OpenAI计划重启Sora
OpenAI正与一家尚未公开名称的AI视频初创公司洽谈，拟向其授权Sora模型并由其进行二次改造和销售。该初创公司由杰弗里·卡森伯格、前Sora项目研究负责人比尔·皮布尔斯、前Dropbox首席财务官苏杰·贾斯瓦在近几个月联合创立，面向电影从业者开发AI视频工具，上月被媒体披露。
推荐理由：报道披露了好莱坞资深人士联合创立的初创公司与 OpenAI 就 Sora 模型授权改造进行洽谈的背景，为观察 Sora 商业化路径提供了具体线索。
#视频
36氪精选AI 评分5050 钛媒体精选AI 评分5757 AI批量造星，真人明星还有何价值？
深响在钛媒体发文分析AI批量造星现象，结合AI漫剧、AI演员、AI歌手、AI偶像等案例，拆解虚拟角色从作品走红到粉丝运营再到品牌合作的完整链路。今年前8个月全国上线微短剧43万部，AI剧占比超过九成。文章同时指出真人明星仍拥有真实互动、不可预测性和长期人生经历沉淀等难以被AI替代的部分。
推荐理由：文章把AI虚拟偶像与真人明星拆成两类消费对象，对照标准化内容产能与不可复制的真实互动，给出当前行业分层判断。
钛媒体精选AI 评分5959 AI剪辑混战，钱从剪辑师流向了谁？
钛媒体分析AI剪辑行业格局，指出剪映、Adobe、Descript、可灵、Runway等四路玩家正从不同方向争夺同一条视频生产流水线，按席位收费的传统软件模式正被按AI积分和素材时长计费取代。
推荐理由：文章梳理了四类玩家争夺视频生产流水线的竞争格局与定价模型变化，为理解剪辑价值链上的利润流向提供了具体线索。
钛媒体精选AI 评分4949 AI短剧吃掉国内过半词元，视频大模型公司成最大"印钞机"
中文在线披露的行业数据显示，AI短剧与视频生成在国内词元消耗中占55%，远超软件开发的15%，是当前国内最大的算力消耗场景。生产1分钟AI视频约消耗360万词元，一部120分钟AI真人短剧仅模型端算力成本就达3万至4万元，占总成本约50%。
推荐理由：用国内词元消耗占比数据揭示AI短剧为何吃掉过半算力，并拆解模型层、制作层与平台层的成本与收益分成结构。
36氪精选AI 评分2929 华泰证券：海内外AI影视工业化生产加速
华泰证券研报指出，AI影视正从单点技术突破迈向工业化生产，全球影视产业有望迎来成本结构与内容供给模式的重塑。2026年以来国内视频模型在生成质量、推理效率与使用成本上持续突破，AI长剧及电影陆续进入上线、发行阶段；海外影视平台与AI原生公司也在加速将模型融入专业制片流程，推动生产从单项目制向标准化、规模化演进。
推荐理由：把国内视频模型能力突破与海外平台融入专业制片流程放在同一框架下，为读者判断AI影视从工具走向工业化的时间表提供参考。
HF Daily Papers精选AI 评分4040 SMD：简化并改进少步扩散模型的在线策略蒸馏
本文提出 Simplified Matching Distillation（SMD），一种用于少步扩散模型蒸馏的回归框架，可在 4-NFE 下生成图像，无需在线分数估计或对抗训练。
推荐理由：原文给出一种不依赖在线分数估计和对抗训练的回归式蒸馏框架，覆盖图像、视频、3D 和音视频任务。
HF Daily Papers精选AI 评分4444 WorldMemBench：评估视频世界模型记忆能力的综合基准
WorldMemBench 是一个用于评估视频世界模型记忆能力的新基准，通过 260 个测试用例检验模型在多次重访中对静态外观/几何与动态状态演化的记忆保持。研究还评测了 9 个代表性模型，发现强静态记忆并不必然带来可靠的动态状态演化，多次重访时记忆会出现进一步退化。
推荐理由：WorldMemBench 用 260 个测试用例系统评估视频世界模型的静态与动态记忆能力，为诊断记忆失效提供可复用的测试床。
36氪精选AI 评分2424 文投控股预计下半年漫剧业务收入将提升
文投控股在10月12日召开的2026年半年度业绩说明会上表示，上半年受漫剧项目尚未大规模商业化影响，漫剧板块收入仍然较少；公司预计下半年伴随前期开发漫剧项目陆续上线，漫剧业务收入将迎来提升。该消息来源为证券时报。
HF Daily Papers精选AI 评分4040 Multics：基于分层通信的生成式多玩家世界模型
论文提出 Multics，一种面向多玩家交互仿真的视频生成框架，通过玩家、群组、全局三层分层通信结构降低自注意力成本并抑制无关事件间的相互干扰。群组 token 跨组共享参数，配合基于近期相机轨迹的预算受限动态分组，在 4 与 6 玩家场景取得 SOTA，并能从未经重训直接泛化到 6、8、10 玩家推理。
