Google DeepMind 推出 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，把近实时视频生成与语音对话结合，让企业智能体具备会听、会看、会说的动态视觉形象，即日起在 Gemini Enterprise 上线。
推荐理由：官方给出 Live Avatar 的可用范围、多语言同步与自定义头像的开放条件，可据此判断能否接入企业对话场景。
模型与工具更新
全部主题视频模型的发布、版本更新与工具上新：能力、价格、可用性的第一时间记录。
24条精选相关主题可灵 AISora（OpenAI）ComfyUI
最新精选
第 1–20 条 · 共 24 条Google DeepMind（Veo）精选AI 评分6262
ComfyUI 官方博客精选AI 评分6262 ComfyUI 推出 Comfy Router，用一个 API 调用前沿图像、视频、3D 与音频模型
Comfy Router 已在 Comfy Developer Platform 上线，开发者只需集成一次即可调用前沿图像、视频、3D 和音频模型，首日接入 Seedance 2.5、MiniMax H3、Nano Banana Pro、GPT Image 2、Kling 和 Black Forest Labs。
推荐理由：Comfy Router 把多家供应商的前沿图像、视频、3D、音频模型收进一个 API，读者可据此判断多供应商切换与排队重试是否适合自己的调用场景。
ComfyUI 官方博客精选AI 评分6262 ComfyUI 让 MiniMax H3 视频 VAE 提速约 2 倍
ComfyUI 官方博客介绍 MiniMax H3 视频 VAE 的提速更新，编码最高约快 2.2 倍、解码快约 1.4-2.7 倍，1344x768、129 帧的编解码往返从 24.3 秒降到 12.7 秒。
推荐理由：原文给出 MiniMax H3 视频 VAE 在 ComfyUI 中的提速幅度、开启方式和画质数据，读者可据此判断是否值得升级。
ComfyUI 官方博客精选AI 评分7171 Qwen-Image-2.1 在 ComfyUI 原生支持：开源权重图像生成与编辑，支持透明通道
阿里 Qwen 团队的新图像模型 Qwen-Image-2.1 已在 ComfyUI 原生支持，开源权重、7B 参数，基于优化的 MMDiT 架构，可直接生成带 alpha 通道的 RGBA 图像。
推荐理由：ComfyUI 原生支持 Qwen-Image-2.1，读者可了解其 RGBA 输出、原生 2K 与最多 10 张参考图在生成和编辑中的具体用法。
Hugging Face Blog精选AI 评分6262 Hugging Face 用 Gradio Workflow 重建 AUTOMATIC1111，Workflow1111 含 73 个节点
Hugging Face 发布 Workflow1111，用 Gradio Workflow 把 AUTOMATIC1111 的大部分功能重建为一张工作流画布，由 11 条媒体管线和 73 个节点组成。
推荐理由：原文完整拆解了 Workflow1111 的十一条管线与节点构成，可对照 ComfyUI 判断这类画布工作流的适用边界。
Google DeepMind（Veo）精选AI 评分6666 Google DeepMind 为 Gemini 3.7 Flash 等模型推出 agentic 视频理解
Google DeepMind 在 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 上推出 agentic 视频理解，通过原生视频工具动态搜索、扫描和检查目标片段，替代固定帧率的静态处理。
推荐理由：原文给出该功能在三个 Gemini 模型上的 token、成本与准确率变化区间，并说明 API 开启方式，便于开发者判断是否接入。
ComfyUI 官方博客精选AI 评分7171 Gemini Omni 1.1 Flash 上线 ComfyUI，支持 4K 输出与视频编辑
Gemini Omni 1.1 Flash 通过 Partner Nodes 接入 ComfyUI，在 Gemini Video Omni 节点中可选 Omni Flash 1.1，单个节点覆盖文生视频、图生视频、参考生视频、视频编辑和场景延展。
推荐理由：原文给出 Gemini Omni 1.1 Flash 在 ComfyUI 节点中的任务类型、分辨率档位与提示词写法，可据此判断能否接入现有工作流。
fal.ai Blog精选AI 评分8383 fal 发布 H3 Max：基于 MiniMax H3 后训练，5 秒视频约 3 秒生成
fal Research 发布 H3 Max，这是基于开源权重 MiniMax H3 后训练的版本，由 fal 推理团队针对速度优化。官方称其 5 秒视频生成约需 3 秒，吞吐量约为官方 MiniMax H3 端点的 35 倍，并在整体质量、提示词理解和美学三个维度的人类偏好评测中排名第一。
推荐理由：fal 公布 H3 Max 的偏好评测排名与生成速度数据，并说明后训练与推理协同优化的思路，可对照其与官方 H3 端点的差异。
Google DeepMind（Veo）精选AI 评分8282 Google DeepMind 发布 Gemini Omni 1.1 Flash，新增场景延长与首尾帧控制
