2026-01-07
开源追赶闭源差距缩小
黄仁勋称开源大模型与闭源顶流仅差6个月，DeepSeek、Qwen、Kimi等中国模型在CES被老黄“点名验货”；Lightricks开源LTX-2可本地生成20秒4K同步音视频，开源生态加速缩小性能与体验差距。
2025-12-29
多模态与视频生成创新
字节开源StoryMem框架以“视觉记忆”实现多镜头一分钟叙事视频，角色场景一致不“变脸”；Insta360推出全景深度模型DAP，200万360°数据刷新空间智能；NVIDIA发布游戏基础模型NitroGen，视频-动作多模态应用持续拓宽内容创作与交互边界。
2025-12-26
多模态内容生成与交互体验升级
ChatGPT新增富文本块、小红书开源InstanceAssemble精准排版、快看AI互动漫画上线、TurboDiffusion单卡2秒出视频，显示多模态生成正从“能出图”走向“可控、可交互、可商用”的新阶段。
2025-12-25
AI视频生成提速200倍
清华与生数科技开源TurboDiffusion框架，通过稀疏注意力与SageAttention把扩散模型推理提速100-200倍，消费级显卡即可秒级生成高分辨率视频，成本与门槛骤降，有望引爆短视频、广告、游戏等UGC内容生态。
2025-12-24
AI for Science与视频生成效率革命
深势科技8亿融资、TurboDiffusion 200倍加速、VTP视觉分词器开源等进展，显示AI在科学计算与视频生成两大高算力场景实现“低成本秒级”跃迁，科研与创意内容生产门槛被快速抹平，AI正从“可用”走向“好用、敢用”。
2025-12-21
多模态与生成控制新范式
浙大ContextGen、CineCtrl、DualCamCtrl等研究实现布局-身份一致、相机运镜精准控制，把“生成”推向“可控工业级”，降低视频、图像创作门槛，支撑下一代内容生产管线。
2025-12-18
多模态视频生成升级
阿里通义万相2.6、字节Seedance 1.5 Pro等模型新增音画同步、多镜头叙事、角色一致性等功能，国产视频生成综合体验超越Sora 2，推动AIGC内容工业化生产。
2025-12-14
世界模型与多模态生成
Runway发布通用世界模型GWM系列，可同步模拟环境、人物与机器人操作；谷歌升级Gen-4.5，SIGGRAPH Asia亦展示30→200FPS的4D重建方案。生成式AI正从“出图”走向“出世界”，为影视、机器人和元宇宙提供可交互的物理一致场景，重新定义内容生产管线。
2025-12-12
视频/3D生成与多模态应用
Runway发布通用世界模型GWM-1，智谱开源视频生成核心技术，港大ViMax实现AI自编自导自演，谷歌升级虚拟试穿，Medeo AI推视频Agent一键改剧本，多模态生成从2D图像迈向可推理、可交互的3D世界，内容生产门槛进一步降低。
2025-12-08
多模态内容生成突破
苹果STARFlow-V、可灵AI主体库、阿里Qwen3-TTS、美团LongCat-Image等集中发布，实现30秒稳定视频、角色一致记忆、49种音色及中文图文编辑SOTA，多模态AIGC进入可用级时代。
2025-12-03
AI视频生成进入有声电影时代
Runway Gen-4.5、快手可灵O1、Kling 2.6等模型实现物理光影、重量感、多主体参考及原生音频同步生成，Elo评分登顶Video Arena，标志着AI视频从“无声短片”跃迁至可商用影视级制作，冲击传统内容工业。
2025-12-02
AI视频生成升级战
Runway Gen-4.5、PixVerse V5.5、可灵O1、爱诗科技等模型在光影物理、导演级分镜、音画同步上集体突破，120人团队盲测夺冠，宣告“秒级出片”进入工业可用阶段，冲击影视广告传统流程。
2025-11-17
多模态生成新范式
Google Flow、Gemini Veo 3.1、DeepEyesV2等实现一键抠图、多图合成视频、轻量超大规模模型，多模态生成进入“秒级可用”阶段，内容创作门槛被进一步抹平。
2025-11-15
AI Coding工具链竞速
Cursor再获23亿美元D轮，估值破160亿元，谷歌英伟达同时加码；字节Infinit论文挑战DiT视频生成，AI编程与内容生成工具在效率、成本、商业化三线激战，成为生成式AI最快变现场景。
2025-11-10
多模态大模型升级战
Grok支持文本生成带音效视频、Grok 4上下文扩至200万token，谷歌Veo-3可生成逼真手术视频，百度小度AI眼镜落地，多模态能力从实验室走向消费级与专业场景，开启“空间超感知”新范式。
2025-11-08
多模态视频生成与评测
Utopai联手LG及中东资本发布颠覆性视频模型，ICCV提出统一世界模型VLA剑指L4自动驾驶，同时MME-CoF基准揭示主流视频模型在因果推理维度仍显薄弱，推动行业从“看得清”走向“想得白”。
2025-10-31
多模态视频生成爆发
LTX-2、VAFlow等新模型实现一键高清叙事视频与声画同步生成；Sora缩减免费额度并启动创作者分成，视频生成从“demo”走向“商业化深水区”，内容生产、广告及短视频生态将被重塑。
2025-10-28
多模态大模型突破
英伟达开源OmniVinci刷新SOTA，美团开源13.6B视频模型LongCat-Video，北大&小红书Uni-Instruct把ImageNet单步生图FID压到1.0，多模态理解与生成同步跃迁，标志通用视觉语言模型进入“可用即开源”阶段，将加速影视、广告、教育等内容产业工业化。
2025-10-27
多模态生成大爆发
本周视频、语音、图像、音乐等多模态模型密集升级：Sora新增宠物主角与社交剪辑，豆包视频生成提速3倍并降价72%，美团开源5分钟级LongCat-Video，字节联合港中大发布DreamOmni2图像编辑框架，OpenAI联手茱莉亚学院推出视频智能配乐模型，美图上线“边聊边P图”修图Agent，生成式内容进入低成本、高可用、全模态并行时代。