推荐理由：提出分层通信的多玩家世界模型框架，用群组 token 降低自注意力开销并支持训练规模之外的推理，可作为生成式交互仿真的方法参考。
HF Daily Papers精选AI 评分3636 VEDJE：面向可扩展视频文本检索的高效判别联合编码器
VEDJE 用 33M 参数联合编码器在压缩缓存上做视频文本检索，在 MSR-VTT 上以约 49× 更少在线参数达到 59.8 R@1。每段视频压缩至 48 KiB，约为原始视觉特征的 1/128.5，并在匹配的首阶段检索器上额外提升 3.6–7.2 R@1。作者还引入特征变化预测目标以改善检索精度，代码与 Colab 演示已开源。
推荐理由：用一次性视频压缩配合轻量联合编码器替代完整视频重编码，给出了可复现的开源实现和多模态检索的工程取舍。
The Decoder精选AI 评分6262 Odyssey 发布 Odyssey-3 生成式世界模型，可免费试用
Odyssey 公司发布生成式世界模型 Odyssey-3 的公开研究预览，用户可通过文字提示实时生成交互式环境并自由探索，开发者可申请 API 访问。模型基于自回归扩散 Transformer，基础版有 140 亿参数、生成 832×480 视频，Pro 版支持 1280×720。
推荐理由：原文给出 Odyssey-3 的架构、训练数据与基准成绩，同时指出其榜单记录未达标准测试条件，便于读者独立判断能力。
钛媒体精选AI 评分3030 00后"戒断"AI短剧：一个月卸载了5次
钛媒体"表外表里"采访多位00后用户，记录他们沉迷AI短剧后反复卸载又复吸的经历。多位受访者日均观看3-4部短剧，有人暑假期间一天看8小时、一个月卸载5次以上，有人花千元买电子阅读器试图戒断但失败。报道呈现了AI短剧作为碎片化娱乐对学习、备考和社交的冲击，以及受访者各自摸索的节制策略。
推荐理由：通过多名00后的第一手口述，呈现AI短剧对他们日常时间分配和备考节奏的侵蚀，为理解碎片化娱乐冲击提供具体样本。
HF Daily Papers精选AI 评分3737 LightVAE：面向紧凑高效的视频自编码器
LightVAE 是一个视频 VAE 压缩框架，通过将 Conv3D 层重参数化为聚合空间响应与差分驱动的时序校正，并对时序部分做低秩近似，再结合宽度保持的块剪枝和探测引导的特征对齐来恢复画质。
推荐理由：提出针对视频 VAE 的 Conv3D 重参数化和时序低秩压缩方法，在多种 VAE 骨干和两代 GPU 上给出具体加速数据，便于与现有高效解码器对比。
HF Daily Papers精选AI 评分3737 OmniCapBench 面向细粒度音视频字幕的多层级诊断评测基准
研究团队发布音视频字幕评测基准 OmniCapBench，把预测目标从自由文本改为可验证的原子单元，覆盖实体指代、视觉镜头和音频事件三条轨道。基准包含 786 个密集标注视频，通过确定性约束检查和局部语义对比定位 MLLM 在时间对齐、身份漂移、跨模态错位和幻觉描述上的具体错误。评测前沿 MLLM 显示其局部感知较强，但长程音视频推理明显偏弱，尤其在身份漂移和跨模态错位上问题突出。
推荐理由：该基准把音视频字幕评估拆成三条可验证轨道，能精确定位 MLLM 的具体感知错误，为全模态模型的改进提供可迁移的诊断路径。
36氪精选AI 评分3232 万兴科技发布万兴喵影2027桌面端
万兴科技近日面向国内市场焕新发布万兴喵影2027桌面端。该版本围绕素材准备、剪辑制作、成片交付三个视频创作环节，新增及升级十余项重点能力。
推荐理由：围绕素材准备、剪辑制作、成片交付三个环节升级十余项能力，便于读者对照现有视频创作流程判断变化。
钛媒体精选AI 评分4646 AI猫狗演短剧，谁在背后数钱？
AI 生成的猫狗短剧正在抖音、小红书、TikTok 等平台快速扩散，抖音 #AI 萌宠话题累计播放 26.4 亿次，#AI 宠物挑战累计 16.8 亿次。头部博主已跑通变现路径：@川岛小猪 累计接到 8 笔品牌商单、单条笔记报价 4500 元；@LT 小狗日记单条定制广告最高报价 8 万元，并推出 79.9 元周边 T 恤与付费教程。
推荐理由：原文梳理了 AI 宠物短剧从制作工具、爆款内容到品牌商单与带货的变现链条，适合想了解 AIGC 在垂直内容赛道落地节奏的读者。
HF Daily PapersAI 评分3434 OuroWorld：让任意 3D 世界化为多样、无限循环的 3D Cinemagraph
