型在無人干預下自主編寫並除錯 Python 程式碼 2 小時 40 分鐘，零呼叫生圖與影片模型，最終生成單個可播放的 HTML 動畫短片。不過 Anthropic 官方目前尚未確認該模型存在。
Runway 上線程式設計外掛：Claude Code 與 Cursor 可直接呼叫影片 API
Runway 為 Claude Code、Codex 和 Cursor 推出 Runway Dev 外掛。通過 MCP 協議，程式設計智慧體在編輯器內就能讀取賬戶餘額、呼叫模型路由並執行現成工作流。最值得關注的是外掛不儲存 API 金鑰，讓開發者能通過自然語言直接在專案裡構建影片管道。
Pika 開源音影片模型 H3 Flex：僅需 6 步取樣，音畫同步生成
Pika 在 GitHub 開源音影片生成模型 Pika H3 Flex。模型基於 MiniMax-H3 訓練，只需 6 步取樣就能同步生成 5 至 15 秒帶立體聲的影片，支援 11 種畫幅和最多 12 個多模態參考檔案。最值得關注的是它的推理效率大幅提升，單張 H100 即可本地執行。
輝達釋出 Open H3 Regenerate 2K：3 步將 AI 影片重繪至 2K，最高支援 4K
輝達推出開源影片增強工具 Open H3 Regenerate 2K，可將 MiniMax H3 等模型生成的低解析度影片重繪至 2K，最高支援 4K 輸出。它僅需 3 步擴散即可補足畫面細節，支援最長 15 秒片段，相關程式碼與模型已全盤開源。不過重繪過程可能會輕微改變人臉等區域性細節。
NVIDIA 開源 MotionBricks：給幾個關鍵姿勢，即時補全連貫動作
NVIDIA 開源動作生成模型 MotionBricks。它只需輸入前後的目標姿勢，就能即時計算並補全中間平滑的運動過渡，還能把翻越、坐下等複雜動作像積木一樣拼接。倉庫包含人體與宇樹 G1 機器人兩套預訓練權重和演示工具，程式碼採用 Apache 2.0 開源。
DeepMind 釋出 Genie 4：可即時互動並原生生成聲音的世界模型
Google DeepMind 宣佈推出世界模擬模型 Genie 4。它不僅支援鍵盤與自然語言即時操控畫面，還首次原生同步生成環境音與角色對話，並引入 Gemini 負責多步驟因果推理。目前該模型僅面向受信任測試者開放研究預覽。
AmirMushich 開源新方案：免 3D 建模，用 AI 影片做可互動商品頁
設計師 AmirMushich 開源了一套網頁方案，不用 3D 建模就能做出可旋轉互動商品頁。它用 LTX-2.5 Pro 把衣服參考圖生成旋轉影片，拆成約 30 幀後由 JS 控制播放。執行時無需呼叫模型或 3D 引擎，大幅降低電商展示門檻。
MatAnyone 影片摳圖模型：3GB 視訊記憶體可跑，單卡搞定 4K 即時摳圖
研究團隊公佈影片摳圖模型 MatAnyone，能精細分離單根髮絲與半透明邊緣。它只需約 3GB 視訊記憶體即可執行，單張 H200 下可支援 4K 即時摳圖，核心是通過低解析度先定位難處理區域再區域性精細計算。團隊後續計劃開原始碼並推出 ComfyUI 節點。
CapCut 將接入 ChatGPT：一句話生成影片初剪，打字就能調鏡頭
字節跳動旗下剪輯工具 CapCut 宣佈將推出 ChatGPT 外掛。使用者在對話中輸入素材和要求，即可直接生成影片初剪，並能繼續打字微調鏡頭時長與字幕。這意味著粗剪門檻大幅降低，不過外掛目前尚未上線，預計未來數月內開放測試。
商湯開源 SenseNova 6.8 Code-to-Video：靠寫程式碼生成影片，單個元素隨意改
商湯開源 SenseNova 6.8 Code-to-Video。與傳統黑盒影片模型不同，它靠生成可執行程式碼來逐幀渲染動畫，可精細修改單個元素且不影響整體。該模型基於 Qwen3.8 27B 構建，完整體積約 55GB，需高階 GPU 執行。
ElevenLabs 推出 Chimera：把 AI 語音與影片生成打通成一條工作流
ElevenLabs 推出新平臺 Chimera。它將平臺原有的擬真語音、配音功能與 Seedance 等影片生成工具整合在一起，創作者和企業可以直接在 ElevenLabs 應用內定製聲音並搭建完整的 AI 音影片製作流程。
HiP3R 提出分層位姿圖：不用重訓模型，長影片也能穩拼 3D 大場景
研究團隊提出 3D 重建方案 HiP3R。它採用分層位姿圖結構，先做影片片段級整體對齊，再逐幀最佳化統一相機位姿，解決長影片拼接時的機位漂移問題。最值得關注的是，它無需重訓基礎大模型，直接插入現有演算法就能穩定重建連貫大場景。
騰訊開源世界模型 Hy-Nomas：單張 4090 能跑，文字和相機即時操控
騰訊開源互動式影片世界模型 Hy-Nomas，支援通過自然語言和相機運鏡即時控制虛擬場景。模型可輸出 720p、24 幀畫面，通過分段生成維持長時間一致性，蒸餾後的 9GB 版本單張 RTX 4090 即可執行，並以 Apache 2.0 協議開源全套程式碼與權重。