AI 视频生成与理解：文生视频模型、视频编辑工具与影视创作变革的追踪。
AI综艺正成为新的短视频内容形态，创作者@十万个挑战单条视频获赞189万，@重塑计用AI重启《变形计》仅四期平均点赞超20万。一集5分钟左右的AI综艺生成成本约2000—5000元，制作周期约一周。LibTV已与抖音未来导演扶持计划达成合作，联合提供算力、工具与流量扶持，抖音该计划已有超500部作品上线、近70部作品破千万播放。
推荐理由：原文拆解了AI综艺在成本、试错和分发上的变化，读者可据此判断这一新内容形态能走多远。
Anthropic 为 Claude 推出两项 beta 新功能：Dashboards 可连接 BigQuery、Databricks、Snowflake、Salesforce 等数据源。
推荐理由：两项功能分别把数据源和文本提示转成可编辑、可导出的可视化产物，读者可据此判断是否要将它们接入现有工作流。
Reka AI 发布了 Rho-1 的研究预览版，这款 190 亿参数的全模态模型在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。与多数将任务路由到专用模型的系统不同，Rho-1 把所有模态作为 token 放进同一共享上下文窗口，无需工具调用或外部模型，并能实时生成连续视频、即时响应新指令。
推荐理由：原文给出单一模型统一处理多模态与机器人控制的思路，以及从普通视频提取控制信号的数据方案，可对照自家多模态路线。
10 月 1 日，美国 AI 视频公司 Tavus 发布 Griffin 模型，并将其定义为全球第一个「人类交互模型」；一分钟视频通话测试中 54 名参与者有 26 人事后认为自己在和真人聊天，比例接近 48%，而上一代系统通过率仅 2.4%。
推荐理由：文章在宣传效果之外核对了样本量、心理暗示与基准分数，读者可以据此更冷静地判断端到端架构带来的实际进步。
MiniMax 正式发布通用全模态生成模型 H3，支持多模态上下文统一理解，可输出最高 15s 2K 分辨率的原生双声道音视频。该模型在指令遵循、文字与品牌信息呈现及 V2V Motion Transfer 等方面表现出色，2K 分辨率下每秒价格不到主流模型的 1/3。官方计划在未来几天内开放模型权重，以推动开源社区发展。
推荐理由：MiniMax 发布全模态生成模型 H3，支持 15s 2K 原生双声道音视频，计划开放权重，为多模态创作提供了新的高性价比选项。
可灵 AI 拿出 Kling 4.0 大版本更新，主打真实、可控、专业，将于 10 月正式上线，Kling 4.0 Flash 已于 9 月 28 日率先开放小范围体验。
推荐理由：原文把 Kling 4.0 的 10-bit HDR 输出与主流 8-bit 方案对比，并给出多参考素材的提示词分工技巧，可直接迁移到自己的视频生成流程。
9 月 20 日，剪映在「AI 新创作发布会」上发布 AI 互动影游创作平台 ICG Studio，并集中更新专业版、移动端与创作者生态。专业版新增一站式工作台「剪映 Hub」，可从一句话或参考视频出发，调用即梦、小云雀等生成素材并在多轨编辑器中继续修改；智能创作 Agent「剪映助手」可整理素材、删减口播、纠正字幕，移动端名为「小映」。
推荐理由：原文梳理了剪映从剪辑工具向一站式 AI 创作平台的定位调整，并说明 ICG Studio 如何把剧情分支逻辑引入视频创作。
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 与 3.5 Flash-Lite 上线智能体视频理解能力，token 消耗最高降低 88%、成本最高降低 66%、准确度最高提升 7%。
推荐理由：原文给出最高 88% 的 token 降幅与 66% 的成本降幅，并说明按标准 API 计费、无额外功能费的开启方式，便于开发者评估接入成本。
Google DeepMind 发布 Gemini Omni 1.1 Flash，为开发者带来一套新的创意控制与生成视频能力，可通过 Gemini API 在 Google AI Studio 或企业 Agent Platform API 使用。
推荐理由：相比此前只能参考最后一秒，Omni 1.1 可分析最多 10 秒前文，场景延长以 10 秒为步进累计至 40 秒，读者可据此判断它对连续叙事工作流的价值。
