VAST开源实时世界模型EdenLive,单张RTX 5090上720P超24FPS
VAST发布并开源实时世界模型EdenLive,在单张消费级显卡RTX 5090、720P条件下,5B模型生成速度超过24FPS,可分钟级连续生成,端到端延迟为百毫秒级。
选题角度:原文给出开源权重、推理代码和端到端Demo,适合按游戏预览、视频换皮、具身数据增强三类场景逐一上手实测。
VAST发布并开源实时世界模型EdenLive,在单张消费级显卡RTX 5090、720P条件下,5B模型生成速度超过24FPS,可分钟级连续生成,端到端延迟为百毫秒级。
选题角度:原文给出开源权重、推理代码和端到端Demo,适合按游戏预览、视频换皮、具身数据增强三类场景逐一上手实测。
可灵 Kling 4.0 发布,官方以“Going big”预告这一版本。原文未披露参数规模、benchmark 分数、价格或可用性等具体信息。
DeepSeek V4.1 Flash 与 Gemini 4 Argon 在 Higgsfield 上接受对比测试,内容是一段飞行汽车 kickflip 的逐帧拆解。原文未披露测试分数、生成速度或可用性等具体结果。
DeepSeek V4.1 Flash 与 Gemini 4 Argon 在 Higgsfield 上接受 Ink 动画评测,测试角色动作与电影化转场。
在 Higgsfield 上对 Gemini 4 Argon、GPT-6.1 Soul、Claude Opus 5.5 和 DeepSeek V4.1 Flash 四款模型进行了动画测试对比。测试由 Higgsfield 平台完成评估,原文未披露具体评分与结果。
DeepSeek V4.1 Flash 与 Claude Opus 5.5 在 3D 动画生成上进行对比,画面为像素图标环绕立方体复古窗口内的水晶。该作品使用 Higgsfield 构建。
Higgsfield 官方账号发布一段由 Higgsfield 生成的视频,称 DeepSeek V4.1 Flash 看起来是动态设计领域的新 SOTA,并让读者留意其中的 3D 细节和 UI 转场。推文未给出具体评测数据或对比基准。
Elorian 发布首个模型 Glimpse,主打 Visual Thinking,可对图片和视频提问并推理所看到的内容。作者关注的是它对视频片段的追问能力,比如画面里发生了什么变化、为什么发生、机器人在每一步做什么。他认为如果这类能力足够可靠,机器人遥操作数据标注会彻底改变,因为大量遥操作视频因逐步手工切分标注太慢太贵而闲置,模型自己看片段写标签就能把这些积压素材变成训练数据。
可灵 Kling 4.0 已在官方平台全面开放,官方称其带来更精细的运动、更精准的创作控制和专业级视听输出。可灵 AI 在 Advertising Week New York 2026 与 WPP、Adobe 同台,讨论 AI 视频如何从创意实验走向真实生产,并称下一阶段不只是生成质量,而是把模型、工具和工作流连接起来,让创意在一致性和可控性下规模化。
同一新闻,精选展示《可灵 Kling 4.0 全面开放,新增 MCP 与 CLI 接入》
可灵AI于10月15日深夜上线新一代旗舰视频生成模型Kling 4.0,所有用户可在网页版或App直接使用。Kling 4.0重点优化大幅度动态场景生成,单次原生视频时长拉长到30秒,全能参考功能支持视频、图像、角色、音频等15项参考素材组合,最多支持10个关键帧。
同一新闻,精选展示《可灵 Kling 4.0 全面开放,新增 MCP 与 CLI 接入》
可灵 4.0 正式发布,官方宣传语为“以想象,定义下一帧”,并打出“从灵感萌生,到世界成形”的创作口号。发布内容由 2XLabs 发布,带有 #可灵全能班底 #Kling4 #可灵AI 等话题标签,未披露具体功能与参数细节。
Higgsfield 在 X 上表示 Kling 4 在生成汽车概念图方面表现相当出色,并附上一条链接。原文未给出具体提示词、参数或对比素材。
选题角度:原文只有一句对 Kling 4 生成汽车概念图的评价和一条链接,缺少可复现的提示词或对比素材,难以支撑具体拍法。
Higgsfield 在 X 上表示 Kling 4 的黏土动画(claymation)效果进步明显,称其表现令人难以置信,并附上一条链接。
选题角度:原文只有一句对 Kling 4 黏土动画效果的惊叹和一条链接,缺少可复现的对比素材,暂不支持具体拍法。
Higgsfield 在 X 上评价 Kling 4.0 的画面表现,称其追逐镜头、摩托动画和光照效果看起来像赛车游戏实机画面。该帖仅附一段视频链接,未给出更多参数或对比细节。
Higgsfield 在 X 上表示,Kling 4.0 一次生成(one-shotted)了这段定格动画,耗时 15 分钟,并附上视频链接。
可灵 AI 的 Kling 4.0 于 10 月 15 日晚正式全量上线,面向专业用户强化大幅动态与复杂运镜,全能参考扩充至最多 15 项素材、关键帧最多 10 张图片,单次原生生成延长到 30 秒。
同一新闻,精选展示《可灵 Kling 4.0 全面开放,新增 MCP 与 CLI 接入》
AIWarper 宣布开始测试 Kling 4.0,重点体验其 10 关键帧能力,并附上测试链接。
