video-generation — AI Digest

26 июн ByteDance представляет Seedance 2.5: нативная генерация 30-секундного 4K-видео с 50 мультимодальными входами ByteDance video
26 июн Google DeepMind инвестирует $75 млн в A24 и формирует первое AI-исследовательское партнёрство с киностудией Google DeepMind industry
10 июл Vidu S1: интерактивная генерация видео в реальном времени со скоростью 42 FPS на потребительских GPU Shengshu Technology / Tsinghua University research
2 авг MiniMax запускает H3 — омни-модальную модель, генерирующую 2K-видео с нативным стерео-звуком MiniMax video
15 авг Alaya-EVOKE: от линейно масштабируемого обучения к бесконечному миру research
19 авг Атаки AI-сгенерированным видео на реальные кризисные события: RA-Bench показывает, что детекторы не справляются с подделками кризисных медиа research
25 авг Alibaba выпускает видеомодель Wan 3.0 с 30-секундной генерацией за один проход и нативным аудио Alibaba (Tongyi Lab) video
28 авг Долгосрочная аудиовизуальная генерация для persistent stories и интерактивных миров research
5 мая UniVidX: единый диффузионный бэкбон для генерации RGB, карт внутренних признаков и RGBA-видео research
7 мая MiniMax Hailuo 2.3 запущена с Media Agent и генерацией видео в пакетном режиме на 50% дешевле MiniMax video
20 мая Lance: 3B Unified Multimodal Model for Understanding, Generation, and Editing (314 HF upvotes) ByteDance Research research
6 июн xAI Grok Imagine Video 1.5: image-to-video с нативным звуком возглавляет Arena Leaderboard, API уже доступен xAI video
6 июн Google Veo 3.1 добавляет звук во все режимы редактирования Flow и новые инструменты Insert/Remove Google DeepMind video
12 июн Lionsgate берёт долю в Runway и планирует AI-сериалы короткого формата Runway industry
19 июн xAI выпускает Grok Imagine Video 1.5: первое место в Video Arena Leaderboard по цене $4.20/мин xAI video
19 июн Kling AI выпускает 3.0 Turbo и 3.0 Omni: быстрые превью и 4K-редактирование с консистентностью персонажей Kuaishou video
4 июл ByteDance Seedance 2.5 открывает корпоративное бета-тестирование: нативная генерация видео длиной 30 секунд ByteDance video
12 июл Vidu S1: модель интерактивной генерации видео в реальном времени ShengShu Technology research
13 июл Модели генерации видео как универсальные инструменты компьютерного зрения Google DeepMind research
16 авг DreamX-Phi 1.0 побеждает на WorldArena 2.0 Track 1 с action-conditioned видео world model для робототехнической манипуляции Alibaba research
17 авг Alaya-EVOKE: от линейно масштабируемого обучения к бесконечному миру Zhejiang University research
26 авг EchoWM: открытые и входимые omnimodal-модели мира JD.com research
28 авг VGI-Bench: проверка визуального интеллекта в моделях генерации видео research
19 мая LongLive-2.0: параллельная инфраструктура NVFP4 для генерации длинных видео (NVIDIA, 1220 апвоутов на HF) NVIDIA research
8 июл Мультиплеерные интерактивные мировые модели с репрезентационными автоэнкодерами research
23 июл ABot-World-0: бесконечный интерактивный мир на одном настольном GPU Alibaba AMAP CV Lab research
28 июл Self Gradient Forcing: нативная экстраполяция длинного видео research
29 авг Agentic-разработка игр как верифицируемый движок траекторных данных для масштабирования world models NUS research
16 сен Vidu S2: realtime-интерактивная, редактируемая и пространственная видеогенерация ShengShu Intelligence research
16 мая Causal Forcing++: 2-шаговая дистилляция для генерации интерактивного видео в реальном времени Tsinghua University research
16 мая SANA-WM: мировое моделирование 720p длительностью в минуту на одном GPU NVIDIA research
4 июн Echo-Infinity: генерация бесконечного видео в реальном времени через обучаемый Memory Query research
10 июн Flow-DPPO: принципиальное RL-выравнивание для моделей генерации изображений и видео на основе flow matching Tencent Hunyuan research
