Pika H3 Flex 发布,登顶 DesignArena t2v 开源权重榜
Pika 发布 H3 Flex,成为 DesignArena t2v 榜单第一的开源权重模型。该模型支持导出音频分轨、最高 4K 分辨率与快于实时生成,15 秒带音轨片段最快 7 秒生成。
推荐理由:Pika H3 Flex 以开源权重登顶 DesignArena t2v 榜单,支持 4K 与音频分轨,为专业迭代提供新选择。
内容形态
视频/图像/音频生成模型的发布、开源与迭代:旗舰更新、开放 API、性能与价格变化的第一时间记录。
123 条精选近 30 天 45 条共收录 367 条
Pika 发布 H3 Flex,成为 DesignArena t2v 榜单第一的开源权重模型。该模型支持导出音频分轨、最高 4K 分辨率与快于实时生成,15 秒带音轨片段最快 7 秒生成。
推荐理由:Pika H3 Flex 以开源权重登顶 DesignArena t2v 榜单,支持 4K 与音频分轨,为专业迭代提供新选择。
Pika 发布 H3 Flex 视频生成模型,基于 MiniMax-H3 后训练,六步采样生成带同步立体声的视频。本地开源推理支持 480p/768p、24fps、5-15 秒,API 可生成 1080p/2K/4K 并支持音频分离与提示增强;Ref2VA 模式支持最多 12 个参考输入。
推荐理由:基于 MiniMax-H3 后训练,六步采样与多参考输入为专业视频创作提供高效可控方案,可评估其与现有流程的适配度。
创作者发布针对 Krea 2 Turbo 的 3 步蒸馏 LoRA,将去噪步数从 8 步降至 3 步,去噪速度提升 2.6 倍,细节质量达到教师模型的 1.15 倍。训练使用 12,000 个样本,单张 H100 约 41 小时;提供 ComfyUI 工作流,兼容 diffusers、ComfyUI 和 MLX。
推荐理由:这个 3 步蒸馏 LoRA 将 Krea 2 Turbo 去噪步数从 8 步降到 3 步,细节质量超过教师模型,为创作者提供更快的出图选择。
可灵邀请创作者 Ami 用 Kling 4.0 制作短片《Tea When You Have Time》,她分享了 30 秒生成、Omni Reference 与多关键帧等新能力的使用体验。Kling 4.0 支持单次 30 秒生成、21:9 画幅、最多 10 个关键帧,12 个角色资产保持一致,粤语对白口型同步效果好,并支持多种方言与英语口音。
推荐理由:创作者实测显示 Kling 4.0 在 30 秒长镜头、12 角色一致性与粤语口型同步上表现稳定,可据此评估升级。
谷歌发布新一代世界模型 Genie 4,可在生成世界的同时原生生成音乐、环境音和交互式对话。相比上一代 Genie 3,新模型加入原生音频、实时人物对话,以及由 Gemini 模型提供的多步骤推理和场景控制能力,目前以研究预览形式向受信任测试者逐步开放。
推荐理由:Genie 4 在上一代基础上加入原生音频、实时对话与多步骤推理,创作者可据此评估其交互式模拟能力。
PrunaAI 发布面向 Qwen-Image-2.1 的 6 步 LoRA 适配器,将图像生成从 40 步压缩到 6 步。其中 6-steps-upsampled 版本去掉了独立的提示词上采样步骤,根据提示词风格可节省 41 到 80 秒,LoRA 直接加载在 Qwen-Image-2.1 上,管线保持不变。
推荐理由:新适配器将图像生成从 40 步压缩到 6 步并去掉上采样环节,创作者可据此评估是否替换现有出片流程。
可灵官方转发 Runware 消息称 Kling 4.0 已在 Runware 上线,支持最长 30 秒 1080p 视频并带原生音频。该版本支持首帧、中间帧、尾帧的多关键帧,单次请求最多 15 个输入,涵盖关键帧、参考图、参考视频和元素,并可基于提示词编辑已有片段。定价为每秒输出 0.133 美元起,接下来 7 天在常规价格上打 85 折,模型 ID 为 klingai:[email protected]。
推荐理由:Kling 4.0 通过 Runware API 上线,给出 30 秒 1080p 带原生音频与多关键帧输入等参数,可对照现有出片链路。
可灵于 2026 年 10 月 15 日正式发布 Kling 4.0,支持单次 3–30 秒生成、更稳定的大幅运动与复杂运镜,以及最多 10 个关键帧输入。Omni Reference 单次生成最多可组合 15 个参考素材,包括 10 张图片、总时长不超过 30 秒的 5 段视频和 7 个元素,并可用提示词对已有素材做主体、背景、表情、机位与风格的定向修改。
推荐理由:官方梳理 Kling 4.0 的参考素材、关键帧与定向编辑能力,并给出从分镜到交付的流程建议。
Kling 4.0 已在 Lovart 上线,单条可生成最长 30 秒片段,并支持 10 个关键帧控制节奏、最多 15 个角色/产品/场景参考素材。官方称其运动更稳定、音频更好、镜头运动幅度更大,Lovart 的 Arti 负责生成分镜清单。
推荐理由:Kling 4.0 在 Lovart 上线,单条可生成 30 秒片段并支持 10 个关键帧与 15 个参考素材,可据此评估长镜头控制能力。
