Odyssey-3 生成式世界模型开放免费公开研究预览
Odyssey 公司开放世界模型 Odyssey-3 的公开研究预览，用户可免费在线试用，用文本提示生成可实时探索的交互环境。免费 demo 运行在 Odyssey-3 Flash 上；基础模型有 14 billion 参数、生成 832 × 480 像素视频，Odyssey-3 Pro 支持 1280 × 720。
#视频
#视频
今日 0 条The DecoderAI 评分6161
36氪AI 评分5959 Tavus Griffin-Lite 视频对话几可乱真，48% 受试者误以为对方是真人
美国旧金山 AI 视频公司 Tavus 发布新模型 Griffin-Lite，在 54 名受试者参与的一分钟视频通话测试中，有 26 人（48%）误以为对方是真人。上一代系统在同一测试流程下仅有 2.4% 的受试者作出同样判断。Tavus 称这是首个通过“视频图灵测试”的实时视频对话模型，Griffin-Lite 可在双方同时说话时实时附和或打断，如同真人聊天。
量子位AI 评分6363 实测 Vidu Q4 预览版，5.4 元做出 GTA 6 风格短片，最高支持 4K 直出
生数科技开放 Vidu Q4 预览版，量子位实测仅花 5.4 元就做出一段 GTA 6 风格《邪恶老奶》视频。该版本最高支持 4K 直出，可一次引用 15 张参考图和 3 段参考音频，单条最长 16 秒；MaaS 端图生视频 720P 约 0.6 元/秒、1080P 约 0.75 元/秒，SaaS 端推出为期两个月的限时优惠。实测显示其在正反打对话、格斗动作与光影特效上能保持稳定输出。
量子位 · 行业解读AI 评分7575 Vidu Q4预览版实测：5.4元做出GTA 6风格短片，最高4K直出
生数科技开放Vidu Q4预览版，量子位实测仅花5.4元生成一段GTA 6风格的《邪恶老奶》视频。该版本720P起步价约0.09元/秒，最高支持4K直出，一次最多用15张参考图、3段参考音频，单条最长16秒；MaaS端720P约0.6元/秒、1080P约0.75元/秒，SaaS端有为期两个月的限时优惠。
爱范儿AI 评分4848 我用 Vidu Q4 Preview 把奥特曼和 Dario 凑成男团，跳起了 APT
生数科技开放新一代视频生成模型 Vidu Q4 Preview，主打人物演技、镜头张力与复杂特效，生成价格 0.09 元/秒起。模型支持最多 15 张参考图、3 段参考音频及 2K、4K 输出，用户可在 Vidu 官网体验。实测显示其情绪反应与运镜叙事表现稳定，但节奏自然度、画面风格控制和模型幻觉仍需优化。
量子位AI 评分6060 AI影视公司Utopai的Utopai X盲测排名全球第二，仅次于阿里Wan 3.0
独立评测机构Artificial Analysis最新文生视频盲测榜单中，影视公司Utopai的Utopai X以1150分排名第二，仅比第一名阿里Wan 3.0低7分。
量子位 · 行业解读AI 评分6565 AI影视公司Utopai旗下Utopai X获AA文生视频榜第二，三部影片2027年登陆院线
在Artificial Analysis最新文生视频盲投榜单中，影视公司Utopai旗下视频模型Utopai X以1150分排名第二，仅落后第一名阿里Wan 3.0七分。
The Decoder精选AI 评分6565 Reka AI 发布全模态模型 Rho-1：单一模型处理文本、图像、视频与机器人控制
Reka AI 发布了 Rho-1 的研究预览版，这款 190 亿参数的全模态模型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。与多数将任务路由到专用模型的系统不同，Rho-1 把所有模态作为 token 放进同一共享上下文窗口，无需工具调用或外部模型，并能实时生成连续视频、即时响应新指令。
推荐理由：原文给出单一模型统一处理多模态与机器人控制的思路，以及从普通视频提取控制信号的数据方案，可对照自家多模态路线。
极客公园精选AI 评分7171 Tavus 发布 Griffin 人类交互模型，一分钟视频通话近半数参与者误认为真人
10 月 1 日，美国 AI 视频公司 Tavus 发布 Griffin 模型，并将其定义为全球第一个「人类交互模型」；一分钟视频通话测试中 54 名参与者有 26 人事后认为自己在和真人聊天，比例接近 48%，而上一代系统通过率仅 2.4%。
