昆仑万维发布世界首款消费级显卡视频大模型游戏，同步开源
昆仑万维发布 Matrix-Game 4.0，称其为世界首款运行在单张消费级显卡上的视频大模型游戏，可在 NVIDIA RTX 5090 上实现 480p、60 FPS 实时体验，按键到画面响应延迟低于 150 毫秒。
推荐理由：原文给出消费级显卡上的实时视频生成游戏闭环与开源入口，可据此判断端侧视频模型落地的可行路径。
技术方向
AI 视频 最新动态
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 条精选近 30 天 4 条共收录 16 条
更新
AI 视频的精选
日期栏展示收录日期，历史补录归入原文日期。
IT之家 · 人工智能精选AI 评分7676
Comfy Blog精选AI 评分6262 Nvidia VFX 节点上线 ComfyUI，支持视频超分、插帧与 SDR 转 HDR
ComfyUI 将 Nvidia 的 RTX 视频效果做成自定义节点，模型随节点分发并在本地 Nvidia RTX GPU 上运行。
推荐理由：ComfyUI 把 Nvidia RTX 视频超分、插帧与 SDR 转 HDR 做成节点，读者可据此了解本地 VFX 流程的搭建方式。
Comfy Blog精选AI 评分6262 我如何在单张 GPU 上用 MiniMax H3 生成实时视频
作者在单张 RTX 5090（32 GB 显存）上实现了 15 秒内生成 15 秒 448×256 视频的实时方案，使用 FastVideo 的 FastH3 V2 checkpoint 并采用四步采样。
推荐理由：作者把多项优化拼成单卡实时视频方案，并公开了可复用的开源节点与实测数据。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，将实时视频生成与语音对话结合，为 Gemini 的对话式 AI 带来近实时的视觉形象。
推荐理由：官方给出 Live Avatar 的实时音视频对话能力、异步工具调用与 97 种语言支持，可据此判断企业级数字人交互的落地形态。
Air Street Press精选AI 评分7878 FLUX 3：从视频生成到机器人控制
Black Forest Labs 上周发布多模态基础模型 FLUX 3，在单一架构中联合学习图像、视频和音频，可单次生成最长 20 秒带音频视频。其视频骨干被机器人公司 mimic 用于 FLUX-mimic，在软体装配任务上报告 95% 成功率，无需单任务微调，对比 π0.5 的 55% 和某流匹配策略的 70%。
推荐理由：FLUX 3 把视频生成骨干直接接到机器人动作预测上，读者可看到多模态世界模型向工业操作迁移的一条具体路径。