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。
当前仅显示精选新闻Google 发布 gemini-omni-1.1-flash，即对话式视频生成与编辑模型 Gemini Omni Flash 的 GA 版本。新增视频延伸、首尾帧插值（最多 2 张图）以及 360p 到 4K 的分辨率参数，1080p 和 4K 通过超分辨率生成；预览端点 gemini-omni-flash-preview 将于 2026 年 9 月 30 日弃用。
推荐理由：官方更新日志给出 GA 版本的新能力清单和预览端点停用时间，开发者可据此规划迁移。
推荐理由：Wan 3.0 上线 ComfyUI 并给出 Model Studio 与 Qwen Cloud 的 API 入口，读者可据此找到实际使用渠道。
Alibaba's Wan 3.0 from @Alibaba_Wan and @alibaba_cloud is now live on OpenRouter. Generate 2-30 second videos from text, images, or references at 480p, 720p, or 1080p. Launch pricing: $0.05/$0.10/$0.20 per second, with a limited-time 15% discount across every resolution. https://t.co/yzQNUKAo3o
推荐理由：官方给出 2–30 秒、最高 1080p 的生成规格与 OpenRouter 接入入口，可据此评估视频生成的调用成本。
WAN 3.0 is now on Runway. Generate state-of-the-art video and audio with multiple image, video and audio reference inputs. Try it now at the link below. https://t.co/VzTkPZR3cz
推荐理由：Wan 3.0 上线 Runway 并给出 API 入口，读者可了解其多模态参考输入带来的生成控制方式。
推荐理由：阿里云公布 Wan 3.0 在 Picsart 上线，30 秒原生生成与 20 路参考输入给出了视频生成落地的参考。
OpenRouter 发布视频生成 API 教程，通过 POST /api/v1/videos 提交任务、轮询状态、下载 MP4，同一集成可用 Seedance 2.0、Veo 3.1、Wan 2.7，切换模型只需改 model 标识符。
推荐理由：OpenRouter 官方教程给出完整的异步视频生成集成代码，包括轮询、失败状态处理和换模型时需注意的参数差异，可直接迁移到自己的项目。
WAN 3.0 现已在 Runway 上线，可用多路图像、视频和音频参考输入生成视频与音频。用户可通过官方给出的链接直接试用。
推荐理由：WAN 3.0 在 Runway 上线并开放试用，读者可了解它支持多路图像、视频和音频参考输入生成音视频。
推荐理由：Wan 3.0 在 OpenRouter 上线并公布各分辨率每秒定价与限时折扣，读者可据此判断接入成本。
推荐理由：官方给出两个接入入口和按分辨率分档的每秒定价，开发者可据此估算调用成本。
a16z 作者 Olivia Moore 用 ChatGPT 生成形象、Minimax 3 与 Grok Imagine 1.5 等模型制作虚拟网红 Janie，让她参加阿拉巴马大学 Bama Rush，成本为每天30分钟和100美元额度。
推荐理由：作者用每天30分钟和100美元额度造出AI网红跑完Bama Rush，读者能看到观众识破AI与披露争议的完整过程。
xAI 宣布 Grok Imagine Video 1.5 已在 Imagine API 全面开放，同时在 grok.com/imagine 及 iOS、Android 应用上线 Video 1.5 Fast。
推荐理由：官方逐项对比了音频、运动物理与生成速度的变化，可据此判断图生视频在实际创作中的可用程度。
xAI 为 Imagine Video 1.5 加入图像与语音参考、纯文本生成视频和原生 1080p，其中图像与语音参考即日起在美国面向 SuperGrok Heavy 和 SuperGrok Plus 开放，并在接下来几天覆盖全部档位。
推荐理由：xAI 为 Imagine Video 1.5 补上图像与语音参考，最多七张参考图可分别锁定人脸、产品或场景。
Black Forest Labs 的 FLUX 3 Video 初版正式通过 BFL API 和部分合作方开放。模型可生成最长 20 秒、带原生音频的视频，支持 HD（720p）与 Full HD（1080p），并提供文本生视频、图生视频与关键帧、视频续写（最多 4 秒素材）、单次生成多镜头、多语言对话与精确口型同步、Draft Mode 快速预览等能力。
推荐理由：官方公布了模型能力和自评基准数据，并说明后续开源权重与图像版本的路线，可帮助读者评估其在视频生成工作流中的位置。
MiniMax 发布通用多模态生成模型 MiniMax H3，统一理解文本、图像、视频和音频上下文，可生成最长 15 秒、默认 2K 分辨率、带原生立体声的视频。
推荐理由：官方公布 H3 的统一任务设计、核心技术组件与 2K 定价对比，并预告即将开放模型权重，可了解其训练范式思路。
ByteDance Seed 正式发布视频生成模型 Seedance 2.5，延续 Seedance 2.0 的多模态音视频联合生成架构，单次生成时长从 15 秒提升至 30 秒并支持多轮延长，可生成数分钟连贯内容。
推荐理由：官方公布单次生成 30 秒、30 张图参考和时间戳编辑等具体能力变化与上线入口，读者可据此评估视频创作工作流。
Runway 推出面向专业开发者和企业团队的 AI 媒体平台 Runway Dev，现已可用，入口为 dev.runwayml.com。
推荐理由：原文列出了四大能力和企业级安全条款，开发者可以据此评估是否用单一平台替代多个媒体 API 的拼装方案。
Black Forest Labs 发布多模态基础模型 FLUX 3 并开放 Early Access，基于 Self-Flow 方法在统一架构下同时学习图像、视频和音频。
推荐理由：官方公布了 FLUX 3 的多模态架构、早期评测胜率和分阶段开放计划，读者可以据此评估它在视频与物理 AI 方向的路径。
Black Forest Labs 发布早期版 FLUX 3 多模态基础模型，联合训练图像、视频和音频，并在其上与 mimic 合作构建视频-动作模型 FLUX-mimic。
推荐理由：原文给出训练细节和工厂实测数据，读者可以判断世界模型路线对机器人任务的实际收益。
NVIDIA 和 Hugging Face 推出 NeMo Automodel 与 Diffusers 的集成，为 Hub 上任意 Diffusers 格式模型提供生产级分布式扩散训练，无需转换 checkpoint 或重写模型。
推荐理由：NVIDIA 与 Hugging Face 把分布式扩散训练接入 Diffusers，无需转换 checkpoint 或重写模型，可直接微调现有开源扩散模型。
Google DeepMind 推出图像模型 Nano Banana 2 Lite（gemini-3.1-flash-lite-image），文生图延迟 4 秒。
推荐理由：官方公告给出了两款模型的定位、价格、延迟和已知限制，开发者可直接据此选型和接入。