Peter Yang 用 Genie 4 实时构建 5 个世界
Peter Yang 认为世界模型是 LLM 之后 AI 的下一个大方向。他在新视频中演示如何用 Google Genie 4 + Gemini 实时构建 5 个世界，包括怪兽袭击旧金山、在东京街边摊吃拉面、骑龙攻城堡；他表示画面出色，但更令他印象深刻的是实时音频与交互性，并分享了对电影和游戏影响的看法。
匹配字段摘要、正文
←搜索结果
搜索“视频”
Articul8 推出多模态决策模型 Bivia
Articul8 发布多模态决策模型 Bivia，可处理文档、图像、音频、视频和时序数据，进行连续决策，并在不确定时交由人类判断。Articul8 由 Intel 团队在 ChatGPT 发布前一个月交付给企业客户的项目发展而来，公司估值 5 亿美元，称已在半导体、能源、制造等行业积累 3 年以上生产部署经验。
匹配字段摘要、正文
Grok Bot 本周更新：新增 Pages、Vault 与 1Password 联动
Grok Bot 本周更新了多项功能，包括可直接生成可编辑报告页和仪表盘的 Pages、存放登录与银行卡信息的 Vault，以及与 1Password 的联动。Vault 与 1Password 的设计是让 Bot 代填登录和结账信息，但 Bot 本身看不到密码和卡号。此外还加入了手机 App 授权（日历、通讯录、位置、闹钟，iPhone 上可管理提醒事项和控制 Home 灯光）、根据描述或图片生成视频、新 Bot 角色和 X Spaces 等。
匹配字段摘要、正文
Google 发布 EmbeddingGemma 2 论文，744M 参数端侧多模态嵌入模型
Google 发布 EmbeddingGemma 2 论文，这是一个 Apache 2.0 许可的端侧多模态嵌入模型，把文本、代码、图像、音频和视频映射到同一向量空间。模型基于 Gemma 4 构建，通过向更大的 Gemini Embedding 2 学习并用对比训练调优，744M 参数规模在多项任务上超过大 2 至 12 倍的模型。在 Pixel 11 Pro 上，量化后的文本权重占用约 191MB 活跃内存，完整多模态模型约 567MB，上下文窗口扩大 4 倍至 8K tokens，可容纳约 5.5 分钟音频、29 张图像或 58 帧视频；直接嵌入语音在 MSEB 口语查询检索基准上得分 69.54，高于先转写再检索的 57.59，代码检索在 MTEB Code 上从 EmbeddingGemma 1 的 68.76 提升到 78.68。
匹配字段摘要、正文
Kling 4.0 上线 Cloudflare AI Gateway
Cloudflare Developers 宣布，最新的视频模型 Kling 4.0 已在 Cloudflare AI Gateway 上线，并称可用它让草图动起来。Kling AI 转发该消息，配文“Bring your sketches to life”。
匹配字段摘要
邵猛：国内 Video Agent 多沦为 token 中转站
邵猛认为，LibTV、TapNow、Flova、Pexo、Medeo 等国内 Video Agent 团队虽在融资路演中强调生态、Agent 架构与行业 know-how 等壁垒，做来做去可能都做成了 token 中转站。他推测，若这些网站支持 BYOK，用户自备视频生成模型 API Key 的成本会低于在站内消耗 Credit，API Key 有折扣时更低。他建议用 REA 或从零构建自己的 Video Agent 搭配折扣 API Key 来降本，对在 TikTok、Ins、抖音做视频内容的用户而言省下的钱很可观。
匹配字段摘要、正文
Kling 4.0 上线 Genspark AI Media Studio
Genspark 宣布 Kling 4.0 已接入 Genspark AI Media Studio：单次生成 30 秒视频、无需拼接，支持最多 15 个图像/视频/角色/声音参考和 10 个关键帧；11 月 4 日前 credits 五折。Kling AI 官方账号转发了这一消息。
匹配字段摘要
Higgsfield Playable 上线：广告一键变手游
Higgsfield AI 宣布 Higgsfield Playable 上线。用户可上传游戏视频、截图或提示词，构建带病毒式机制的手游，并在 Enterprise 套餐中将其转为可玩广告。
