实测智象HiDream-O1-Video视频模型：嘻哈说唱、NBA绝杀，视频生成开始理解真实世界
实测智象HiDream-O1-Video视频模型：嘻哈说唱、NBA绝杀，视频生成开始理解真实世界先理解，后生成，更懂物理规律的视频模型。
来自主题: AI资讯
6708 点击 2026-09-18 09:34
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
先理解，后生成，更懂物理规律的视频模型。
最近几个月，AI 视频赛道开始热起来了： Seedance2.0 发布后，AI 视频进入可用阶段，MiniMax H3 发布后，以 1/4 的价格，把 Seedance 2.0 的成本打了下去，AI 视频成本进入平价时代。
MiniMax H3 的服务是一个系统问题。一个请求要经过一个庞大的 Qwen3-VL 编码器、一个长序列的音视频 DiT、相互独立的视频与音频 VAE、设备与进程的边界，最后还要完成 H.264/AAC 的封装。只优化 DiT，其余环节的时延依然留在那里。
最近，AI短剧的风刮遍了所有平台。
近日，新加坡国立大学 Minghui Guo 与牛津大学 Shengqiong Wu、Hao Fei 在论文《V-RAE: Rethinking Video Latent Spaces for Generation》中提出视频表征自编码器 V-RAE。该方法以冻结的视觉基础模型为编码器，通过轻量级时间池化压缩视频特征，并将具有丰富语义和时间连续性的表征直接用于视频重建、生成与未来预测。
哥飞 SEO Agent 还在继续迭代。Mulan 是一个 AI 视频工作流产品。它把视频生成、编辑和批量生产放在同一条工作流里，首页给自己的定位是 Your AI Video Factory。
新智元报道 这个 8 月，AI 视频赛道的军备竞赛又升级了。 字节跳动发布 Seedance 2.5，把单次视频生成时长从 15 秒翻倍到 30 秒。同一天 MiniMax H3 开源，价格只要闭源旗
长视频理解，正在成为多模态大模型的重要能力。
Z Potentials 独家获悉，新加坡国立大学博士，牛津大学博士后研究员林庆泓（Kevin）近期以首席研究员（Principal Researcher）身份加入世界模型公司 Video Rebirth，负责多模态智能体与世界模型相关研究。
2026 年，世界模型已成为人工智能领域最受关注的方向之一。从空间智能到表征预测，从可交互环境到具身智能，越来越多研究与产业团队将下一阶段目标指向「理解世界」。行业竞争的焦点，也已从「是否进入世界模型」，转向「以何种技术路径实现世界模型」。