搜索“视频”

MiniCPM-V 4.7登上Hugging Face Trending第三

面壁智能宣布,MiniCPM-V 4.7在Hugging Face Trending榜单上排名第3。官方称,35B-A3B MoE版本可在iOS和Android上以约3GB内存流畅运行,1B模型在OCR、数学和视频理解上表现较强,并给出了GitHub与Hugging Face链接。10月19日,面壁智能称该模型升至Hugging Face Trending第二位,并再次提到35B-A3B MoE版本可在iOS和Android上以约3GB内存运行,1B版本在OCR、数学和视频理解上表现较强。10月20日,面壁智能表示,该模型可在本地以100 tok/s运行,内存占用约3GB,定位为让端侧AI更实用,并提到llama.cpp生态让该模型更容易上手试用。

中科通量在RISC-V中国峰会展示全栈RISC-V智能产品

中科通量 亮相展示 SmarCo AI工作站、SmarCo智能视频编码一体机、SmarCo智算加速卡等产品与解决方案

查看事件：中科通量在RISC-V中国峰会展示全栈RISC-V智能产品

Odyssey将果蝇大脑接入Odyssey-3世界模型

Odyssey于2026年10月18日宣布,已将果蝇大脑放入其前沿世界模型Odyssey-3中,这只小果蝇如今能在完全由模型想象、模拟出的世界里自主飞行。Odyssey-3于10月8日开放研究预览,采用自回归扩散Transformer架构,可根据历史画面及用户或智能体的动作预测后续状态,应用方向涵盖机器人控制、自动驾驶及AI智能体训练。Odyssey此前披露以数十小时演示数据训练机械臂控制能力,并与Flexion合作开发人形机器人策略。目前该演示以视频形式发布,尚无后续进展披露。

fal称FLUX 3 Max是双方前沿合作成果

fal于2026年10月20日宣布与Black Forest Labs合作推出FLUX 3 Max视频生成模型,并称FLUX 3 Max是两支前沿团队合作的成果。据fal介绍,该模型12秒可生成10秒视频,在图生视频类别中并列第一,同质量下比Seedance 2.5快22倍。Black Forest Labs表示,FLUX 3是面向定制化的模型,由fal适配优化出FLUX 3 Max。目前该消息仅有fal一方发布,尚无后续独立进展。

Viggle AI发布世界基础模型JST-2

Viggle AI 发布世界基础模型 JST-2。据其介绍,该模型被称为全球首个全栈物理原生世界基础模型,没有在像素或视频空间学习,而是从第一性原理出发,把整套模型栈建在 3D 空间。它可在数秒内生成 3D 场景并实时扩展,还能通过同一通用架构创建自带动作的角色。目前该消息来自单一来源报道,尚无更多独立证据或后续进展。

ElevenLabs开放Chroma Awards第二季报名

ElevenLabs 已开放其孵化的全球 AI 创意赛事 Chroma Awards 第二季报名。据 ElevenLabs Blog 2026 年 10 月 19 日发布的信息,本季设电影、音乐视频、广告、游戏和幕后五个赛道,报名截止日期为 2027 年 1 月 1 日。赛事提供超过 45 万美元现金奖与差旅福利,并新增学生奖;ElevenLabs 另设 2.2 万美元专属奖,奖励使用 ElevenCreative、ElevenMusic 等工具的作品。该来源还称,首季有来自 122 个国家的 5550 多名创作者提交逾 6600 个项目。目前尚无后续发展事实。

Tenstorrent以62亿美元估值融资15亿美元

Tenstorrent 完成 15 亿美元融资,估值达 62 亿美元。据 TechCrunch AI 2026 年 10 月 20 日报道,本轮由 Trace Capital 和 Innovation X 领投,Cadence Ventures、Eclipse、Fidelity、SanDisk、T. Rowe Price 参投;该估值较 2024 年底的 26 亿美元翻倍以上。报道称,CEO Jim Keller 表示,公司在展示 Galaxy 服务器可运行 DeepSeek 模型后决定保持独立并继续融资,新资金将用于扩展面向开源权重模型推理和视频生成的芯片。目前尚无后续发展事实。

