Hao AI Lab宣布,FastVideo FastH3 Omni可在NVIDIA DGX Spark、RTX GPU和Apple MLX上本地运行。该实验室给出的运行数据包括:用一张照片和一段提示词生成5秒480p视频约需3分钟,在两张Spark上约需2分钟;FastH3 T2AV在单张Spark上耗时52.6秒,在两张Spark上为30.7秒。演示视频中的片段均由DGX Spark以8步NVFP4 checkpoint生成。该实验室同时提供了博客、Cookbook和Hugging Face链接。目前尚无后续发展事实。
匹配字段摘要
2026年10月22日,Rohan Paul发文评价宇树发布的H2-X人形机器人所宣称的约8小时续航数据。他指出,该数字统计的是站立时间,尚不清楚巡逻、格斗或搬运等实际任务能持续多久。文章同时提到,标准版H2重70kg、有31个关节,配备可换0.97kWh电池组,续航约3小时,售价29,900美元;发布视频中H2-X从4米平台跃下、踢穿废车场并击退持棍入侵者。Rohan Paul认为,早期买家更可能来自需要凌晨值守的场地和仓库,而非家庭。目前该评价仅见于其本人文章,暂无其他发展事实。
匹配字段摘要
fal宣布HeyGen Video与HeyGen Voice已上线fal平台。据fal发布的信息,这两款模型内置声音:HeyGen Video支持文本、图像和参考视频生成带对话、环境音与音效的视频,片段时长5到15秒、最高2K;HeyGen Voice支持39种语言、即时声音克隆,并提供更快的Turbo档。目前该消息来自fal单一来源,尚无后续发展事实。
匹配字段摘要
Nathan Lambert 于 2026 年 10 月 22 日表示,他终于完成了一份关于开放模型现状的完整演示文稿。据其介绍,内容涵盖开放模型的定义、许可证、竞争力、使用迹象、知识蒸馏的影响,以及如何平衡开放的风险与收益。他还计划很快录制视频讲座,并希望每年重做几次。目前尚无后续发展事实。
匹配字段摘要
通用汽车发布自研的 OnStar AI Assistant,计划率先搭载于 2027 款凯迪拉克 Lyriq。据 cnBeta 2026 年 10 月 22 日报道,通用汽车还计划在 2027 年推出新版 OnStar 手机应用,取代 OnStar Guardian 及各品牌独立客户端。该助手定位为让 OnStar 从事故求助呼叫中心转向能主动提供建议的联网智能平台;车辆摄像头也将与 OnStar 整合,可实时查看车外画面并自动录制异常事件视频。目前该助手处于发布阶段,后续落地进展尚无进一步事实披露。
匹配字段摘要
卡尔的AI沃茨发布视频,分享用Opus做动画的六类玩法。2026年10月22日发布的这则近7分钟视频,整理了产品宣传片、科普动画、手绘动画、3D场景、音乐MV,以及用AI视频做丝滑转场的技巧。作者称不用先学会写代码,但需要把想要的效果说明白;视频含00:23代码动画原理等分段章节。目前该内容由单一来源发布,尚无后续发展。
匹配字段摘要
可灵 Kling 4.0 已在 fal 平台上线。官方称其为新一代原生多模态视频模型,在复杂运动稳定性、角色与场景参考一致性以及电影叙事控制精度上有所提升。目前该模型仅通过 fal UX 和 fal Agent 提供,API 访问即将开放。
匹配字段摘要
Sundar Pichai 表示,Google 的 Argon 上线后 72 小时内用量接近 25 万亿 token,约为 Gemini 3.0 同期用量的 3 倍。他还提到,目前正在服务该模型,但算力容量受限。相关说法出自 Alex Kantrowitz 的 YouTube 频道视频。
匹配字段摘要
Meshy 于 2026 年 10 月 21 日介绍其 Make Printable 功能。据 Meshy 发布的帖子,该功能只加厚模型中的薄弱部位,保留其余细节,并支持一键修复孔洞和非流形边。帖子还附有 3D 打印专家的完整教程视频。目前该功能仍处于介绍阶段,尚无后续发展事实。
匹配字段摘要
Flatkey 以统一 API 网关形式,支持在 Codex 和 Claude Code 中通过 CLI 调用多模态模型。据 2026 年 10 月 21 日的报道,该网关可调用 GPT、Claude、DeepSeek、GLM、Kimi 等文本模型,以及 GPT Image、Seedance 等图片视频模型;用户用一个 Key 即可接入 100+ 官方模型和 1,000+ 工具 API,费用合并为一份账单。报道还称,其日常价格比官方定价至少低 20%;10 月 19–23 日活动期间,GPT、GLM 5.2、Kimi K3、DeepSeek 打 6 折,Claude 8 折,Seedance 2.0 85 折。目前尚无后续发展事实。
匹配字段摘要
Krea 官方于 2026 年 10 月 22 日宣布,Krea 3 可用于商品图生成,能快速产出商品的各个角度,成本仅为常规方案的一小部分。官方推文附有试用链接和演示视频,但未给出具体价格或速度数据。目前尚无后续发展事实,该能力的具体定价与生成速度仍待官方进一步披露。
匹配字段摘要
Artificial Analysis 于2026年10月22日发文,回顾 Video Arena 上线两周年。文章称,该榜单最初仅覆盖文生视频,收录 8 个模型;此后扩展到图生视频、带音频视频和视频编辑等榜单,累计评测模型已超过 140 个。目前没有更多后续发展事实。
