从一个关键词开始
搜名称，也可以搜场景，比如“AI 写作”“视频剪辑”或“编程助手”。
工具 24
提示词 1
AI热点 59
DashBench评测25个视频LLM驾驶极端情况AI热点新基准DashBench评测25个视频LLM在1709条驾驶视频上的极端情况理解，发现所有模型均低于安全关键应用所需阈值。
VIOS框架提升视频推理后训练效率AI热点NeurIPS 2026论文提出VIOS后训练框架，通过自审计视觉依赖在12项基准上以更少算力提升视频推理表现。
AURA 2.0开源：流式视频模型可主动发起对话AI热点AURA 2.0开源流式视频大模型，新增模型主动对话等三项核心能力，评测居开源流式模型前列。
OpenRouter升级MCP视频生成与上下文优化AI热点OpenRouter发布多项MCP更新：视频生成改为链接返回、模型查询上下文缩减96%、Claude Code任务完成率提升至8/8，并支持聊天内测试600+模型。
谷歌发布视频模型Omni 1.2 FlashAI热点谷歌DeepMind推出Gemini Omni 1.2 Flash，支持原生15秒视频生成与多轮对话编辑，价格降30%，在文生视频与图生视频榜单均登顶。
VideoMemBench发布：MLLM视频记忆仅45.7%AI热点新基准VideoMemBench评测多模态大模型在长视频多轮对话中的记忆能力，Claude Opus 5以45.7%居首，凸显上下文视频记忆挑战。
谷歌推出StreamVibe视频智能体AI热点谷歌联合斯坦福、牛津等团队推出StreamVibe视频智能体，可自主判断何时开口帮忙，其StreamVibe-VL模型基于Qwen3.5-9B，响应时机与质量提升10.7%。
Anthropic发布Claude Meetings，可加入视频会议协作AI热点Anthropic推出Claude Meetings，Claude可加入团队视频通话并实时协作生成文档、白板等artifacts，已在Team和Enterprise计划beta推送。
腾讯微信视觉开源长视频剪辑AgentAI热点腾讯微信视觉开源长视频自动剪辑Agent WeVisCut，输入旁白脚本即可自动输出数分钟成片。
可灵Kling 4.0上线关键帧视频生成AI热点可灵Kling 4.0推出Keyframes关键帧功能，支持最多10个关键帧控制视频生成，已在Magnific平台开放试用。
Sand.ai完成2亿美元A+轮融资AI热点视频大模型企业Sand.ai宣布完成2亿美元A+轮融资，10个月内累计融资约3亿美元，正式跻身独角兽行列。
字节Seedance海外收入占比达50%AI热点36氪获悉，字节视频生成模型Seedance海外收入占比达50%，半年海外收入增长近5倍，腾讯、B站为其国内主要客户。
火山引擎发布Seedance 2.5 flashAI热点火山引擎推出Seedance 2.5 flash视频生成模型，生成速度较Seedance 2.5提升一倍，720P文生视频与图生视频价格约0.99元/秒，降低约34%。
波士顿动力为Atlas加装滑板车轮AI热点波士顿动力发布新视频，展示Atlas通过足部加装滑板车轮实现轮腿混合移动，仅需一个适配器即可复用原有踝关节执行器。
阿里内测AI影视创作台LooogenAI热点阿里内测面向短剧与视频制作的本地Agent创作台Looogen，支持对话完成全流程制作与本地化部署。
腾讯混元开源Hy-Nomas世界生成模型AI热点腾讯混元开源支持多轮交互与镜头控制的视频世界生成模型Hy-Nomas，并同步发布评测基准。
VAR-Q免调优KV缓存量化：内存降78.5%AI热点VAR-Q提出面向视觉自回归图像与视频生成的免调优KV缓存量化框架，在九个模型上将KV内存最多降低78.5%，并支持6倍更大推理批次。
可灵AI增资交割完成，198亿元融资落地AI热点快手10月30日公告，旗下视频生成业务北京可灵增资交割完成，全体投资者出资约198.0184亿元，为AI视频生成领域迄今最大单笔融资，阿里、腾讯、百度及多家国资参投。
RPS-Serve发布：多模态推理调度新框架AI热点arXiv论文提出RPS-Serve模态感知调度框架，通过将视频、图像、文本分类为岩石、卵石、沙子优化GPU利用率，GPU利用率提升65%，TTFT最多降低9.3倍。