SGLang仓库介绍其开源推理框架

蚂蚁 inclusionAI 在 GitHub 上线 sglang_ling_v3 仓库,其内容基于开源推理框架 SGLang。该仓库 README 介绍,SGLang 面向大语言模型、视觉语言模型和扩散模型,针对智能体负载、大规模服务与 RL rollout 进行优化。README 还显示,SGLang 支持 GPU、TPU、NPU、CPU 与 Apple Silicon,并内置图像视频生成引擎 SGLang Diffusion。目前该仓库已发布,尚无进一步开发动态。

SageMaker JumpStart提供精选AI模型目录

Amazon SageMaker JumpStart 提供精选 AI 模型、解决方案模板和示例笔记本目录。据 AWS Machine Learning 2026 年 10 月 20 日发布的回顾,2026 年 1 月至 9 月,该目录新增来自 30 家提供商的 100 多个模型,其中 Alibaba(Qwen)贡献 29 个、NVIDIA 17 个、Mistral 7 个、Google 6 个 Gemma 4 变体、IBM 4 个、Cohere 4 个。新增模型覆盖多模态、语音、图像与视频生成,并引入 GLM-5.2 FP8、JetBrains Mellum2-12B 等量化与紧凑模型以降低推理成本。目前该目录保持上述新增内容。

Tenstorrent完成15亿美元E轮融资

Tenstorrent 宣布完成 E 轮融资。早先报道称本轮金额为 1.5 亿美元,后续报道称本轮金额为 15 亿美元,两篇报道均称投后估值为 62 亿美元,由 Trace Capital 和 Innovation X 联合领投。公司基于 RISC-V 架构开发 AI 处理器与系统,产品包括 Tensix AI 核心、TT-Ascalon CPU,以及 Galaxy 服务器、TT-QuietBox 工作站和 Blackhole 卡,并配套 TT-Forge、TT-Metalium、TT-LLK 开源软件栈。资金用途方面,早先报道称将用于扩大 Galaxy 服务器产能、支持 RISC-V 生态研究并扩充全球团队;后续报道称将用于 Galaxy 服务器规模化部署、继续支持大语言模型和视频生成的开源权重模型,以及推进对外授权的 AI 与 CPU 知识产权。

英国国家贸易标准局首次制定AI诈骗观察清单

英国国家贸易标准局首次制定并发布AI诈骗观察清单,列出犯罪分子利用AI生成假零售网站、深度伪造视频、声音克隆和个性化钓鱼邮件等手法。该机构建议公众不要向未见过面的人汇款或提供个人信息,并通过核实商家地址、使用FCA Firm Checker等方式验证对方身份。消费者组织Which?提醒,错别字和语法错误已不能再作为识别诈骗的依据。目前该清单已发布,暂无后续发展。

中科通量在RISC-V中国峰会展示全栈RISC-V智能产品

2026年10月18日,中科通量在第六届RISC-V中国峰会上亮相,展示SmarCo AI工作站、SmarCo智能视频编码一体机、SmarCo智算加速卡等产品与解决方案,覆盖视频与智算全场景。据雷锋网10月20日报道,其中SmarCo AI工作站搭载12核RISC-V处理器、主频2.0GHz,提供250 TOPS INT8算力、128GB LPDDR5 ECC统一内存,支持128路1080P视频实时硬解码。报道同时提及公开信息显示RISC-V已占全球处理器市场25%份额。目前尚无该展示之后的新进展。

爱奇艺与鲍德熹合作开设AI剧场创作营

爱奇艺与摄影师鲍德熹合作推出「鲍德熹·爱奇艺 AI 剧场」创作营。据雷锋网2026年10月20日报道,该创作营从编剧、镜头语言到高阶 AI 技巧授课,最终选出 15 支队伍制作 15 分钟以上的 AI 故事片,并计划在一个季度内上线国内首个 AI 剧场。报道还称,爱奇艺以厂牌方式系列化运营该内容,将其与普通 AI 短视频、AI 漫剧区分,并表示会与各家模型公司合作、由创作者选择流程与工具。目前尚无后续进展披露。

豆包公关负责人回应算力数据说法

2026年10月20日,豆包公关负责人刘星发文回应“国内超一半算力在造爽剧”的说法,称该算力数据不靠谱,并表示字节总算力中仅约10%用于视频生成模型的训练和推理。新京报报道提到,这一说法源自一家布局AI短剧赛道的上市公司在投资者关系活动记录表中的披露,并与网传“美国tokens消耗58%在代码生成和企业自动化”的信息叠加,引发讨论。此前,财新网10月19日报道核查称,被多家媒体和研究机构转发的“短剧Token消耗占比55%”数据,原始出处为中文在线6月3日路演及电话会议记录,该记录称AI短剧与视频生成在国内Token消耗中占55%,电商与营销占24%,软件开发仅占15%;财新同时指出,目前市场上缺乏公信力较高的第三方数据来测算国内Token消耗的场景分布。

