MiniMax就SGLang将MiniMax H3纳入SGLang-TorchTPU的TPU支持列表作出回应,发表感谢,并表示期待更多围绕高效视频推理的开源工作。SGLang称,SGLang-TorchTPU由SGLang与Google TPU团队、Meta PyTorch团队共同打造,已用于Meta的生产推理,支持模型包括Muse Spark Open、GLM-5.3 Flash、Kimi K3、Ling 3.1 Flash和MiniMax H3。目前尚无后续发展事实。
匹配字段标题
fal于2026年10月21日上线Kling 4.0。据fal发布的信息,这是一款新一代原生多模态视频模型,提升了复杂运动的稳定性、角色与场景的参考一致性,以及对电影化叙事的控制精度。目前该模型仅通过fal UX和fal Agent提供,API访问即将开放。除这一上线事实外,暂无其他有合格事实证据的后续发展。
匹配字段标题
Ethan Mollick 称,他让 Opus 5.5 用他测试所有 AI 图像生成模型时使用的提示词“一只在飞机上用 wifi 的水獭”生成了一段视频。相关叙述出现在他回顾过去 30 个月 AI 指数级发展的文章中。同一时期,Mollick 在新书 Co-Existence 发布当天用图表回顾了距上一本书 Co-Intelligence 发布 30 个月来的 AI 进展,并称该文图表由 Claude Projects 中的 Opus 5.5 调度多个智能体完成。目前有证据显示,这一生成视频的动作发生在上述回顾语境中,尚无后续发展。
匹配字段标题
斯坦福课程 CME 295 Transformers & Large Language Models 已更新至第四讲,视频和讲义均已公开。该讲主题为 Reinforcement learning with LLMs,内容从强化学习与奖励设计讲到 PPO、GRPO、RLVR 和 DAPO,并逐个解释其中的符号。课程由 Afshine 与 Shervine Amidi 主讲,共 9 讲,覆盖 Transformer 架构、注意力变体、RoPE、LoRA 微调、RLHF/GRPO 训练、Flash Attention 推理优化、MCP 与 AI Agent、扩散语言模型。目前公开的是第四讲,后续讲次尚未见有证据的更新。
匹配字段标题
Wan于2026年10月20日宣布,Wan3.0 Prime在OpenRouter视频排行榜New & Trending中排名第一,Wan3.0排名第三。Wan同时感谢创作者选择Wan。该消息由Wan作为第一方发布,目前没有后续发展事实。
匹配字段标题
Gemini Notebook 上线幻灯片与视频概览协同创作功能。用户可先选定聚焦主题,再设置格式、长度、语言和视觉风格,随后审阅并编辑幻灯片大纲或视频制作说明,最后生成内容。该功能面向所有 Pro 和 Ultra 订阅用户开放。目前尚无后续发展事实。
匹配字段标题
Gemini Notebook 上线幻灯片与视频概览协同创作功能。用户可先选定聚焦主题,再设置格式、长度、语言和视觉风格,随后审阅并编辑幻灯片大纲或视频制作说明,最后生成内容。该功能面向所有 Pro 和 Ultra 订阅用户开放。目前尚无后续发展事实。
匹配字段标题
Meta公开一项面向智能眼镜的视频自动剪辑技术专利。据VR陀螺2026年10月21日报道,该专利编号为US20260321292A1,可通过语音识别、情绪分析和视觉理解筛选精彩片段,并按时间顺序拼接成集锦;还可结合心率、视线等设备数据综合评分,适用于徒步、篮球比赛、聚会及VR游戏等场景。报道同时指出,Meta尚未宣布将该技术用于Ray-Ban Meta等现有产品,落地时间不明确。目前该故事仅有这一项公开专利信息,尚无后续产品化进展。
匹配字段标题
Meta 公开 面向智能眼镜的视频自动剪辑技术专利
English translation is being prepared.