14 июн ElevenLabs запускает Avatars в ElevenCreative: AI-видео с говорящей головой на базе TTS ElevenLabs video
16 июн DreamX-World 1.0: интерактивная модель мира общего назначения с управлением камерой 6DoF AMAP-ML (Alibaba Maps AI Lab) research
2 июл Google выпускает Gemini Omni Flash для генерации видео через API Google DeepMind video
19 июл From Pixels to States: переосмысление интерактивных world models как игровых движков research
22 июл TimeLens2: универсальное временное позиционирование в видео с мультимодальными LLM MCG-NJU (Nanjing University) research
2 авг PhiZero: модель мира, построенная вокруг физического языка NLPR, Institute of Automation, Chinese Academy of Sciences research
3 авг MiniMax H3: модель с открытыми весами выпущена на Hugging Face MiniMax video
7 авг JoyAI-Video-Edit: редактирование видео в реальном времени без ограничений на основе авторегрессионной диффузии JD (Jingdong) research
6 сен Runway представила GWM Worlds 2 — интерактивную world-модель реального времени Runway video
11 сен Programmable World Model: программируемое агентами постоянное состояние для интерактивного видео Alaya Lab research
14 мая AnyFlow: видеодиффузия с произвольным числом шагов через on-policy дистилляцию flow map MIT / NVIDIA research
4 июл WorldDirector: управляемый симулятор мира с постоянной памятью динамических объектов research
6 июл Илон Маск объявил о завершении разработки Grok Imagine xAI tools
24 авг ForgeWM: Progressive Causal Training для Few-Step Action-Conditioned Video World Models research
25 авг ReWorld: интерактивная модель мира с долгосрочной памятью TongyiLab (Alibaba) research
25 авг InfinityEdit: бесконечный видеомонтаж с лёгким Edit-Ignition-адаптером Alibaba (Tongyi) research
28 авг PAWBench: как далеко мы от вероятностно согласованного world-моделирования? research
17 сен Команда Kandinsky из Сбера открывает Time Adapter для видеогенерации с временной согласованностью Sber video
12 мая Видеомодель Google Gemini «Omni» появляется в ранних демо накануне I/O 2026 Google DeepMind video
13 мая Видеомодель Gemini Omni появляется накануне Google I/O 2026 Google DeepMind video
11 мая ShengShu Technology запускает Vidu Claw: AI-платформу для сквозного производства рекламы ShengShu Technology video
8 июн VideoKR: обучающий корпус из 315K примеров для знание- и рассуждение-интенсивного понимания видео Yale University research
9 июн Echo-Memory: контролируемое исследование механизмов памяти в видеомоделях мира с условием на действие Microsoft Research research
10 июн SCAIL-2: сквозная анимация персонажей через инконтекстное кондиционирование Tsinghua University research
30 июн PhysisForcing: мировые модели с физическими ограничениями повышают успешность манипуляций роботов на 50% Peking University / NVIDIA research
11 авг Sci-VBench: оценка генерации видео, насыщенного знаниями и рассуждениями, в научных областях research
14 авг DreamX-Phi 1.0: Action-Conditioned Video World Model for Robotic Manipulation Alibaba Group research
29 авг Krea добавила Wan 3.0, MiniMax H3 Max и Gemini Omni Flash 1.1 в двухдневной волне моделей Krea video
1 сен DreamX-Creator: нативная совместная генерация аудио и видео в разрешении 2K AMAP-ML (Alibaba) research
7 сен Krea подключилась к ChatGPT для генерации изображений и видео прямо в переписке Krea tools
9 авг ByteDance открыла публичный доступ к developer API Seedance 2.5 ByteDance video
1 сен Google ухаживает за голливудскими студиями на фоне краха лицензионной кампании OpenAI Google industry
8 сен Основатель ByteDance лично возглавил работу над world-моделью для пространственного видео в реальном времени — запуск возможен уже в октябре ByteDance video
12 сен Катценберг и экс-руководитель Sora Билл Пиблс запускают AI-видеостартап video