Google DeepMind 为 Gemini 3.7 Flash 等模型推出智能体视频理解功能
Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出智能体视频理解功能，通过原生视频工具动态搜索、扫描目标片段，替代固定帧率的静态处理方式。
为什么值得看
原文给出 token 与成本降幅及基准表现，读者可据此判断长视频分析的落地成本变化。
AI 视频
全部主题AI 视频生成与理解：文生视频模型、视频编辑工具与影视创作变革的追踪。
最新精选
第 1–8 条 · 共 8 条Google DeepMind Blog精选AI 评估 · 79/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 79/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
MiniMax 稀宇科技精选AI 评估 · 76/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 76/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 MiniMax 将 H3 Max 接入开放平台与 Design，支撑 24 小时 AI 直播
MiniMax 将 H3 Max 768P、H3 Max 480P 接入开放平台和 MiniMax Design，该模型生成 5 秒 768p 音视频不到 3 秒，15 秒视频约 15 秒完成，吞吐量约为 MiniMax H3 的 35 倍。
为什么值得看
H3 Max 把 5 秒 768p 音视频生成压进 3 秒内，读者可据此理解实时直播这类新场景的门槛变化与并发限制。
阿里研究院精选AI 评估 · 76/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 76/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 阿里视频生成模型Wan3.0正式上线，单次可生成30秒视频
阿里视频生成模型Wan3.0于8月24日正式上线，单次可生成30秒视频，并首次支持doc、xls、ppt、pdf、md等文档格式输入，在生成时长、参考一致性和真实世界还原等维度升级。
为什么值得看
原文给出Wan3.0的时长、文档输入与API定价，读者可据此判断它在短剧、广告等生产流程中的落地成本。
MiniMax 稀宇科技精选AI 评估 · 77/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 77/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 MiniMax 正式开源通用视频模型 MiniMax H3
MiniMax 开源新一代通用视频模型 MiniMax H3，可统一理解文本、图像、视频和音频，生成最高 2K、最长 15 秒并带原生立体声音频的视频，稳定支持 11 种对话语言。
为什么值得看
H3 开源了 33B 全模态生成主干，并说明稀疏注意力等模块后续才放出，读者可据此判断当前可复现到哪一步。
MiniMax 稀宇科技精选AI 评估 · 80/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 80/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 MiniMax 发布全模态生成模型 H3，计划开放模型权重
MiniMax 正式发布通用全模态生成模型 H3，支持文本、图像、视频、声音组成的多模态上下文理解，可输出原生双声道音视频，最高支持 15s 2K 分辨率。官方称在 2K 分辨率下每秒价格不到主流模型的 1/3，768P 下不到 1/2，并计划在未来几天内在符合法律法规的前提下开放模型权重，设计初期已考虑多款国产芯片兼容性。
为什么值得看
MiniMax 官方给出 H3 的全模态生成能力、每秒价格对比与即将开源权重的安排，读者可据此判断视频生成领域的开放化进展。
AI at Meta Blog精选AI 评估 · 82/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 82/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Meta Superintelligence Labs 发布 Muse Image 并预览 Muse Video
Meta Superintelligence Labs 发布其首个媒体生成模型 Muse Image，并预览 Muse Video。Muse Image 以智能体方式运行，调用搜索和编码工具，能自我改进并随测试时算力扩展而提升，已上线 Meta AI 应用、meta.ai、美国 Instagram Stories 及部分国家的 WhatsApp。
为什么值得看
Meta Superintelligence Labs 首发的图像生成模型，其智能体式工具调用与推理时算力扩展为图像生成提供了新范式。
Google DeepMind Blog精选AI 评估 · 79/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 79/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
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。
为什么值得看
官方给出两款新模型的价格、延迟与定位差异，读者可据此判断图像到视频链式工作流的成本与适用边界。
Google DeepMind Blog精选AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。AI 评估 · 78/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。 Google DeepMind 发布 Gemini Omni Flash，支持对话式视频编辑
Google DeepMind 发布 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对话编辑视频内容。
为什么值得看
Google 把 Gemini 的推理与世界知识接入视频生成，读者可据此判断多模态创作工具的能力边界。