智象元一联合创始人提出竞争将转向工作流闭环能力

智象元一(HiDream.ai)联合创始人兼COO王科在云栖大会期间提出判断:视频生成已从“能用”走到“好用”的拐点,未来1—2年核心竞争点将从模型能力比拼转移到工作流闭环能力。同一报道提到,其视频模型HiDream-O1-Video-1.0加入前置意图理解模块,并采用自研原生全模态UiT架构;影视创作协作智能体帧赞将剧本分析、分镜生成、角色设计与后期处理纳入同一工作流。报道还称,5人团队借助帧赞在15天内完成24集AI仿真人短剧《阎魔的宠妃》共130分钟内容。目前该判断来自王科在云栖大会期间的公开表述,尚无后续发展事实。

Google改进搜索AI回答中的链接显示

Google于2026年10月15日宣布,改进Google搜索AI模式与AI概览中的链接展示方式。据gihyo.jp报道,回答顶部将更频繁显示内联链接,部分回答末尾的相关文章链接会配上缩略图,并将在回答顶部专设栏目汇总官方站点链接。文章轮播的提供地区和语言也在扩大,优先新闻来源设置的使用者增至年初的7倍以上;AI模式视频发布者名称链接至搜索个人资料的测试已启动,但个人资料创建目前仅限美国、加拿大和印度。目前尚无后续发展事实。

Mamdani呼吁纽约人抵制AI对就业与尊严的冲击

纽约市长Zohran Mamdani在AI Now Institute主办的The People's AI Assembly活动上批评联邦政府在AI监管上“完全失职”,呼吁纽约人不要接受AI冲击就业与教育的“必然性”,并抵制AI对就业、孩子心智与尊严的冲击、夺回控制权。他称当前是“鲁莽地采用技术,却不对其局限做任何清算”。报道还提到,他上月已下令禁止小学和初中使用AI,今夏推出政策要求房产挂牌照片或视频由AI生成时必须明确披露。

vLLM-Omni团队发布技术报告

vLLM-Omni团队发布了vLLM-Omni技术报告。相关证据显示,蚂蚁inclusionAI在GitHub发布vLLM-Omni仓库,该框架在vLLM基础上扩展全模态模型推理与服务,支持文本、图像、音频、视频和动作数据处理,并支持DiT等非自回归架构。README显示其已迭代至0.30.0,对齐vLLM 0.30.0,新增MiniCPM-o 4.5与AURA的全双工会话服务、Mooncake AR-to-DiT跨阶段KV与多模态传输,以及在NVIDIA Blackwell和昇腾950上的MiniMax H3 Turbo实时推理。框架提供OpenAI兼容API服务、流式输出和分布式并行推理,并列出Qwen3-Omni、MiniMax H3、Wan2.2、π0.5等已支持模型。目前尚无后续发展事实。

TwelveLabs Pegasus 1.5上线Amazon Bedrock

TwelveLabs 的 Pegasus 1.5 视频语言模型已在 Amazon Bedrock 上线。据 AWS Machine Learning 发布的信息,该模型可把长视频转成带时间戳的结构化 JSON 元数据;新版本支持按用户定义的分段规则返回匹配片段、结合参考图像的多模态提示,以及无需预索引的即时处理,单次请求可分析最长 2 小时视频。模型通过 InvokeModel 和 InvokeModelWithResponseStream 调用,目前在美国西部(俄勒冈)区域提供。

HTC披露VIVE Eagle智能眼镜隐私保护机制

HTC披露了VIVE Eagle智能眼镜的隐私保护机制。据VR陀螺报道,该眼镜拍摄的视频经加密后仅存于本地,不会自动上传至手机或云端,导出需通过配套应用手动操作。录制指示灯被遮挡时设备会停止录制,用户也可用语音指令停止拍摄,周围人员可主动要求终止录制。VIVE AI助手可调用OpenAI ChatGPT及Google Gemini,用户无需登录第三方AI账户;HTC表示不会用眼镜收集的个人信息训练自有或第三方AI模型。目前该机制已随披露公开,尚无后续发展事实。