推荐理由：文章在宣传效果之外核对了样本量、心理暗示与基准分数，读者可以据此更冷静地判断端到端架构带来的实际进步。
MiniMax · 官方新闻精选AI 评分7979 MiniMax 发布全模态生成模型 H3
MiniMax 正式发布通用全模态生成模型 H3，支持多模态上下文统一理解，可输出最高 15s 2K 分辨率的原生双声道音视频。该模型在指令遵循、文字与品牌信息呈现及 V2V Motion Transfer 等方面表现出色，2K 分辨率下每秒价格不到主流模型的 1/3。官方计划在未来几天内开放模型权重，以推动开源社区发展。
推荐理由：MiniMax 发布全模态生成模型 H3，支持 15s 2K 原生双声道音视频，计划开放权重，为多模态创作提供了新的高性价比选项。
The DecoderAI 评分5959 近半数测试者在一分钟视频通话中将 Tavus 的 Griffin 误认为真人
Tavus 发布 Griffin，该公司称之为首个“人机交互模型”（HIM），可在实时视频对话中同时理解与生成语音、面部表情、语气、手势和停顿。在 Tavus 的测试中，48% 的参与者在进行一分钟视频通话后认为 Griffin 是真人，此前系统最高仅 2%；在 Nvidia 的独立测试中 Griffin 得分 3.83，人类为 3.92，此前最佳 AI 模型为 2.80。
雷峰网AI 评分6464 越大越强，不再是 LLM 的专利：PixVerse R2 攻克实时世界模型 Scaling 难题
爱诗科技 PixVerse R2 已全量上线，用户可在网页端直接体验动作指令与互动影游交互。实机体验与 HAR 网络记录显示，冬日宫殿会话全程仅一次 session_init，约 119.5 秒生成窗口内八轮推荐 Prompt 与 3355 条动作帧（约 33.4Hz）被组织在同一条持续 session 中，Prompt 处理期间 WASD 控制通道仍然开放。
爱范儿精选AI 评分7070 可灵 4.0 首发实测，国产 AI 视频再次掀桌？
可灵 AI 拿出 Kling 4.0 大版本更新，主打真实、可控、专业，将于 10 月正式上线，Kling 4.0 Flash 已于 9 月 28 日率先开放小范围体验。
推荐理由：原文把 Kling 4.0 的 10-bit HDR 输出与主流 8-bit 方案对比，并给出多参考素材的提示词分工技巧，可直接迁移到自己的视频生成流程。
Google DeepMind精选AI 评分8080 Gemini Omni 1.1 Flash 发布，带来更强创意控制与生成视频能力
Google DeepMind 发布 Gemini Omni 1.1 Flash，为开发者带来一套新的创意控制与生成视频能力，可通过 Gemini API 在 Google AI Studio 或企业 Agent Platform API 使用。
推荐理由：相比此前只能参考最后一秒，Omni 1.1 可分析最多 10 秒前文，场景延长以 10 秒为步进累计至 40 秒，读者可据此判断它对连续叙事工作流的价值。
阿里云开发者精选AI 评分7474 Wan3.0 正式上线千问AI平台
视频生成模型 Wan3.0 正式上线千问AI平台，单次可生成30秒视频，并首次支持 doc、xls、ppt、pdf、md 等文档格式输入。自8月6日公测以来，Wan3.0 在跨镜头一致性、人物质感与真实世界还原方面获得短剧、广告、文旅等行业用户反馈。480P/720P/1080P 的 API 价格分别为 0.3/0.6/1.2 元/秒，8月24日至9月23日开启限时7折优惠。
推荐理由：原文给出了 Wan3.0 的生成时长、文档输入能力与 API 定价，可据此判断视频生成模型在生产流程中的落地进展。
翔宇工作流精选AI 评分7171 LibTV＋Seedance 2.5 实测：30 秒一镜到底，Vlog 真假难辨
Seedance 2.5 发布，单段视频直出时长从 15 秒翻倍至 30 秒，支持两次视频延长、最长 90 秒，参考素材上限从 12 个提升到 50 个（30 张图片＋10 段视频＋10 段音频）。
推荐理由：文章对比 Seedance 2.0 时代的长镜头拼接痛点，拆解 30 秒直出、片段重拍与智能引用如何改变 AI 视频制作流程。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini Robotics ER 2，提升视频理解、任务编排与多机器人协作能力
