Google DeepMind精选AI 评分Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）和 Gemini Omni Flash（gemini-omni-flash-preview）两款模型，前者是 Nano Banana 家族中速度最快、成本最低的图像模型，后者支持高质量视频生成与对话式编辑。
推荐理由：Google DeepMind 同时放出图像与视频两款新模型，并给出延迟、单价和可用入口，便于开发者评估替换与串联方案。
Google DeepMind精选AI 评分Google DeepMind 发布 Gemini Omni 家族首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本作为输入生成高质量视频，并通过自然语言多轮编辑视频。
推荐理由：Gemini Omni Flash 把多模态输入与对话式视频编辑结合，读者可据此判断视频创作流程的变化。
NVIDIA 发布 Nemotron 3 Nano Omni，一款面向文档分析、多图推理、语音识别、长音视频理解与智能体电脑操作的全模态理解模型，在 MMlongbench-Doc、OCRBenchV2、WorldSense、DailyOmni、VoiceBench 等基准上取得领先成绩。
推荐理由：原文给出架构、训练配方与多模态基准对比，可据此判断开源全模态模型在文档、音视频与GUI任务上的位置。
OpenAI 为 Sora 2 视频模型和 Sora 社交创作应用构建了以安全为基础的设计，以应对二者带来的新型安全挑战。其方法以具体防护措施为支撑。
Higgsfield 借助 OpenAI 的 GPT-4.1、GPT-5 和 Sora 2，让创作者用简单输入即可生成电影级、适配社交平台的视频。
Overworld 发布实时交互式视频扩散模型 Waypoint-1，可通过文本、鼠标和键盘控制，权重已上传 Hugging Face Hub，先开放 Waypoint-1-Small，Medium 版本即将推出。
推荐理由：Waypoint-1 把实时交互式视频扩散模型和推理库一并开源，读者可据此了解世界模型从控制输入到消费级硬件落地的路径。
Google DeepMind精选AI 评分Google DeepMind 发布 D4RT（Dynamic 4D Reconstruction and Tracking），一个统一 4D 场景重建与追踪的 AI 模型，采用编码器-解码器 Transformer 架构和查询机制，可同时完成点追踪、点云重建和相机位姿估计。
推荐理由：D4RT 把动态场景重建统一进单一查询式框架，读者可了解其速度提升与机器人、AR 等落地方向。
Google DeepMind精选AI 评分Google DeepMind 更新 Veo 3.1 Ingredients to Video，让基于参考图生成的视频更富表现力，并提升角色、背景与物体的一致性。
推荐理由：官方说明了 Ingredients to Video 在角色一致性与竖屏输出上的变化，可据此判断移动端短视频工作流会怎么变。
迪士尼与 OpenAI 达成协议，将把迪士尼、漫威、皮克斯和星球大战的 200 多个角色引入 Sora，用于粉丝创作的短视频。协议强调娱乐领域的负责任 AI，并包含迪士尼在全公司范围使用 ChatGPT Enterprise 和 OpenAI API。
推荐理由：协议披露了迪士尼角色进入 Sora 的范围，以及迪士尼全公司采用 ChatGPT Enterprise 与 OpenAI API 的配套安排。
OpenAI 发布视频生成模型 Sora 2，支持同步对白与音效。原文同时说明 Sora 产品已不再提供。
推荐理由：原文给出 Sora 2 在视频生成中同步对白与音效的能力方向，可据此了解视频模型的新进展。
OpenAI 发布新一代视频与音频生成模型 Sora 2，并公布其系统卡。相比此前的 Sora，新模型在物理准确性、真实感、音频同步、可控性和风格范围上有所提升，官方称这些能力是此前视频模型难以实现的。
推荐理由：官方系统卡披露 Sora 2 在物理准确性、同步音频与可控性上的能力变化，可据此了解视频生成的新边界。
OpenAI 发布 Sora 2 和 Sora 应用，称两者在构建时以安全为基础，以应对先进视频模型和新型社交创作平台带来的新安全挑战。OpenAI 表示其做法建立在具体防护措施之上。
推荐理由：OpenAI 说明 Sora 2 与 Sora 应用在安全机制上的设计思路，可了解视频模型与社交创作平台的安全考量。
Invideo AI 借助 OpenAI 的 GPT-4.1、gpt-image-1 和文本转语音模型，把创意想法在几分钟内转化为专业视频，视频制作速度提升 10 倍。
OpenAI 的视频生成模型 Sora 现已上线 sora.com 供用户使用。用户可生成最高 1080p 分辨率、最长 20 秒的视频，支持宽屏、竖屏和方形画幅。用户还能导入自有素材进行扩展、重混和融合，或完全由文本生成新内容。
推荐理由：OpenAI 公布 Sora 的开放入口与分辨率、时长、画幅等具体规格，读者可据此判断视频生成能力边界。
电影制作人 Lyndon Barrois 讲述如何将 Sora 用作叙事工具。
OpenAI 发布 Sora 系统卡，介绍其视频生成模型 Sora 支持文本、图像和视频输入并生成新视频。Sora 基于 DALL-E 和 GPT 模型的经验构建，旨在为叙事和创意表达提供更丰富的工具。
推荐理由：OpenAI 官方系统卡披露 Sora 的输入输出形式与技术来源，可了解其能力边界与安全评估框架。
电影创作双人组 Vallée Duhamel 讲述了 Sora 如何帮助他们构建新的世界。
跨领域艺术家 Minne Atairu 讲述 Sora 如何帮助她实现创作构想。
OpenAI 表示，自上月发布 Sora 以来，一直在与艺术家合作，了解 Sora 如何辅助他们的创作过程。
OpenAI 探索在视频数据上大规模训练生成模型，将文本条件扩散模型联合训练于不同时长、分辨率和宽高比的视频与图像，并采用在视频和图像潜码时空 patch 上运行的 Transformer 架构。其最大模型 Sora 能生成一分钟高保真视频，结果提示扩展视频生成模型是构建通用物理世界模拟器的一条可行路径。
推荐理由：OpenAI 公开了视频生成模型的训练思路，读者可了解扩散模型与 Transformer 如何被用于构建物理世界模拟器。
通过对 GPT-3 进行微调，将其用于驱动并规模化"代客制作"的视频创作。