匹配字段标题
Ethan Mollick 称,他让 Opus 5.5 用他测试所有 AI 图像生成模型时使用的提示词“一只在飞机上用 wifi 的水獭”生成了一段视频。相关叙述出现在他回顾过去 30 个月 AI 指数级发展的文章中。同一时期,Mollick 在新书 Co-Existence 发布当天用图表回顾了距上一本书 Co-Intelligence 发布 30 个月来的 AI 进展,并称该文图表由 Claude Projects 中的 Opus 5.5 调度多个智能体完成。目前有证据显示,这一生成视频的动作发生在上述回顾语境中,尚无后续发展。
匹配字段标题
清华大学团队提出视频世界模型记忆方法PPMem。据2026年10月20日报道,该方法用平面基元替代此前SPMem的体积3D记忆,为视频世界模型保存已探索场景。每个平面基元仅由7个数字参数化,包括中心深度、两个矩形范围和一个旋转四元数,比逐像素表示紧凑数个数量级。相机返回旧地点时,存储的平面会被投影回视野以引导新帧生成,从而减少需保留和处理的空间信息,避免熟悉物体在重访时改变或消失。目前该工作以PPMem名称对外介绍,尚无后续进展披露。
匹配字段标题
清华大学团队提出视频世界模型记忆方法PPMem。据2026年10月20日报道,该方法用平面基元替代此前SPMem的体积3D记忆,为视频世界模型保存已探索场景。每个平面基元仅由7个数字参数化,包括中心深度、两个矩形范围和一个旋转四元数,比逐像素表示紧凑数个数量级。相机返回旧地点时,存储的平面会被投影回视野以引导新帧生成,从而减少需保留和处理的空间信息,避免熟悉物体在重访时改变或消失。目前该工作以PPMem名称对外介绍,尚无后续进展披露。
匹配字段标题
斯坦福课程 CME 295 Transformers & Large Language Models 已更新至第四讲,视频和讲义均已公开。该讲主题为 Reinforcement learning with LLMs,内容从强化学习与奖励设计讲到 PPO、GRPO、RLVR 和 DAPO,并逐个解释其中的符号。课程由 Afshine 与 Shervine Amidi 主讲,共 9 讲,覆盖 Transformer 架构、注意力变体、RoPE、LoRA 微调、RLHF/GRPO 训练、Flash Attention 推理优化、MCP 与 AI Agent、扩散语言模型。目前公开的是第四讲,后续讲次尚未见有证据的更新。
匹配字段标题
fal 表示,FLUX 3 Max 在第三方基准评测中取得 1,139 Elo,基于独立人类偏好评估进入前沿图生视频模型第一梯队。该模型由 fal Research 与 bfl_ai 合作推出。此前报道称,该模型通过专门的后训练和推理优化,在第三方独立基准的图像生视频质量上并列第一,生成 10 秒 720/768p 视频约需 12 秒;另有报道称其在 Artificial Analysis 图生视频指数上得分 1,139,生成速度最高比 Seedance 2.5 快 22 倍。fal Research 称仍在继续对该模型做后训练,后续将提升质量与性能。
匹配字段标题
Wan于2026年10月20日宣布,Wan3.0 Prime在OpenRouter视频排行榜New & Trending中排名第一,Wan3.0排名第三。Wan同时感谢创作者选择Wan。该消息由Wan作为第一方发布,目前没有后续发展事实。
匹配字段标题
匹配字段标题
fal 发布 FLUX 3 Max
English translation is being prepared.
匹配字段标题
fal Research 发布 FLUX 3 Max
English translation is being prepared.
匹配字段标题
2026年10月15日,Kling AI 宣布 KLING 4.0 全面可用,用户可通过改版后的创作界面使用,并支持通过 MCP 和 CLI 接入视频创作工作流;官方同时预告将推出 4K 和 1080p 的 10-bit HDR 视频输出,以及面向企业客户和开发者的 API 访问。10月17日,fal 预告即将上线可灵 4.0,称单次生成最长 30 秒视频、支持原生音频,并可用最多 15 个参考素材引导角色、场景与镜头运动。10月20日,据 The Decoder 报道,Kling AI 发布 4.0 版本,单次可生成最长 30 秒视频,支持最多 10 张关键帧图像输入,提示词理解扩展到 8,000 tokens,新增双声道立体声音频和十余种语言的口型同步,并推出最高 720p、20 秒的轻量版 Kling 4.0 Flash。10月22日,可灵宣布 KLING 4.0 API 正式开放,开发者可将其集成到自有产品和工作流中,但未披露接口能力、定价或可用范围等细节。
English translation is being prepared.
匹配字段标题
Artificial Analysis 公布 FLUX 3 Max在AA-Video-I2V v1.1和AA-Video-T2V v2.1上的排名
English translation is being prepared.
匹配字段标题