Google DeepMind 发布 Gemini Robotics ER 2，作为机器人的高层大脑负责推理、规划与任务编排，并将运动执行交给底层 VLA 模型。该模型支持连续视频进度追踪、精确关键时刻识别与多机器人协作，进度分类准确率达 57.4%，关键时刻识别准确率达 91.3%。开发者现可通过 Gemini API 与 Google AI Studio 使用。
推荐理由：官方博客给出了新模型在视频理解、任务编排和多机器人协作上的能力升级与评测数据，可据此判断具身智能的落地进度。
AIGC WeeklyAI 评分4646 AIGC Weekly #181：Anthropic 发布 Claude Opus 5，Black Forest Labs 推出 Flux 3 视频模型
Anthropic 发布 Claude Opus 5，每百万 Token 输入 5 美元、输出 25 美元，Fast 模式提供 2.5 倍速度。第三方实测其任务成本比 Fable 5 低 26%，但幻觉率升至 50%，且 Anthropic 因缺席开源倡议引发争议。
Google DeepMind精选AI 评分8181 Google DeepMind 发布 Gemini Omni Flash 模型
Google DeepMind 发布 Gemini Omni 系列首款模型 Gemini Omni Flash，支持将图像、音频、视频和文本组合作为输入生成高质量视频。
推荐理由：原文给出了 Gemini Omni Flash 的多模态输入与对话式编辑能力，读者可据此判断其视频生成工作流的变化。
Google DeepMindAI 评分5757 Google DeepMind 提出 D4RT，教 AI 用四维视角看世界
Google DeepMind 提出 D4RT，一个将动态场景重建与追踪统一到单一框架的 AI 模型，可用同一查询接口完成点追踪、点云重建和相机位姿估计。它比此前方法快 18 至 300 倍，在单颗 TPU 上约 5 秒即可处理一分钟视频，研究团队表示这为机器人、AR 和世界模型等实时空间计算场景打开了路径。
Google DeepMind精选AI 评分7474 Google DeepMind 更新 Veo 3.1 Ingredients to Video，提升一致性并支持原生竖屏与 4K 放大
Google DeepMind 更新 Veo 3.1 Ingredients to Video，基于素材图生成的视频更具表现力，角色、背景与物体一致性增强，并首次支持原生 9:16 竖屏输出与 1080p、4K 放大。
推荐理由：官方说明了 Veo 3.1 在竖屏输出与 1080p、4K 放大上的具体变化，并给出各端上线范围，便于判断它对短视频创作流程的影响。
AIGC WeeklyAI 评分5353 AIGC Weekly #151：谷歌多模态投入迎来收获期
本期 AIGC Weekly 汇总了上周 AI 领域的核心发布。谷歌更新 Gemini 2.5 系列 TTS 与 Native Audio 模型，OpenAI 发布 GPT-5.2，Runway 推出 Gen 4.5 与 GWM 系列世界模型，Mistral 开源 Devstral 2 并发布 Mistral Vibe CLI。
OpenAI News精选AI 评分8686 OpenAI 发布 Sora 2 视频生成模型
OpenAI 发布 Sora 2 视频生成模型，支持同步对话与音效；旧版 Sora 产品已不再可用。
推荐理由：原文点明 Sora 2 支持同步对话与音效，并说明旧版 Sora 产品已下线，读者可据此判断视频生成能力的变化。
OpenAI News精选AI 评分7373 OpenAI 发布 Sora 2 系统卡
OpenAI 发布 Sora 2 系统卡，介绍其新的视频与音频生成模型。该模型在 Sora 基础上实现了更准确的物理效果、更清晰的真实感与音画同步，并增强了可控性与风格多样性。
推荐理由：官方系统卡概述 Sora 2 在物理准确度、真实感与音画同步上的提升，读者可据此对照前代视频模型评估其能力变化。
OpenAI NewsAI 评分3333 Sora 初步印象
OpenAI 自上个月向全球推出 Sora 以来，一直与艺术家展开合作，探索 Sora 如何辅助他们的创作过程。