OuroWorld 是一个 mask-free 框架，可将任意静态 3D Gaussian Splatting 场景转化为从任意视角无缝循环的 3D cinemagraph，支持一般形变、物体运动和光照变化。
钛媒体精选AI 评分3232 当 AI 扑进剪辑软件：视频创作的专业权正在被重新分配
文章把视频剪辑工具赛道拆分为 Premiere Pro、Final Cut Pro、DaVinci Resolve、剪映/CapCut 与 Runway、可灵、即梦等 AI 原生工具五股力量，指出 AI 正沿素材理解、精细控制、自动化交付三个方向改造剪辑工作流。
推荐理由：原文把五股剪辑工具势力的现状与 AI 重构工作流的三个方向并列，便于读者对照判断剪辑工具赛道的下一步走向。
36氪精选AI 评分4747 Tavus发布实时视频对话模型Griffin-Lite，48%受试者误判为真人
美国AI视频公司Tavus发布新模型Griffin-Lite，并将其定义为"人类交互模型"，宣称是首个通过"视频图灵测试"的实时视频对话模型。在一项54人参与的1分钟视频通话测试中，48%的受试者误以为对方是真人，上一代系统在同一测试中该比例仅为2.4%。Griffin-Lite与传统语音助手不同，可在双方同时说话时实时作出附和或打断的反应。
推荐理由：原文给出了上一代 2.4% 到 Griffin-Lite 48% 的视频图灵测试对比结果，为评估实时视频对话模型拟人度提供了一组可参照的数据。
HF Daily PapersAI 评分3232 GeoFix：面向 4D 一致性生成的几何修复方法
GeoFix 提出了一种统一框架，仅用单一几何奖励即可在训练和推理阶段提升视频扩散模型的 4D 生成质量，规避了现有方法在纹理和细节上的退化。该方法通过评估静态场景区域的跨视角深度一致性，并针对相机视场重叠带来的偏差进行奖励校准。实验显示，GeoFix 使 WorldScore 3D consistency 提升 39%，VBench Quality Score 提升 4%。
TechCrunch精选AI 评分3232 Ben Affleck 多档访谈展示 AI 技术理解，详谈 AI 影视制作流程
演员 Ben Affleck 因近期多档访谈中展示对神经网络、Transformer、推理等术语的熟悉而在网上走红，他今年将创办的 AI 影视公司据报道以 5.87 亿美元被 Netflix 收购，并曾在访谈中透露访问过 OpenAI。
推荐理由：他详细介绍了解冻开源视频模型权重并以自有数据集微调的工作流程，对影视行业如何落地 AI 有借鉴价值。
OpenAI NewsAI 评分2626 Pollo AI 借助 OpenAI 模型将创意转化为营销活动
Pollo AI 基于 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5 推出 Pollo Agent 与 Photo to Video Ads，把创作者创意转化为成片图像和视频广告。平台已服务超 2600 万用户，30% 的创作者会话从视频模板起步，用户切换模型的时间减少超 50%。Pollo AI 计划未来 12 个月内让 AI 视频成为日常内容创作的常规环节。
量子位精选AI 评分5656 生数科技开放Vidu Q4预览版视频生成模型，实测720P档每秒低至0.09元
生数科技开放Vidu Q4预览版视频生成模型，主推人物演绎、镜头语言和视效场面三项能力，最高支持4K直出、单条最长16秒，最多支持15张参考图和3段参考音频。MaaS端720P约0.6元/秒、1080P约0.75元/秒，SaaS端预览版推出两个月限时优惠、部分场景可低至0.09元/秒。量子位实测做了6个共约110秒的视频，720P档总成本不到10元。
推荐理由：原文给出新模型的实拍定价和多场景对比，读者可以据此评估它在视频生成成本与表现力上的实际位置。
钛媒体精选AI 评分6464 快手可灵启动独立上市筹备，快手股东面临更艰难的选择
快手AI视频部门可灵已正式启动独立上市，选定中金、高盛和瑞银负责香港IPO，预计最早2027年完成，募资至少10亿美元。2026年第二季度可灵收入超8.5亿元，同比增长超200%，而快手集团同期收入仅增长1.4%至355.35亿元。7月增资后快手仍持有可灵约68%股权和多数投票权，董事长程一笑兼任两家公司并获1%个人受限权益，文章对照历史先例分析分拆后双方股东的利益分歧。
