NVIDIA 发布 Cosmos 3 家族四个开源权重模型 用于交互式世界仿真与驾驶场景生成
NVIDIA 在 Cosmos 3 模型家族新增四个开源权重检查点，用于生成交互式世界仿真和多传感器多视角驾驶场景。四个模型均为 Cosmos 3 Nano 的后训练版本，各含 16B 可训练参数，采用 OpenMDW1.1 许可，允许按其条款商用和非商用。
推荐理由：四个开源权重模型分别覆盖驾驶仿真和机器人双臂操作，配套的四阶段后训练配方可供研究者按自己的传感器配置或本体数据做适配。
#视频
Hugging Face Blog精选AI 评分6161 Google DeepMind精选AI 评分6868 Google DeepMind 发布 Gemini Omni 1.2 Flash，视频生成扩至 15 秒并降价 30%
Google DeepMind 发布 Gemini Omni 1.2 Flash 视频生成模型，在 Gemini API 和 Gemini for business 全面开放。
推荐理由：原文列出降价 30%、时长扩到 15 秒和多轮对话编辑等具体参数，做批量视频产出的团队可据此评估成本与选型。
Google AI Blog精选AI 评分7171 Google 发布 Gemini Omni 1.2 Flash，支持 15 秒视频并降价 30%
Google DeepMind 发布 Gemini Omni 1.2 Flash，并在 Gemini API 和 Gemini for business 正式开放，Gemini Omni 系列首次全面可用。
推荐理由：官方公告列出了时长、价格和一致性等具体能力变化，开发者可以据此评估是否把视频生成工作流迁移到这个版本。
Google DeepMind精选AI 评分7373 Google DeepMind 发布世界模型 Genie 4，支持实时交互与原生音频生成
Google DeepMind 发布新一代世界模型 Genie 4，开始以研究预览形式向可信测试者推出，官方称其为旗下首个原生生成音频的实时世界模型。模型原生多模态，可同步生成环境声、音乐与可交互对话，支持用键盘控制和自然语言实时修改场景，并由 Gemini 3.8 Flash 作为循环中的引导智能体拆解目标、逐步校验多步事件。
推荐理由：原文介绍原生音频与实时交互等能力的实现方式，并说明细节漂移等当前局限，便于读者判断其可用边界。
Comfy Blog精选AI 评分6464 NVIDIA VFX 节点上线 ComfyUI，支持视频超分、补帧和 SDR 转 HDR
ComfyUI 上线 NVIDIA VFX 自定义节点，可在本地 Nvidia RTX GPU 上运行视频超分、补帧和 SDR 转 HDR 三个 RTX 视频特效模型。
推荐理由：原文梳理了超分、补帧和 HDR 三个节点的参数与推荐串联顺序，做本地视频后期的读者可以据此把整条 VFX 流程接入 ComfyUI。
Comfy Blog精选AI 评分6464 Comfy 发布 Comfy Agent，可实时搭建与调试工作流的创作智能体
Comfy 团队发布 Comfy Agent，一款集成在 ComfyUI 内的创作智能体，现已向所有 Comfy Cloud 用户开放，几周内上线 Comfy Desktop。
推荐理由：原文展示了它在画布上与创作者实时协作搭建、调试工作流的具体用法，用户可据此评估现有创作流程的适配。
MiniMax Research Blog精选AI 评分6767 MiniMax 发布多模态生成模型 H3，支持 2K 原生立体声视频并计划开源权重
MiniMax 发布通用多模态生成模型 H3，可统一理解文本、图像、视频和音频上下文，生成最长 15 秒的 2K 分辨率视频并带原生立体声。官方称早期测试显示其已可胜任广告、电商、游戏等商业内容创作，2K 下每秒价格不到主流模型的三分之一，并计划在符合法规的前提下于近日开源模型权重。
推荐理由：原文给出与主流模型的价格对比和开源权重计划，读者可以据此评估它在商业视频内容生产中的成本空间。
Meta AI Blog精选AI 评分7272 Meta 发布 Muse Image 并预览 Muse Video 媒体生成模型
Meta 发布图像生成模型 Muse Image 并预览视频生成模型 Muse Video，二者是 Meta Superintelligence Labs 开发的首批媒体生成模型。
推荐理由：图像模型以智能体方式调用搜索和代码工具，并用测试时算力换质量，读者可据此对比现有图像生成产品的技术路线差异。
Thinking Machines Lab · News精选AI 评分7272 Thinking Machines 宣布交互模型研究预览，TML-Interaction-Small 原生支持实时多模态协作
Thinking Machines Lab 宣布交互模型研究预览，从零训练出 TML-Interaction-Small（276B 参数 MoE、激活 12B），可实时接收音频、视频和文本并即时回应。
推荐理由：原文说明交互模型如何把实时互动内建到模型本身而非外部脚手架，并给出与主流实时模型在智能与响应上的基准对比。
已经到底了