IFM开源世界模型PAN 2AI热点IFM发布开源世界模型PAN 2，可生成最长20秒的动作后果视频，采用语言模型规划加29B视频模型渲染的架构，官方基准显示其在开放模型中完整计划完成率排名第一。
开源项目 90
Qwen3-Omni：多模态全模态基础模型开源项目Qwen3-Omni 是端到端多语言全模态基础模型，处理文本、图像、音频、视频并流式输出文本与语音。查看
Qwen3-VL-Embedding：多模态嵌入与重排模型开源项目Qwen3-VL-Embedding 与 Qwen3-VL-Reranker 是基于 Qwen3-VL 的多模态嵌入与重排模型，支持文本、图像、截图、视频及混合模态输入。查看
AGenUI：iOS/Android/HarmonyOS的A2UI生成式UI SDK开源项目跨三端的A2UI SDK，基于共享C++核心引擎实时渲染LLM流式生成的交互式原生UI组件。查看
Toonflow：开源AI短剧与漫剧创作平台开源项目面向短剧、漫剧和短视频创作者的开源工具，用无限画布编写剧本分镜、管理角色场景素材并生成图片与视频。查看
Qwen3-VL：通义千问视觉语言模型系列开源项目Qwen 系列视觉语言模型仓库，含 Dense 与 MoE 多尺寸权重、Instruct/Thinking 版本及能力示例。查看
ERNIE：文心大模型与训练工具仓库开源项目文心 4.5 系列多模态模型的官方仓库，含模型说明与 ERNIEKit 训练工具链。查看
MiniCPM-V：端侧多模态大模型系列开源项目OpenBMB的多模态大模型系列，最新为MiniCPM-V 4.7（35B-A3B与1B）和全模态模型MiniCPM-o 4.5。查看
Minesweeper MCP Server：让 MCP 客户端玩扫雷的服务器开源项目Model Context Protocol 服务器，让 MCP 客户端 Agent 能玩扫雷游戏，需与扫雷游戏服务器配合运行。查看
ESP32 iPhone Agent：用开发板控制 iPhone 的 AI 代理开源项目通过约 7 美元的 ESP32 开发板让 AI 查看 iPhone 屏幕并模拟点击、滑动和输入，无需电脑、不修改 iOS。查看
Memvid：单文件AI记忆层开源项目把数据、嵌入、检索结构与元数据打包进单个文件的可移植记忆系统，为AI Agent提供持久化长期记忆。查看
answer-me-with-html：把问题答案渲染成网页的 Agent 技能开源项目Agent 技能：模型只写 Markdown 草稿，配套 CLI 将其渲染为含图表的 HTML 页面，减少输出 token。查看
BettaFish（微舆）：多智能体舆情分析系统开源项目以对话方式发起分析，多智能体自动采集并研究国内外社媒内容与评论，生成交互式HTML报告。查看
CocoIndex：增量式数据索引引擎开源项目用声明式 Python 定义目标索引，源数据变化时只重算增量，为 AI Agent 保持持续新鲜的上下文。查看
gputaskman：终端里的 GPU 进程监控工具开源项目类 htop 的终端 UI，展示每进程 GPU 显存、引擎活动、运行时与模型文件等信息。查看
graphify：把项目映射为可查询知识图谱的CLI工具开源项目用tree-sitter解析代码构建本地知识图谱，供AI助手以查询、路径追踪替代翻阅文件。查看
Easel：社媒内容创作与发布工作台开源项目面向社交媒体创作者的开源内容工作台，用 Agent 贯穿热点发现、策划、创作、发布与归因五个工作流。查看
OpenCut：开源视频编辑器开源项目面向网页、桌面和移动端的免费开源视频编辑器，当前正以 Rust 核心重写架构。查看
FilmCraft：Rust 编写的开源非线性视频编辑器开源项目纯 Rust 编写的专业非线性视频编辑器，支持剪辑、调色、特效与音频，跨平台并可经 WebAssembly 在浏览器运行。查看
hypit：AI Agent 视频克隆与创作技能开源项目供 Claude Code、Codex 等编码 Agent 使用的 Skill，把参考视频克隆为可编辑、可重跑的完整视频工作流。查看
Veyra：Windows 实时 GPU 视频增强工具开源项目把本地视频、采集卡与游戏串流接入同一条实时 GPU 增强管线，提供超分、降噪、HDR、帧生成与录制导出。查看