匹配字段摘要、正文
fal 上线 Motion to Code 动画转代码
fal 平台推出 Motion to Code：用户描述一段动画，或上传图片、视频，即可得到可编辑代码，形式为 GSAP 页面或循环 GLSL shader。官方称产物只有几 KB 而非 MB 级视频，且任意分辨率下都清晰。
匹配字段摘要、正文
Krea 3 明日迎来首个专家模型
Krea 宣布，Krea 3 将于明天迎来首个专家模型，并称视频中还留有最后一条线索。
匹配字段摘要、正文
Altman 称或需限制单个 AI 模型智能上限
Sam Altman 表示，至少在一段时间内、甚至可能很长时间内，人们将不得不就单个模型能有多聪明达成某种限制。他认为，进步放缓会源于这一决定，而非 AI 缺乏做好研究的能力。相关言论出自 YouTube 频道“Cheeky Pint”的完整视频。
匹配字段摘要、正文
DeepSeek 鲸鱼娘二创：网友用插件养出蓝色大肥鱼
网友围绕 DeepSeek 的鲸鱼 Logo 二创出拟人角色“鲸鱼娘”，并借助 DeepSeek Harness 客户端和各类插件把它接进 QQ、做成桌宠，让它发表情包、主动聊天、更新 QQ 空间。装上插件后，这些“蓝色大肥鱼”还涌入 B 站评论区搜索视频、总结内容并互相交流，形成作者所说的“鱼灾事件”。
匹配字段摘要
腾讯混元发布 Hy-Nomas 技术报告并开源 Hy-Nomas-Bench
腾讯混元发布交互式视频世界模型 Hy-Nomas 的技术报告，并开源 Hy-Nomas-Bench 供可复现研究。官方还用 Hy-Nomas 复现了 Genie 4 的示例并放出对比视频，同时提供无需等待名单的在线 demo。此前介绍称 Hy-Nomas 支持文本提示词与相机轨迹的自由交互、带世界记忆的长时程生成、面向机器人等领域的轻量 LoRA 适配，并针对消费级 GPU 推理做了优化。
匹配字段摘要、正文
Thomas Wolf 调侃：该给这机器人颁奥斯卡
Thomas Wolf 转发一段机器人视频，配文“give this robot an oscar”，未作进一步说明。
匹配字段摘要
Odyssey：世界模型将带来新发现
Odyssey 发帖称，世界模型将带来新的发现，并附有一段视频。
匹配字段摘要
Dominik Kundel 调侃提示词被做成卡拉OK式展示
Dominik Kundel 发帖调侃自己没想到提示词会被以卡拉OK的形式呈现。该帖引用的是 Craig Dennis 用 ChatGPT Sites 搭建毕业纪念册应用并展示提示词的视频。
匹配字段摘要
VEED Dubbing 上线 fal 平台
fal 宣布 VEED Dubbing 已上线。该功能可用克隆语音和唇同步翻译视频；Pro 版支持 94 种语言和 14 种地区口音，保留背景音频并支持多说话人，还提供目标口音与语音克隆强度控制。
匹配字段摘要、正文
Suno Studio 演示从随机采样到完整节拍
Suno 发布一段视频，展示在 Suno Studio 中如何从一个随机采样生成完整节拍，并向用户提问接下来想添加什么。
匹配字段摘要
Manus 称其搭建了 Bricklane 整家公司
Manus 转发用户 Natalie 的帖子并强调：Manus 不只做了网站，还搭起了整家公司——交互式网站、3D 积木搭建、逐件搭建校验、Stripe、域名、邮箱、发布视频、社交帖子和广告。Natalie 称她用 Manus 把真实地点或孩子的画作做成定制 LEGO 套装，从域名到首单只用了 2 天。
匹配字段摘要、正文
Manus 展示 Bricklane：把故事变成积木模型
Manus 介绍 Bricklane：它从用户的故事中选取一个地点，设计定制模型，并交付 3D 搭建网站、含 csv 零件清单的 PDF 说明书，方便用户单独购买零件，把一段记忆做成实体纪念品。Manus 称它不只建了网站，还建了整家公司——交互网站、3D 积木搭建、逐件搭建校验、Stripe、域名、邮箱、发布视频、社交帖子和广告。线程中展示了多个案例，如加州 Hillsborough 的 Villa de Verano（566 块、13 步）、童年画作里的糖果店（742 块、19 步）、京都祇园的拉面店（759 块、10 步）、伦敦邱园 Temperate House（709 块、10 步）。
匹配字段摘要