视频生成模型 Wan3.0 正式上线千问AI平台，单次可生成30秒视频，并首次支持 doc、xls、ppt、pdf、md 等文档格式输入。自8月6日公测以来，Wan3.0 在跨镜头一致性、人物质感与真实世界还原方面获得短剧、广告、文旅等行业用户反馈。480P/720P/1080P 的 API 价格分别为 0.3/0.6/1.2 元/秒，8月24日至9月23日开启限时7折优惠。
推荐理由：原文给出了 Wan3.0 的生成时长、文档输入能力与 API 定价，可据此判断视频生成模型在生产流程中的落地进展。
作者实测 B 站旗下视频创作平台 updream（updream.cn）的「预演台」功能，上传场景图即可一键生成带深度信息的 3D 白模场景并录制白模视频，作为 AI 视频生成的空间控制参考。
推荐理由：原文给出白模视频加提示词模板的可复用流程，读者可据此提升 AI 视频镜头与人物走位的控制精度。
Seedance 2.5 发布，单段视频直出时长从 15 秒翻倍至 30 秒，支持两次视频延长、最长 90 秒，参考素材上限从 12 个提升到 50 个（30 张图片＋10 段视频＋10 段音频）。
推荐理由：文章对比 Seedance 2.0 时代的长镜头拼接痛点，拆解 30 秒直出、片段重拍与智能引用如何改变 AI 视频制作流程。
Google DeepMind 发布 Gemini Robotics ER 2，作为机器人的高层大脑负责推理、规划与任务编排，并将运动执行交给底层 VLA 模型。该模型支持连续视频进度追踪、精确关键时刻识别与多机器人协作，进度分类准确率达 57.4%，关键时刻识别准确率达 91.3%。开发者现可通过 Gemini API 与 Google AI Studio 使用。
推荐理由：官方博客给出了新模型在视频理解、任务编排和多机器人协作上的能力升级与评测数据，可据此判断具身智能的落地进度。
Google DeepMind 发布 Gemini Omni 系列首款模型 Gemini Omni Flash，支持将图像、音频、视频和文本组合作为输入生成高质量视频。
推荐理由：原文给出了 Gemini Omni Flash 的多模态输入与对话式编辑能力，读者可据此判断其视频生成工作流的变化。
Google DeepMind 开始向美国 Google AI Ultra 订阅用户（18 岁以上）滚动开放 Project Genie，这是一个基于 Genie 3、Nano Banana Pro 和 Gemini 的实验性研究原型网页应用，支持用户用文本或图片创建可探索的交互世界、实时生成前行路径，并对已有世界进行混编与视频下载。
推荐理由：原文列出了世界素描、探索、混编三大能力与生成时长等限制，可据此判断世界模型从研究走向消费级体验的成熟度。
Google DeepMind 更新 Veo 3.1 Ingredients to Video，基于素材图生成的视频更具表现力，角色、背景与物体一致性增强，并首次支持原生 9:16 竖屏输出与 1080p、4K 放大。
推荐理由：官方说明了 Veo 3.1 在竖屏输出与 1080p、4K 放大上的具体变化，并给出各端上线范围，便于判断它对短视频创作流程的影响。
迪士尼与 OpenAI 达成协议，把 200 多个迪士尼、漫威、皮克斯和星球大战角色引入 Sora，用于粉丝创作的短视频。协议同时涵盖迪士尼全公司使用 ChatGPT Enterprise 和 OpenAI API，并强调娱乐领域的负责任 AI。
推荐理由：协议把 200 多个迪士尼角色引入 Sora 短视频创作，并带动 ChatGPT Enterprise 在迪士尼全公司部署，是 IP 授权与 AI 视频生成结合的典型案例。
OpenAI 发布 Sora 2 视频生成模型，支持同步对话与音效；旧版 Sora 产品已不再可用。
推荐理由：原文点明 Sora 2 支持同步对话与音效，并说明旧版 Sora 产品已下线，读者可据此判断视频生成能力的变化。
OpenAI 发布 Sora 2 系统卡，介绍其新的视频与音频生成模型。该模型在 Sora 基础上实现了更准确的物理效果、更清晰的真实感与音画同步，并增强了可控性与风格多样性。
推荐理由：官方系统卡概述 Sora 2 在物理准确度、真实感与音画同步上的提升，读者可据此对照前代视频模型评估其能力变化。
OpenAI 宣布视频生成模型 Sora 正式上线，用户可在 sora.com 使用。该模型支持生成最高 1080p 分辨率、最长 20 秒的视频，提供宽屏、竖屏和方形三种画幅比例；用户可导入自己的素材进行扩展、混剪和融合，也可直接从文本生成全新内容。
推荐理由：原文给出了 Sora 的开放入口、分辨率与时长上限，读者可据此判断它能否满足自己现有的视频创作需求。