Hugging Face Blog精选7171NVIDIA 发布 Cosmos 3 四个开源世界模型检查点
NVIDIA 在 Cosmos 世界模型平台下新增四个 Cosmos 3 开源权重检查点，均为 Cosmos 3 Nano 的后训练版本，含 16B 可训练参数，采用 OpenMDW1.1 许可，允许商用与非商用。
推荐理由: 原文给出四个开源权重检查点及四阶段后训练配方，读者可据此判断如何把世界模型适配到自有传感器与机器人本体。
实时
技术方向
AI 视频
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。
5篇精选
5本月
11月6日 04:13更新于
本月仍有更新
最新报道
- Hugging Face Blog精选7171
Google DeepMind精选7878Google DeepMind 发布了 Gemini Omni 1.2 Flash，支持 15 秒视频并降价 30%。
Google DeepMind 发布了 Gemini Omni 1.2 Flash，原生视频生成时长从 Omni 1.1 的 10 秒提升到 15 秒，并已在 Gemini API 和 Gemini for business 全面开放。
推荐理由: 原文列出了时长、价格和参考一致性的具体变化，读者可据此判断视频生成的成本与工作流会怎样变化。
量子位精选7272Genspark 发布 Media Studio 视频 Agent 工作台
Genspark 发布视频 Agent 工作台 Media Studio，接入 20 多家厂商的 70 多个模型版本，由大语言模型担任导演负责写剧本和调度视频、图像、音频模型。
推荐理由: 作者完整实测了从短剧到知识讲解片的全流程，读者可据此判断多模型编排在真实创作中的完成度与短板。
腾讯混元 · Hugging Face 新模型精选7171腾讯混元开源 Hy-Nomas 交互式世界生成模型 Diffusers 版
腾讯混元在 Hugging Face 发布 Hy-Nomas 的 BF16 Diffusers 格式蒸馏权重，该视频世界生成模型支持通过文本指令和相机控制进行多轮自由交互，逐段生成同一世界。
推荐理由: 官方放出蒸馏版 BF16 Diffusers 权重和配套基准，读者可据此判断多轮交互式世界生成的实际用法与门槛。
- 腾讯混元 · Hugging Face 新模型精选7878
腾讯混元开源 Hy-Nomas 交互式世界生成模型
腾讯混元在 Hugging Face 发布视频世界生成模型 Hy-Nomas，支持通过文本指令和相机控制进行自由形式的多轮交互，逐段生成视频并延续同一世界。模型采用分段自回归 DiT 架构，结合 Qwen2.5-VL-7B 文本编码器、相机条件模块和 PixelUMM 解码器，蒸馏推理配置为 8 步去噪、720×1280 分辨率、24 FPS。
推荐理由: 腾讯混元开源可多轮交互的世界生成模型，给出架构细节与单卡 4090 部署配置，便于评估落地成本。
