NVIDIA Cosmos-H-Dreams：为手术机器人带来实时生成式仿真
NVIDIA 推出 Cosmos-H-Dreams，一个面向手术机器人的实时、动作条件生成式仿真器，可将 Cosmos-H-Surgical-Simulator 蒸馏为因果少步学生模型，并经 FlashDreams 加速推理库部署。
全部AI 视频动态
全部动态
今日 0 条Hugging Face BlogAI 评分2222
ComfyUI 官方博客AI 评分3939 ComfyUI 推出 Comfy Team 团队协作计划
ComfyUI 上线 Comfy Team 计划，将团队集中到一个共享工作区、一个共享 credit 池和一张账单中，管理员可管理账单、邮件邀请成员并随时移除访问权限。该计划不按席位定价，分五档月度 credit 承诺，从 $200 到 $2,500，年度方案最高可享 20% 折扣、月度最高 10% 折扣。后续将加入共享工作流与素材库、用户/项目/工作区级预算、按项目计费和自动充值。
Hugging Face Blog精选AI 评分6262 Diffusers 原生支持 Nunchaku 4-bit 扩散推理
Diffusers 现已原生支持 Nunchaku 的 SVDQuant 4-bit 量化推理，加载量化 checkpoint 只需调用 from_pretrained()，无需本地编译 CUDA，也无需单独的推理引擎。
推荐理由：原文给出 Nunchaku Lite 在 Diffusers 中的加载方式、显存与延迟数据，读者可据此判断能否在消费级显卡上跑扩散模型。
ComfyUI 官方博客AI 评分2020 ComfyUI 与 UAL 创意计算研究所宣布 Creative Campus 合作
ComfyUI 背后的 Comfy Org 与伦敦艺术大学创意计算研究所（CCI）达成 Creative Campus 合作，CCI 成为即将推出的 Comfy Education Initiative 创始合作伙伴。
ComfyUI 官方博客精选AI 评分6666 ComfyUI 为 Comfy MCP 上线批量生成工具
ComfyUI 为 Comfy MCP 推出批量生成能力，新增 submit_batch、get_batch_status、get_batch_output 三个工具，单次调用最多提交 50 个任务，可混合合作方模型与自有工作流，返回一个 batch_id，且该 batch_id 可跨会话保留，提交后次日在新会话中仍能收集结果。
推荐理由：Comfy MCP 新增批量提交与收集工具，并给出角色拍摄、素材矩阵等真实生产用例，可据此判断批量出片能否接入现有流程。
Hugging Face Blog精选AI 评分6262 Thinking Machines 发布 Inkling 与 Inkling-Small 多模态开源模型
Thinking Machines 在 Hugging Face 发布 Inkling 系列多模态开源模型，Inkling 为 975B 总参数、41B 激活参数的 MoE 架构，原生支持图像、文本和音频输入，上下文窗口 1M，训练数据 45 万亿 token。
推荐理由：原文给出 Inkling 系列的参数规模、多模态输入与部署配置，读者可据此判断本地或云端部署的硬件门槛。
fal.ai Blog精选AI 评分7878 fal.ai 开源 3DREAL Strong v2 适配器，并公开 3D 灰模转实拍短片全流程
fal.ai 发布并开源 3DREAL Strong v2 适配器，该 LoRA 基于 LTX 2.3，可将 3D 灰模渲染为写实画面，新增跨镜头一致性、同步音频生成和更好的说话角色表现，权重已在 Hugging Face 上线，托管端点 fal-ai/ltx-2.3-quality/render-to-real 已支持。
推荐理由：原文完整公开了三段式提示词与各阶段验证工具，读者可据此复现从3D灰模到成片的可控流程。
fal.ai BlogAI 评分2222 FASHN AI：用生成式 AI 重塑时尚摄影与虚拟试穿
FASHN 面向时尚品牌提供目录级 on-model 图像生成与消费者虚拟试穿，在 fal 的 serverless 基础设施上支持企业客户 500 并发请求，可一次提交整季产品目录后批量产出成品图。
fal.ai BlogAI 评分2222 fal.ai 如何用 DSpark 为 Ideogram V4 提示词扩展实现约 1000 tok/s 与 16 倍吞吐
fal.ai 在 SGLang 上用 DSpark 为 Ideogram V4 的提示词扩展功能实现约 1000 tok/s 和 16 倍吞吐。该功能基于微调后的 Qwen 3.5 35B MoE（FP8）模型，此前在 SGLang 上并发为 1 时仅 328 tok/s，启用 MTP 投机解码后提升至 500 tok/s。
Google DeepMind（Veo）AI 评分3636 Google DeepMind 与 A24 宣布首个研究型合作伙伴关系
Google DeepMind 与 A24 宣布达成首个研究型合作伙伴关系，将顶尖研究实验室与电影人导向的制片厂配对，帮助艺术家开发新工作流与技术。双方将围绕多个项目展开长期深度研发协作，Google 同时已对 A24 进行投资。该合作初期聚焦弥合前沿技术与下一代娱乐之间的差距，具体目标与技术产出将随时间演进。