可灵AI凌晨正式上线视频模型Kling 4.0,支持最长30秒直出,此前9月底已向部分黑金年卡及Ultra年度订阅用户开放4.0 Flash尝鲜。作者实测了城市追逐、马戏团、电梯打斗、花样滑冰等场景,认为其在物理规律理解、复杂动作衔接和镜头调度上有提升,并观察到人物压扁纸箱的形变细节。
选题角度:作者烧积分实测了30秒一镜到底、复杂打斗和全能参考替换,适合挑城市追逐或电梯打戏做效果对比。
Kling 4.0 正式发布。
同一新闻,精选展示《可灵 Kling 4.0 全面开放,新增 MCP 与 CLI 接入》
Kling 4.0 发布,单次生成最长 30 秒,支持最多 10 个关键帧输入、最多 15 个参考,并内置动态运动和多语言对白。视频演示了用起始帧、多个中间帧和结束帧控制画面,再配合脚本让 Claude 生成 Kling 4.0 提示词后上传生成。作者称这能减少剪辑拼接,面向影视、广告和创作者。
选题角度:视频演示了 Kling 4.0 单次生成 30 秒、15 个参考人物和多关键帧控制,适合按口播流程录屏实测多帧控制玩法。
可灵 Kling 4.0 现已全面开放使用。官方同步发布了一支由 Kling 4.0 生成的短片 KING CARD,以魔法世界和卡牌故事为主题。
同一新闻,精选展示《可灵 Kling 4.0 全面开放,新增 MCP 与 CLI 接入》
Higgsfield 发布一段电影级动画对比,用同一段水墨风格奇幻序列测试 Gemini 4 Argon 与 Claude Opus 5.5 的角色动作和镜头调度表现。对比片段在 Higgsfield 上生成,官方附上了视频链接。
选题角度:官方放出 Gemini 4 Argon 与 Claude Opus 5.5 在 Higgsfield 上生成水墨风动画的对比片段,适合逐帧对比角色动作与镜头调度差异。
Gemini 4 Argon 与 Claude Opus 5.5 在 Higgsfield 上以软糖蠕虫为对象进行物理测试,模拟弹性与碰撞。该测试展示了两个模型在物理仿真任务上的表现对比。
Gemini 4 Argon 与 Claude Opus 5.5 在 Higgsfield 上进行了软体物理对比,测试内容为材质弹性模拟与形变。该测试由 Higgsfield 制作,用于比较两个模型在软体物理任务中的表现。
生数科技发布的 Vidu Q4 把视频生成价格降到 9 分钱一秒,即梦也随之把 c-dance 2.5 下调到约 1 秒 9 分钱。视频称这次降价没有减配,Vidu Q4 是旗舰配置,角色微表情和情绪表现更自然,镜头推拉摇移过渡更平滑。原本要花几万元试错的分镜,现在不到 5 元就能跑出一段高水准片段。
选题角度:围绕 Vidu Q4 把视频生成压到 9 分钱一秒、即梦跟进降价这条线,做一次同题材短剧片段的成本与成片对比实测。
Agnes 开源音视频生成模型 Agnes-Video-2.0-MoE,以约 153 亿参数的 DaVinci-MagiHuman 为基础做 MoE 改造,总参数量达约 287 亿,激活参数量仍与原来相当。
韩国创作者对可灵 Kling 4.0 进行了三项高难度测试,并公布了测试结果。原文未披露具体测试项目与结论细节。
Tavus 推出 Griffin,公司称其为首个 Human Interaction Model(HIM),可实时理解并生成语音、面部表情、语气、手势和停顿。在一项 Tavus 研究中,48% 的受试者在一分钟视频通话后认为 Griffin 是真人,此前系统最高只有 2%。
可灵(Kling)官方发布 KLING 4.0 完整版,并放出一段演示视频展示其生成效果。
AI Talk 受可灵AI邀约提前测试 Kling 4.0 满血版,用全能参考功能生成悬疑短片《备用替身》。该片为30s原生直出,官方称视听品质大幅跃升、口型匹配更准确,并支持21:9影视画幅。Kling 4.0 将于10月正式上线。
选题角度:作者拿到可灵4.0提前测试资格,用一支悬疑短片展示30s原生直出、口型匹配和21:9画幅,适合逐段拆解成片效果。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,在原生实时对话模型上加入近实时视频生成,实现带口型同步、自然表情和流畅轮次的视觉化对话,即日起在 Gemini Enterprise 上线。
选题角度:官方给出多语言实时对话演示和酒店入住工具调用案例,适合录屏实测口型同步与后台调用工具时的对话连贯度。
爱诗科技上线全新实时世界模型 PixVerse R2,把视觉、动作、音频、时序和控制信号统一进一套可扩展的因果建模框架,主打实时性与通用能力同时成立。R2 相比上一代 R1 增加了互动影游、实时数字人等玩法,用户可用 WASD 控制视角、用 Prompt 改写角色动作和剧情走向。
World Labs 发布 Atlas 全能世界模型,可从文本、图像、视频和相机位姿生成、重建并模拟 3D 世界。官方称其支持像素级相机控制、最长 1 分钟 1440p 视频、稀疏视角 3D 重建,并输出点云和 3D Gaussian splats,用于机器人 real-to-sim 流程,架构为共享空间上下文的多模态自回归扩散 Transformer。