推荐理由：对照金山办公、LG化学历史先例，拆解可灵独立上市后快手股东面临的取舍空间和控股结构带来的潜在估值差。
HF Daily Papers精选AI 评分4141 DiffusionART：面向扩散模型的高效稳定可扩展强化学习方法
论文提出 DiffusionART，一种无需可微奖励和逐任务调参的扩散模型在线强化学习微调方法，支持配对奖励模型 DiffusionART-Pairwise。
推荐理由：它提出一种无需奖励可微、无需逐任务调参的扩散模型 RL 微调方法，并以 HunyuanVideo-13B 上大幅领先 DiffusionNFT 和 Flow-GRPO-Fast 的 GPU 时间和奖励作为迁移参考。
HF Daily Papers精选AI 评分5050 SepGen：单模型实现多音轨音视频分离与生成
SepGen 扩展预训练音视频生成器，在一次联合采样中同时输出视频、混合音轨以及按字幕逐个声源的波形，支持生成和分离两种互补模式。在给定音频混音和带台词字幕时，SepGen 在语音场景下优于语言条件分离器，且在字幕去掉台词后仍保持领先。代码、检查点与数据集已发布在 https://sepgen.github.io 。
推荐理由：SepGen 在一次采样中同时输出视频、混合音轨和各声源波形，并给出可与语言条件分离基线直接对比的语音场景实验结果。
HF Daily Papers精选AI 评分4141 VIS-Ground：面向视频交互式叙事的上下文接地方法
VIS-Ground 把视频交互式叙事中的异构输入转成可执行的生成约束，包含 Structured Context Abstraction、Generation Constraints Induction 与 Constrained Video Generation 三个模块，分别完成上下文抽象、约束归纳与约束执行。
推荐理由：把观众请求、叙事源与已渲染状态统一转成可执行约束，可作为交互式视频生成接地方案的方法参考。
36氪精选AI 评分3636 Utopai Studios定制视频模型Utopai X在Artificial Analysis文生视频榜单排名全球第二
全球最大独立AI原生影视公司Utopai Studios的定制视频生成模型Utopai X在Artificial Analysis文生视频排行榜中排名全球第二、全美第一，也是该盲评榜单首次由影视公司定制模型取得这一成绩。榜单完全基于盲评输出质量，由观众在不知晓模型品牌的前提下对同提示词生成的视频进行偏好评价，数据截至2026年9月30日。
推荐理由：报道给出了影视公司定制模型跻身盲评榜单前列的具体排名与背景，可作为评估影视定制模型与厂商模型差距的参考。
HF Daily PapersAI 评分3030 DuoMatching：面向少步视频生成的联合-边缘分布匹配框架
DuoMatching 提出面向少步视频生成的分布匹配框架，通过统一的联合-边缘公式近似真实视频分布，并由图像生成器提供帧级监督。框架引入 LatentBridge 解决视频学生模型与图像教师模型的潜空间表征差异，并借助 Latent Variation Sampling 将帧级监督分布到不同时间片段。实验显示其在视觉质量、构图与语义对齐上均有提升，人类偏好率在所有对比基线上超过 80%。
HF Daily PapersAI 评分3434 LOCI：面向流式世界模型的空间线性记忆架构
LOCI 是一种面向视频世界模型的混合空间记忆架构，将 KV cache 与循环线性注意力记忆结合。记忆读写由投影相机几何条件驱动，在 MIND 基准和留出轨迹上比同类世界模型与 full softmax 更忠实地复现重访内容；满历史场景下峰值内存降低约 30%，有界记忆库下可恒定内存流式处理长视频。
Google AI BlogAI 评分2222 Google 联合 XPRIZE 揭晓 Future Vision XPRIZE 获奖短片《The Gifted》
独立电影人 Jeff Synthesized 凭借短片《The Gifted》获 Future Vision XPRIZE 大奖，从全球 2,500 多部参赛作品中脱颖而出。
HF Daily PapersAI 评分3333 MinkowskiPE：面向时空感知的闵可夫斯基位置编码