匹配字段摘要
2026年10月21日,用户风渡fengdu让MiniMax M3.1 Flash连续运行5小时,把《星际穿越》中的永恒号飞船做进浏览器。据阿易 AI Notes报道,该作品由12个主舱段围成一圈,采用暖白外壳、深灰骨架,背景为蓝色行星,支持实时旋转与镜头移动。报道还称,该模型支持百万上下文和图片视频理解,编程与多步骤执行能力较强;按官方API定价,每百万输出Token 0.6美元,缓存读取0.015美元。目前尚无后续发展事实。
匹配字段摘要
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。
匹配字段摘要
2026年10月21日,Floo上线一站式AI创作服务平台。据中华网科技同日报道,该平台将剧本创作、形象设计、内容生产与发行变现串成完整链路,而非只提供生成工具。报道称,平台集成近10种SOTA语言模型,可灵4.0满血版全网首发、单秒低至¥0.18,并打通红果短剧、抖音、微信视频号一键发行,Q4限时100%分账归作者。目前尚无后续发展事实。
匹配字段摘要
2026年10月21日,NVIDIA在GTC Berlin宣布,全球多家电信运营商正把NVIDIA加速计算扩展到中心机房、城域站点和基站,将网络变成分布式智能平台。同日报道显示,T-Mobile与NVIDIA、Nokia在华盛顿州贝尔维尤的商用网络上完成AI-RAN通话;BT、Deutsche Telekom、Elisa和Orange基于Nokia的CUDA加速anyRAN软件与NVIDIA Aerial RAN Computer开展现网试验。NVIDIA同时推出面向高容量站点的ARC MGX 2U和MGX 4U两种配置,Nokia与Cisco已将Nemotron开放模型集成进各自的网络自动化软件。另有报道称,近20家运营商公布了基于Nokia anyRAN软件和NVIDIA Aerial RAN Computer的AI-RAN合作,BT、Deutsche Telekom计划2027年开展现网试验,Elisa已在5G频谱的现网环境同时运行语音、移动数据和视频分析。
匹配字段摘要
2026年10月21日,Voxel51发布3.0版数据平台,面向机器人与物理AI场景。据Robotics & Automation News报道,该平台将机器人多摄像头、视频与传感器数据的搜索、整理、标注和评估整合到同一平台,并新增可跨开发流程执行任务的AI助手Voxel51 Agent。平台支持语义搜索、文本查询与元数据过滤,以及多模态时间序列同步查看,并提供2D、3D和视频标注与Agentic Labeling自动标注。报道还称,Voxel51与Nebius合作,在Nebius AI Cloud上运行其工作流,并提供免费自助版本。目前尚无后续发展事实。
匹配字段摘要
Meta正在Muse网页端开发Confidential VMs功能,让用户在加密的保密环境中运行Muse任务。此前Meta预告该功能将在2026年底前上线。新出现的隐藏设置显示,该功能初期仅向Meta AI订阅用户开放;切换后,语音模式、图像与视频生成及可穿戴设备支持暂不可用。Meta称对话在安全加密环境中运行,Muse数据不会用于改进Meta的AI。目前该功能仍处于开发阶段,尚无正式上线时间的进一步证据。
匹配字段摘要
2026年10月18日,VAST宣布开源实时世界模型EdenLive,开放5B、14B两种规格的模型权重及推理代码,并公布技术报告和端到端演示。据VR陀螺报道,其5B模型可在单张英伟达RTX 5090显卡上以720p分辨率、超过24帧/秒生成画面,支持分钟级连续运行,端到端延迟为百毫秒级;该模型将世界状态与视觉渲染解耦,可用于游戏原型预览、场景预演和视频重新渲染,但下载全部权重约需210GB空间,FLUX首帧组件限非商业、非生产用途。10月20日,Tripo发布的信息称,EdenLive可将3D白模、游戏引擎画面、2D卡通和真实视频转换为写实或风格化视频。10月21日,Tripo宣布EdenLive已在Reactor平台正式上线并提供在线demo,可用参考图和文本实时重绘3D场景,支持即时修改提示词。
匹配字段摘要
NVIDIA于2026年10月20日发布面向机器人手术的实时、动作条件生成式世界模型Cosmos3-H-Dreams,模型权重与配套代码同日公开。该模型基于CMR Surgical Versius系统的临床胆囊切除录像微调,约151.7亿参数,采用Mixture-of-Transformers架构。在单张RTX PRO 6000 GPU上,模型以832 x 480分辨率实现30.0 FPS(四步去噪)和43.2 FPS(两步去噪)。模型卡称其按NVIDIA Open Model License可用于商业或非商业用途,GitHub仓库采用Apache-2.0许可,并附有教师微调与Self-Forcing蒸馏的步骤说明。另有报道称,该模型基于160亿参数的Cosmos3-H-Embodied-Nano开发,训练数据从4792段手术记录中筛选出约526分钟真实手术视频,支持28维动作输入,并开源了4步和2步去噪两个学生模型版本。目前尚无后续发展。
匹配字段摘要