Google DeepMind 发布 Gemini Omni 1.1 Flash，通过 Gemini API 在 Google AI Studio 提供面向开发者的生成视频控制能力。
推荐理由：官方列出场景延长、首尾帧插值与 4K 超分的具体参数和开放范围，可据此判断能否接入现有视频工作流。
ComfyUI 官方博客精选AI 评分8888 Wan 3.0 上线 ComfyUI：原生 30 秒视频与 Omni-Reference 控制
阿里最新视频生成模型 Wan 3.0 已在 ComfyUI 上线，可一次生成最长 30 秒视频，无需拼接。提示词输入扩展到 20000 字符，参考素材上限提升到 10 张图片、5 段视频和 5 段音频，并支持网页与文档解析，参考素材通过 @Image1、@Video2 等 @ 语法在提示词中指定用途。
推荐理由：原文列出 Wan 3.0 在 ComfyUI 中的原生 30 秒时长、参考素材上限与分辨率档位，便于判断它能否直接接入现有工作流。
Hugging Face Blog精选AI 评分6262 Gradio 内置 gr.Workflow 上线，把 AI 流水线变成可拖拽画布与 REST API
Gradio 内置的 gr.Workflow 把多步 AI 流水线变成可拖拽的节点画布，每个节点可运行、每个中间结果可见，同一张图同时是 REST API 并可一键部署到 Hugging Face Spaces。
推荐理由：原文给出 gr.Workflow 的节点类型、并行 fan-out 用法与 REST 端点示例，读者可据此判断能否把多步生成流程搬进 Gradio。
ComfyUI 官方博客精选AI 评分7171 ComfyUI 开源本地版 Comfy MCP，智能体可直连本地环境
ComfyUI 开源本地版 Comfy MCP，用户可将 Claude、Codex、Cursor 等智能体连接到本机安装的 ComfyUI，云端与本地合并为同一个 MCP。
推荐理由：Comfy MCP 从云端扩展到本地并开源，读者可以了解智能体如何读取本地 GPU、节点与模型来搭建工作流。
ComfyUI 官方博客精选AI 评分8383 ComfyUI 上线 LTX-2.5 Day-0 支持
ComfyUI 在 LTX-2.5 发布当天提供支持，开放权重版含 dev 与 distilled 两个变体，另可通过 Partner Nodes 调用 Fast 和 Pro。
推荐理由：ComfyUI 官方给出 LTX-2.5 的 Day-0 支持范围与两种使用路径，读者可据此判断本地部署还是走 Partner Nodes。
ComfyUI 官方博客精选AI 评分8282 Wan Animate 2 在 ComfyUI 原生支持，新增两个节点
Wan Animate 2 已在 ComfyUI 原生支持，该模型用端到端角色动画框架直接读取驱动视频，省去中间运动提取器，以提升运动保真度和角色身份一致性，并支持文本驱动的视角控制。
推荐理由：原文说明了 Wan Animate 2 在 ComfyUI 的原生支持范围、两个新节点和实时延迟变体，读者可据此判断能否接入自己的角色动画流程。
ComfyUI 官方博客精选AI 评分8282 Seedance 2.5 通过 Partner Nodes 上线 ComfyUI
Seedance 2.5 通过 Partner Nodes 在 ComfyUI 上线，一次生成可输出单段连续 30 秒视频，无需拼接短片。单次生成最多接受 50 个参考素材，包括 30 张图片、10 个视频和 10 个音频文件，参考素材可在提示词中内联指定。
推荐理由：原文列出 Seedance 2.5 在 ComfyUI 中的单次 30 秒连续生成、50 个参考素材与时间轴级镜头控制，可据此判断长镜头工作流是否可行。
ComfyUI 官方博客精选AI 评分8282 FLUX 3 Video 通过 ComfyUI Partner Nodes 上线
FLUX 3 Video 已在 ComfyUI 通过 Partner Nodes 提供，目前上线的是视频生成，开放权重稍后发布。单次生成最长 20 秒，音频与画面同批原生产出，支持文生视频、图生视频、视频续写、单次生成内多场景与多语言对白口型。官方同时提供 I2V、T2V 和 Storyboard 三个工作流，更新 ComfyUI 或打开 Comfy Cloud 即可使用。
推荐理由：ComfyUI 官方给出 FLUX 3 Video 在 Partner Nodes 的可用范围与三种工作流，读者可据此判断能否接入现有出片流程。
ComfyUI 官方博客精选AI 评分8888 MiniMax H3 开源权重发布，ComfyUI 首日支持 2K 视频与原生立体声
MiniMax H3 今日发布并开放权重，ComfyUI 当天完成原生支持。这是 MiniMax 第三代视频模型，前两代为 Hailuo 01 和 Hailuo 02，H3 是首个开放权重的版本，支持文生视频、图生视频、首尾帧控制和参考生视频，输出最高 2K、单段最长 15 秒，音频与视频同一次生成、原生立体声。
推荐理由：ComfyUI 官方给出 H3 的本地部署路径与显存优化细节，读者可据此判断消费级显卡能否跑起 2K 视频生成。
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。