MinkowskiPE 提出一种结合闵可夫斯基几何与洛伦兹变换的位置编码方法，用联合时空坐标变换 query 与 key 特征，使注意力分数仅依赖 token 间的相对时空位移，兼具时空平移不变性与 FlashAttention 兼容性。该方法不假设物理系统遵循相对论动力学，仅作为表示层几何归纳偏置，在蛋白-配体分子动力学和 KTH 视频预测两类差异显著的任务上均取得一致性能提升。
Google AI BlogAI 评分3131 Google Beam 扩展覆盖至六个国家，新增合作伙伴与企业客户
Google Beam 将业务扩展至六个国家，新增 Industrious 等合作伙伴与 Bain、Netflix 等企业客户。该设备由 HP Dimension 提供硬件支持，可与 Google Meet 和 Zoom 集成。Google 内部 8 周研究显示，使用 Beam 的团队连接感提升 50%，反馈被清晰理解的比例为 33%，后续会议需求减少 21%。
OpenAI NewsAI 评分2626 invideo 如何借助 GPT-6 Astra 将调色效率提升 3 倍
invideo 借助 GPT-6 Astra 将色彩校正与调色效率提升 3 倍，并能在一天内产出 50 个自定义特效。该模型还支持以更高精度规划剪辑，使整体视频编辑流程更高效。
OpenAI NewsAI 评分2222 Higgsfield AI 借助 GPT-6 Astra 一天内推出新视频功能
Higgsfield AI 借助 OpenAI 的 GPT-6 Astra 让小企业视频广告创作流程更简单，并将新创意工具以更快速度推向市场。
Google AI Blog精选AI 评分4949 Google 汇总 2026 年 8 月 AI 进展：发布 Gemini 3.7 Flash 与 Pixel 11 系列
Google 在官方 AI 月度回顾中集中公布了 2026 年 8 月的多项更新，包括面向开发者与 Agent 的 Gemini 3.7 Flash（每百万 token 价格为上一代一半）。
推荐理由：汇总了 Google 八月从 Gemini 3.7 Flash 到 Pixel 11 系列的多项发布，读者可以一次看清模型、终端、语音和开源研究的同步推进。
Google DeepMind精选AI 评分6868 Gemini 推出 agentic 视频理解功能，最多可减少 88% token 消耗
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 中上线 agentic 视频理解功能，可将 token 消耗降低最多 88%、成本降低最多 66%，分析精度最高提升 7%。
推荐理由：对比传统固定帧率处理方式，原文给出 token 消耗与精度的具体改进幅度，可作为评估新视频管线效果的参考。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini Omni 1.1 Flash 带来场景延长、首尾帧插值与 4K 放大
Google DeepMind 推出 Gemini Omni 1.1 Flash，新增场景延长、首尾帧插值、4K 放大和视频参考等视频生成控制能力。场景延长可参考最多 10 秒上文，单次累计上限 40 秒；360p 预览生成速度比 720p 快 60%，成本降至三分之一。
推荐理由：原文列出了 Omni 1.1 Flash 在场景延长、首尾帧插值和 4K 放大等具体控制能力上的更新，可帮助开发者判断它能接入哪些视频生产工作流。
xAI News精选AI 评分6767 xAI 为 Grok Imagine Video 1.5 推出 References 更新，新增图像与语音参考与原生 1080p 输出
xAI 为视频模型 Grok Imagine Video 1.5 推出 References 更新，新增图像与语音参考、纯文本生成视频与原生 1080p 输出。
推荐理由：原文列出图像与语音参考、纯文本生视频等新增能力以及各档位可用范围，便于评估对视频创作流程的实际影响。
MiniMax精选AI 评分7272 MiniMax 在 Hugging Face 开源发布全模态生成系统 MiniMax-H3
MiniMax 在 Hugging Face 开源发布全模态生成系统 MiniMax-H3，统一理解文本、图像、视频与音频，并可生成最高 2K 分辨率、最长 15 秒且含原生立体声的视频。
推荐理由：原文给出 H3 三模块拆分、33B Omni-Transformer 架构与 SGLang、diffusers 部署命令，便于复现 768p 与 2K 生成流程。