Seedance 1.5 Pro – 字节推出的音画同步多模态视频模型，整体效果自然流畅。
字节跳动推出的Seedance 1.5 Pro模型，具备原生音画同步能力的多模态视频生成模型。该模型可实现精准音画同步，实现较高的视听一致性，且支持多种语言和地方方言口音，能够捕捉其独有的语音韵律与情...
排序
LongCat-Video-Avatar – 美团开源的数字人视频生成模型，支持音频文本生成视频
LongCat-Video-Avatar 是由美团开源的一个基于深度学习的视频生成模型，旨在生成高质量的数字人视频。支持音频、文本或图像输入生成拟真视频，通过创新技术提升动作自然度、长视频稳定性及角色...
Molmo 2 – Ai2开源的AI视频分析模型，提供灵活的多模态处理能力
艾伦人工智能研究所（Ai2）发布了全新的 Molmo2开源视频语言模型，支持多图像.视频输入，能推理事件、生成字幕并追踪物体。模型基于 Qwen 3 和 Olmo 架构，具备强大的视频分析能力，能在视...
Step-GUI – 阶跃星辰推出的AI Agent系列模型，10分钟就能在手机端部署
step-gui 是阶跃星辰推出的ai agent系列模型，包含云侧模型 step-gui 和端侧模型 step-gui edge（原名：gelab-zero）。用户只需10分钟就能在手机端部署AI助...
A2UI – 谷歌开源Agent生成用户界面的声明式协议，支持定制化
a2ui（agent-to-user interface）是谷歌推出的开源协议，专为ai agent与用户界面之间的高效、安全交互而设计。核心是让AI生成“界面描述数据”，而非可执行代码，客户端通过预...
TRELLIS.2 – 微软开源的40亿参数3D生成模型，支持透明度和逼真渲染
微软开源了新一代AI工具TRELLIS.2，一个具备40亿参数的大型3D生成模型。专注于从单张图片高效生成高质量3D资产。该模型解决了如何生成具有复杂拓扑结构和锐利特征的3D物体，以及如何还原逼真的物...
GPT-5.2-Codex – OpenAI推出的智能体编程模型，能高效生成高质量的代码
gpt-5.2-codex 是 openai 推出的面向智能体编程任务的专业级模型，聚焦于高复杂度软件工程实践与防御型网络安全场景。其核心突破在于引入了“上下文压缩”技术，让其在处理代码重构、迁移等长...
UnityVideo – 港科大联合可灵快手开源的视频生成框架，实现视频内容的多模态解析
港科大、港中文、清华大学与快手“可灵”团队联合发布UnityVideo，一个统一多模态与多任务的视频生成框架。框架通过动态噪声注入和模态自适应学习机制，实现 RGB 视频与辅助模态之间的双向学习，加速...
LuxReal – 群核科技推出的AI 3D视频创作平台，快速生成高质量
群核科技发布基于3D技术所打造的AI内容创作工具——LuxReal，基于图像、3D 模型等多模态输入，快速生成主体一致、画面可控的视频内容，适用电商、影视、广告等行业。“LuxReal通过构建3D渲染...
Seedance 1.0 lite – 火山引擎推出的视频生成模型，支持文生视频和图生视频
Seedance 1.0 lite是火山引擎推出的豆包视频生成模型的小参数量版本，支持文生视频和图生视频两种生成方式，支持生成5秒或10秒、480p或720p分辨率的视频。支持360度环绕、航拍、变焦...