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
claude-real-video：本地提取视频关键帧与转录供 LLM 阅读开源项目本地按场景变化抽取视频关键帧、转录音频并生成清单文件，供 Claude 等 LLM 阅读理解视频内容。查看
Pixel LLMs：像素级视觉定位的多模态模型系列开源项目以Sa2VA为核心的多模态LLM研究项目集合，将SAM-2与MLLM结合，实现图像和视频的密集定位理解。查看
SimpleMem：LLM Agent 的长期记忆系统开源项目面向 LLM Agent 的长期记忆系统，通过语义压缩存储与检索文本及图像、音频、视频多模态记忆。查看
Bernini：视频扩散的语义规划框架开源项目结合MLLM语义规划器与DiT渲染器的视频生成与编辑统一框架，附推理、训练代码与模型权重。查看
LongCat-Video：长视频生成模型开源项目13.6B 参数的视频生成模型，统一文生视频、图生视频与视频续写，附推理代码与模型权重。查看
HunyuanVideo：开源视频生成模型开源项目130亿参数的视频生成基础模型，提供PyTorch定义、预训练权重与推理采样代码。查看
Ovi：同时生成视频与音频的跨模态生成模型开源项目Ovi 是可从文本或文本加图像输入同步生成视频与音频的模型，提供推理代码、Gradio 应用与 ComfyUI 集成，支持 5 秒和 10 秒输出。查看
JoyAI-VL-Interaction：实时视频语言交互模型与系统开源项目8B 视觉语言交互模型，配套训练配方、数据与实时流式部署系统。查看
HunyuanVideo-I2V：图生视频生成模型开源项目腾讯混元的图像到视频生成框架，仓库含PyTorch模型定义、预训练权重、推理采样代码与LoRA训练代码。查看
MoneyPrinterTurbo：AI短视频自动生成工具开源项目提供主题或关键词即可自动生成脚本、匹配素材、配音字幕配乐并合成高清短视频。查看
ruby_llm：Ruby AI 应用开发框架开源项目面向 Ruby 与 Rails 的 AI 框架，统一 23 家模型提供商的 API，覆盖对话、工具、Agent、评估与多模态能力。查看
HuMo：多模态条件驱动的人物视频生成开源项目结合文本、参考图像与音频生成音画同步人物视频的框架，附推理代码与数据集。查看
LumenX：AI 原生漫剧与视频创作平台开源项目将创意文本转化为可发布视频的创作平台，含全链路 Studio 与独立生成 Playground 两个模块。查看
LingBot-VA：机器人控制的因果世界模型开源项目自回归视频-动作世界模型，统一视觉动态预测与动作推理，提供推理、评测与后训练代码及权重。查看
JoyAI-Echo：长时程音视频生成与世界模型开源项目包含 Echo-LongVideo 长视频生成与 Echo-WM 交互式世界模型两个独立项目，仅限学术研究与非商业使用。查看
Lance：统一多模态理解生成编辑模型开源项目3B参数的原生统一多模态模型，支持图像与视频的理解、生成和编辑，附推理与微调代码。查看
HY-WorldPlay：实时交互式世界模型开源项目HY-World 1.5（WorldPlay）是实时交互式世界模型，以流式视频扩散生成24 FPS长时序一致的可操控视频，并开源训练与推理代码。查看
NVIDIA Cosmos：面向物理 AI 的世界基础模型开源项目Cosmos 3 全模态世界模型家族，含 Reasoner 与 Generator 两条分支，用于世界理解、视频生成、仿真与合成数据。查看
HY-World-2.0：多模态 3D 世界生成与重建模型框架开源项目从文本或图像生成可导航 3D 场景，并从多视角图像或视频重建 3D 资产。查看
Seed1.5-VL：视觉语言模型使用指南与代码示例开源项目Seed1.5-VL 是视觉语言基础模型的使用指南仓库，提供调用火山引擎 API 的示例代码，覆盖长思维链开关、2D/3D 定位、视频理解与 GUI Agent 等场景。查看