Google DeepMind（Veo）精选AI 评分8080 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash 两款模型，前者是 Nano Banana 系列中速度最快、成本最低的图像模型，后者支持高质量视频生成与对话式编辑。
推荐理由：原文给出两款新模型的定价、延迟与能力边界，读者可据此判断能否接入自己的图像与视频工作流。
fal.ai BlogAI 评分1212 fal 营销负责人：AI 公司内部的营销运营现实
fal 营销与增长负责人 Tina Sang 在 Cannes Lions 后指出，AI 公司内部并未把工作流交给自主智能体，而是在制作 mockup、创意探索、快速起草初稿和可视化想法等环节选择性使用 AI。
fal.ai BlogAI 评分2222 fal 与 AWS 达成战略合作，共建生成式媒体下一阶段基础设施
fal 宣布与 Amazon Web Services 达成战略合作，为其生成式媒体平台引入 AWS 的全球算力与弹性基础设施。目前已有超过 250 万开发者在 fal 上构建应用，Amazon MGM Studios、Canva 和 Adobe 每天在该平台运行图像、视频、音频和 3D 生产工作负载。fal CTO 表示，AWS 提供的全球规模与可靠性层将帮助其推理引擎覆盖更多生产级团队。
Google DeepMind（Veo）精选AI 评分6262 Google DeepMind 为 Project Genie 加入 Street View 实景锚定能力
Google DeepMind 在实验性原型 Project Genie 中上线 Street View 实景锚定能力，用户可在地图上选择美国地点并搭配风格与角色描述，生成起始位置对应真实街景的交互世界。
推荐理由：原文说明了 Street View 实景锚定在 Project Genie 中的使用方式与开放范围，可据此判断它能否用于智能体或机器人训练场景。
Google DeepMind（Veo）精选AI 评分8888 Google DeepMind 发布 Gemini Omni Flash，支持多模态输入生成与对话式视频编辑
Google DeepMind 发布 Gemini Omni 家族首个模型 Gemini Omni Flash，可组合图像、音频、视频和文本作为输入生成高质量视频，并通过自然语言对话进行多轮编辑，保持角色一致性与物理表现。
推荐理由：Gemini Omni Flash 支持图像、音频、视频和文本混合输入生成视频，并可用自然语言多轮编辑，读者可据此判断它能否接入自己的创作流程。
Google DeepMind（Veo）AI 评分4646 Google 扩展 SynthID 与 C2PA 内容验证工具，覆盖 Search、Gemini、Chrome 和 Pixel
Google 在 Search、Gemini、Chrome、Pixel 和 Cloud 中扩展内容透明度与验证工具，SynthID 已为超 1000 亿张图片和视频、6 万年音频嵌入水印。
fal.ai Blog精选AI 评分6262 fal.ai 发布 fal MCP Server，让 AI 助手直接调用 1000+ 生成模型
fal.ai 发布 fal MCP Server，这是一个托管端点，让 Claude、Cursor、Windsurf 等 AI 助手在对话中搜索、运行并串联 1000+ 生成式 AI 模型，覆盖图像、视频、音频、3D 与超分。
推荐理由：原文给出 fal MCP Server 的接入命令与 9 个工具清单，读者可据此判断能否把自家模型调用接进对话式助手。
fal.ai BlogAI 评分5050 HeyGen 模型上线 fal：Video Agent、Avatar IV 与视频翻译
HeyGen 的模型现已上线 fal，提供 Video Agent、Avatar IV、Video Translate 和 Avatar Video 等能力。Video Agent API 输入提示词或 URL 即可端到端完成脚本撰写、素材选择与剪辑，输出完整视频；Avatar IV API 用单张照片生成带自然表情和手势的说话数字人。
fal.ai Blog精选AI 评分7474 fal 发布 Seedream 5.0 Lite 提示词指南
fal 团队基于 1000 次以上测试生成，给出 Seedream 5.0 Lite 的提示词结构 Subject > Setting > Style > Lighting > Technical，并称该模型会先对提示词做多步推理再出图。
推荐理由：作者基于上千次测试给出 Seedream 5.0 Lite 的提示词结构与编辑用法，可迁移到自己的出图流程。
fal.ai BlogAI 评分1212 fal.ai 实验：Ulysses 通信与计算重叠优化，Fused QKV 在 2/4 GPU 上提速 37%
fal.ai 在 8 张 B200 上对视频扩散模型常用的 Ulysses 上下文并行做了通信-计算重叠实验：Async Ulysses 让 pre-attention 分块延迟在 2/4/8 GPU 下降约 23–25%，端到端提升约 3%。