Google DeepMind 宣布 Gemini Omni 1.2 Flash 视频生成模型正式可用，支持生成 3 至 15 秒的视频片段，720p 分辨率价格降至每秒 0.07 美元。该模型引入对话式编辑功能，允许用户在保留原片段基础上调整背景、光照或宽高比，无需重新生成，并显著提升了参考图像中人物、产品及品牌元素的一致性。
同一新闻，精选展示《Google DeepMind 发布 Gemini Omni 1.2 Flash，支持 15 秒视频生成并降价 30%》
Google DeepMind 正式发布 Gemini Omni 1.2 Flash，该模型在 Gemini API 和企业版中全面可用，原生支持最长 15 秒的视频生成与编辑。
推荐理由：原文明确了视频时长从 10 秒提升至 15 秒及价格下调 30% 的具体变化，读者可据此评估其在商业视频生成中的成本效益。
Google 联合斯坦福等机构发布 StreamVibe 视频智能体，旨在理解模糊指令并自主决定何时介入协助。该模型基于 Qwen3.5-9B 训练，在响应时机和质量上较其他模型提升 10.7%，但研究显示所有模型在长视频连续处理中仍存在严重的上下文丢失和错误累积问题。
Google DeepMind 发布 Genie 4 世界模型研究预览，支持实时音频生成与模拟过程中的提示词交互。该模型可将场景一致性维持至两分钟，并展示与 Gemini 结合用于机器人场景模拟的实验。
Grok 发布了其 AI 生成电影《奥德赛》系列第一集的前七分钟片段。该作品由 Grok 与 Wonder Studios 及导演 Dev Walker 合作制作，是 Elon Musk 此前宣布的全长“历史准确”版本的一部分。
Laika CEO Travis Knight 表示生成式 AI 与工作室手工创作理念背道而驰，认为技术替代艺术家工作缺乏人性。Wildwood 耗时五年制作，使用 230 多个木偶和 49 名动画师，于 10 月 23 日首映。
Kling AI 发布 4.0 版本，支持单次生成 30 秒视频、8000 token 提示词理解及多语言立体声音频。新增 Omni Reference 系统可接受 15 个参考资产，并推出支持 MCP 和 CLI 的轻量 Flash 变体。
TwelveLabs 的视频语言模型 Pegasus 1.5 现已在 Amazon Bedrock 上可用，支持直接分析最长两小时的视频并返回带时间戳的结构化 JSON 元数据。该模型新增视频分段、多模态提示（支持参考图像）和即时处理功能，无需预索引即可从 Amazon S3 或 base64 字符串直接读取视频，数据保留在 AWS 数据边界内。
推荐理由：Pegasus 1.5 在 Amazon Bedrock 上支持直接分析长达两小时的视频并返回带时间戳的结构化元数据，为长视频检索提供了新的工程路径。
EBU 与 NVIDIA 合作扩展欧洲公共广播主权框架，引入主权云、开放模型及集成伙伴以保障数据控制。Adobe Frame.io 利用 NVIDIA GPU 加速视频搜索，实现约 5 倍嵌入生成速度提升及最高 5 倍延迟降低。
Higgsfield 宣布接入 GPT-6 Astra、GPT-Image-2.5 和 GPT-Live，将 AI 视频生成时长从 1 分钟扩展至 10 分钟以上。该更新同时引入了更精准的视觉控制和语音电影制作路径。
推荐理由：Higgsfield 接入 GPT-6 Astra 等模型，将视频时长从 1 分钟扩展至 10 分钟以上，并引入语音制作路径。
Odyssey 发布世界模型 Odyssey-3 并开放免费研究预览，用户可通过文本提示生成实时交互环境。该模型基于自回归扩散 Transformer，基础版拥有 140 亿参数，支持 832×480 分辨率视频生成。
推荐理由：Odyssey-3 开放了实时交互世界生成的免费预览，并展示了在机器人控制与游戏场景中的跨任务迁移能力。
Ben Affleck 因在采访中准确阐述神经网络、Transformer 及微调等 AI 技术细节而走红。他透露曾通过解冻开源模型权重并训练特定层，在电影《Animals》中应用 AI 辅助后期制作。此前，他创立的 AI 电影初创公司 InterPositive 以约 5.87 亿美元的价格出售给 Netflix。
Anthropic 为 Claude 推出 Dashboards 和 Motion 两项 Beta 功能。Dashboards 可连接 BigQuery、Databricks 等数据源并生成自动更新的实时仪表盘，Motion 则能根据文本、图表和图片生成可编辑的动画解释视频。
推荐理由：原文说明了新功能的适用计划与数据连接能力，读者可据此判断其对现有工作流的影响。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，通过原生结合低延迟流式视频与实时对话，为 Gemini 企业版引入具备视觉存在的多模态交互能力。
推荐理由：原文展示了低延迟视频流与实时对话的原生结合，并说明了异步工具调用与多语言唇形同步机制，为评估企业级多模态交互体验提供了具体技术细节。