NVIDIA 发布 PixelUMM：无编码器统一多模态模型
NVIDIA 发布 PixelUMM，一个无编码器的统一多模态模型，支持文本、图像和视频的联合理解与生成，直接在像素空间处理，参数量 151.99 亿，基于 Qwen3-8B 语言骨干，仅限非商业研究或评估使用。
推荐理由：原文给出了模型架构、参数量和开放入口，读者可以据此判断它在像素空间统一理解与生成的实现路径。
#视频
NVIDIA 新模型精选AI 评分6161
Google Research精选AI 评分5656 Google 发布多代理框架实现连贯长视频生成
Google 研究团队提出 AI 视频协导演框架，基于 Gemini 和 Veo 构建统一多代理系统，通过全局优化、视觉记忆追踪、自回归生成与闭环质量评估，解决长视频生成中的语义漂移、特征漂移和内容坍缩问题。
推荐理由：原文系统性地提出了多代理框架解决长视频生成中的连贯性问题，提供了可复现的技术路径和基准测试结果。
Google DeepMind精选AI 评分5454 Gemini 3.8 Live 与 Live Avatar 功能上线
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，通过低延迟视频流与语音同步，实现企业级虚拟代理的近实时视觉交互。该功能支持多语言无缝切换、异步工具调用与持续对话，具备精确唇形同步与自然表情，企业可通过参考图像定制专属动画形象，目前仅对 Gemini Enterprise 用户开放。所有生成内容均嵌入 SynthID 水印以确保可追溯性。
推荐理由：原文给出了功能组合和企业可用性，读者可以据此判断其在交互场景中的部署价值。
Google · Gemini 博客精选AI 评分5858 Google 推出 Gemini 3.8 Live with Live Avatar
Google 推出 Gemini 3.8 Live with Live Avatar，支持实时视频生成与语音同步，具备自然唇形同步、表情和多语言切换能力，可在对话中异步调用工具，适用于企业客户服务和交互式场景，当前仅在 Gemini Enterprise 中提供。
推荐理由：原文说明了实时视频生成与语音同步、多语言支持和异步工具调用能力，企业用户可据此评估其在客户服务或交互式场景中的应用潜力。
fal 博客精选AI 评分6363 fal 平台详解 H3 Max 视频模型的训练、部署与分发全流程
fal 平台发布文章，详细介绍了视频生成模型 H3 Max 如何在其平台上完成从训练、部署到分发的全生命周期。H3 Max 在 fal Compute 上进行后训练，以在保持质量的同时最小化推理时间。
推荐理由：原文详细拆解了从模型训练优化到大规模部署的完整技术栈，展示了如何通过基础设施设计同时降低推理延迟和端到端延迟。
Google · Gemini 博客精选AI 评分6262 Google 为 Gemini Flash 系列模型推出智能体视频理解功能
Google 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 模型推出了智能体视频理解功能。该功能通过动态搜索视频片段，将分析成本降低高达 66%，token 消耗减少高达 88%，同时将准确性提升高达 7%。
推荐理由：原文给出了新功能在成本、效率和准确性上的具体提升数据，以及支持的模型和开放入口，读者可以据此评估其对视频分析工作流的影响。
fal 博客精选AI 评分5959 fal 发布 H3 Max 视频生成模型
fal 发布了 H3 Max，这是一个基于 MiniMax H3 进行后训练优化的视频生成模型，在人类偏好评估中，其在整体质量、提示词理解和美学三个维度均排名第一。该模型生成 5 秒视频的时间不到 3 秒，吞吐量约为官方 MiniMax H3 端点的 35 倍。H3 Max 现已上线 fal 平台，可通过 Playground、fal Agent 或 API 使用。
推荐理由：原文展示了模型在质量和速度上的双重优势，并提供了与原始模型的对比数据，读者可以据此评估其实际应用潜力。
MiniMax 新模型精选AI 评分7878 MiniMax 发布新一代开源多模态视频模型 H3
MiniMax 发布开源多模态视频生成模型 H3，支持文本、图像、视频、音频的统一理解与生成，可输出最高 2K 分辨率、15 秒时长的视频并带有立体声。模型包含 H3-Context-IR、H3-Base 和 H3-Regenerate-2K 三个模块，支持多种输入模式如文本到视频（T2VA）、首尾帧到视频（FL2VA）和参考多模态到视频（Ref2VA）。
推荐理由：原文提供了模型架构、输入输出规范和部署方式，读者可以据此判断其在多模态视频生成中的实际应用潜力。
fal 博客精选AI 评分6767 fal 博客：从粘土3D渲染到动作短片，详解完全可控的3D-AI生成管线
fal 团队构建了一个完全可控的AI视频生成管线，从3D分镜设计到最终成片，并开源了核心的3DREAL Strong v2 LoRA适配器。
推荐理由：原文详细拆解了从3D分镜到AI生成视频的完整工作流，包括具体的工具链、验证步骤和迭代经验，可供从业者复现或借鉴其方法。
Replit 博客精选AI 评分6868 Replit 构建视频渲染引擎：通过欺骗浏览器时间实现确定性渲染
Replit 开发了一套视频渲染引擎，通过注入 JavaScript 虚拟时钟，替换浏览器的 setTimeout、setInterval、requestAnimationFrame 等时间 API，使页面在受控时间流中渲染，实现帧级确定性。
推荐理由：原文详细拆解了浏览器时间虚拟化和视频渲染的工程实现，读者可据此理解如何在无框架约束下实现任意网页的确定性视频生成。
已经到底了