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。
AWS 介绍如何在 Amazon SageMaker AI 上部署两个 vLLM-Omni 端点，将 FLUX.2-klein-4B 生成的图像传给 Wan2.1-VACE-1.3B，生成短视频。图像端点采用实时推理，视频端点采用异步推理，并通过 Amazon S3 传递 multipart 请求和获取 MP4 结果。文章还提供命令行与 Streamlit 示例、部署命令及清理脚本。
推荐理由：文章把图像实时推理与视频异步推理串成可复用流程，并给出部署脚本、请求格式和清理步骤，便于理解两种响应模式的取舍。
Runway 在 GWM Worlds 2 研究预览中推出 WorldPrompt，可固定模拟环境的部分要素并创建带时间戳的事件，也支持实时提示动作。GWM Worlds 2 能以 720p、24 fps 视频和 48,000 Hz 音频生成交互世界，其实时化依赖自回归生成与蒸馏。文章还讨论了误差累积、长时记忆、因果性和无结构状态等限制，以及世界模型在游戏、机器人和智能体测试中的用途。
推荐理由：文章结合 WorldPrompt 的控制方式与实时生成的工程难题，梳理世界模型在游戏、机器人和智能体测试中的应用路径。
Google Research 提出面向连贯长视频生成的 AI 视频协作导演体系，由 Co-Director、CANVAS、A²RD 和 VQQA 四个框架组成。
推荐理由：这项研究把长视频生成拆解为故事规划、视觉记忆、时序扩展和提示词闭环修正四个环节，并给出对应框架与基准结果。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，为企业对话式 AI 加入近实时视频生成、语音和动态视觉形象。
推荐理由：文章集中说明 Live Avatar 的多模态交互、异步工具调用和 97 种语言支持，并交代 Gemini Enterprise 的使用入口与定制头像限制。
Google DeepMind 发布 agentic video understanding，面向 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite，用于视频分析。
推荐理由：文章给出 agentic video understanding 的工作机制、基准变化与接入方式，便于评估长视频分析的成本和开发门槛。
Google DeepMind 发布 Gemini Omni 1.1 Flash，新增场景延展、首尾帧插值、视频参考和最高 4K 输出等生成视频能力。模型可分析最多 10 秒的既有上下文，将视频按 10 秒增量延展至累计 40 秒；360p 预览生成速度最高提升 60%，成本为标准 720p 的三分之一。
推荐理由：文章集中说明了视频生成的控制能力、迭代速度与输出规格变化，并给出 API 接入方式和适用的创作工作流。
Google Research 发布 AMIE（Video），该系统基于 Gemini 和 Project Astra，可实时进行音视频临床会诊，感知非语言线索、引导虚拟体格检查并开展临床推理。
推荐理由：文章将 AMIE（Video）的异步多智能体架构、随机视频研究结果与模拟场景限制放在一起，便于理解其能力边界。
NVIDIA 发布 Cosmos-H-Dreams，一款由动作条件驱动、面向手术机器人的实时生成式模拟器。该模型从 Cosmos-H-Surgical-Simulator 蒸馏而来，针对 dVRK 桌面缝合进行训练，在单张 NVIDIA RTX PRO 6000 上可达约 160 frames per second。
推荐理由：文章展示了从世界模型蒸馏到实时闭环模拟的技术路径，并给出手术机器人策略训练与评估的具体应用方向。
Google DeepMind 发布 Nano Banana 2 Lite 图像模型，并面向开发者开放 Gemini Omni Flash 视频生成与对话式编辑模型。
推荐理由：文章同时给出图像与视频模型的定位、价格和限制，便于开发者比较生成速度、成本与可用范围。
Google DeepMind 发布 Gemini Omni Flash，可将图像、音频、视频和文本作为输入，生成基于 Gemini 世界知识的视频，并通过对话进行连续编辑。
推荐理由：原文同时交代了 Gemini Omni Flash 的视频生成与对话编辑能力，以及订阅用户、YouTube Shorts 和开发者 API 的开放路径，便于理解其落地范围。