可灵 Kling 4.0 已在 fal 平台公开可用,API 面向所有客户开放。该模型支持最长 30 秒原生视频生成并带音频,最多 15 个图像、视频与元素参考,以及最多 10 个关键帧的精确控制,并改进了运动、角色一致性与电影化叙事。
推荐理由:Kling 4.0 通过 fal 开放 API,原生 30 秒带音频生成与多参考、关键帧控制的变化可供创作者评估接入。
腾讯混元开源世界模型 Hy-Nomas,支持用文本提示和相机轨迹进行自由交互,并具备带世界记忆的长时程生成能力。该模型提供面向机器人等垂直领域的轻量 LoRA 适配,经 8 步蒸馏可在单张 RTX 4090 上生成 720p@24FPS 视频,权重已上线 Hugging Face 与 GitHub 并提供在线 Demo。
推荐理由:腾讯混元开源世界模型 Hy-Nomas,支持文本与相机轨迹操控,单张 RTX 4090 即可运行 720p 视频生成。
Lightricks 在 Hugging Face 发布 LTX 2.5 开源权重,这是一个 22B 参数的扩散模型,可下载到自有 GPU 运行,同时提供 dev 完整版与蒸馏加速版,以及 bf16、int8、nvfp4 量化格式。
推荐理由:Lightricks 把 22B 视频模型连同音频与多镜头能力一起开源,文中拆解了下载包各组件与自托管门槛。
LTX 2.5 是一个开放权重的 AI 视频模型,音视频在同一次生成中产出,并支持单次生成内包含多个连贯镜头。模型提供标准版与蒸馏版,权重可下载,能通过托管 API 调用,也能部署在自有 GPU 上;官方称新的扩散视频解码器改善了人脸、纹理、画面文字与快速运动的表现。文章还记录了在远程 Nvidia GPU 上自托管运行、用对话镜头测试对口型与面部一致性的过程。
推荐理由:文章拆解了 LTX 2.5 音视频同源生成、原生多镜头与可自托管三项特性,便于判断开放权重视频模型的实际边界。
字节跳动旗下火山引擎发布 Seedance 2.5 4K,称其为 Seedance 2.5 这一代中最强的模型,通过专项训练学习人物表情、细微动作与画面细节。该模型支持 Draft 样片模式,可先用 480P 样片验证分镜、打磨镜头,再生成 4K 正片,并具备 10-bit 色深;目前仅供部分企业客户试用,部分海内外影视制作、后期公司已试用。
推荐理由:Seedance 2.5 4K 把样片验证与 4K 正片分成两段流程,影视团队可据此判断画质与成本如何取舍。
可灵 Kling 4.0 已在 idea.ai 上线。据 idea.ai 介绍,该版本可用单条提示生成 30 秒场景,保持跨镜头角色一致,并支持在实拍、动漫与 3D 风格间切换。
推荐理由:Kling 4.0 在 idea.ai 上线,支持单提示生成 30 秒场景与跨镜头角色一致,可对照现有出片流程评估。
模思智能开源的 5B 参数文生图模型 MOSS-Image 上线 4 天在海外社区收获 130 万次下载,GitHub 获 1.4k Stars,并登顶 Hugging Face 文生图趋势榜。
推荐理由:5B 参数开源模型上线 4 天获 130 万次下载,社区已产出加速、量化版本与 LoRA,可观察其文字渲染与布局控制的实际表现。
Kling 4.0 已在 OnSolo 上线,支持单次生成 30 秒原生视频,快速动作与大运镜中保持运动稳定。该版本提供立体声与更精准的对口型,支持 21:9 宽画幅,单次任务最多可堆叠 15 个参考和 10 个关键帧。
推荐理由:Kling 4.0 上线 OnSolo,给出单次 30 秒原生视频、21:9 画幅与多参考图堆叠等参数,便于创作者对照现有流程评估。
可灵宣布 Kling 4.0 已在 Adobe Firefly 中上线,用户可通过 Adobe 提供的链接直接试用。该版本以 Kling 4.0 名称接入 Firefly,官方未披露更多功能细节。
推荐理由:可灵 4.0 接入 Adobe Firefly,创作者可了解该版本在 Adobe 工作流中的可用入口。
ComfyUI 上线 FLUX 3 Max,这是 FLUX 3 Video 的延迟优化版本,可生成 10 秒 720/768p 带原生音频的片段,耗时约 12 秒。官方同时给出图生视频与文生视频两条工作流链接,并列出多候选对比、调参时预览运动、批量产出广告变体和关键帧引导分镜等用法。
推荐理由:ComfyUI 接入 FLUX 3 Max,给出 10 秒 720/768p 带原生音频、约 12 秒出片的延迟优化版本,并附图生视频与文生视频工作流入口。
可灵官方账号以 #Kling4 预告新一代视频生成模型,正文未给出具体参数。其引用的 Morphic 发布信息称 Kling 4.0 支持原生 30 秒生成、最多 10 个关键帧、15 个参考、画面文字一致与多语言,并提供 4K 与 10-bit HDR,11 月 20 日前在 Morphic 生成可享 10% 折扣。
推荐理由:可灵官方预告 Kling 4,引用信息显示其支持原生 30 秒生成与 4K 10-bit HDR,可据此判断长镜头出片能力。