开源动态8

500美元！华人团队模型重构视频生成范式

量子位2025-07-17

AI 摘要

香港城市大学等团队推出Pusa V1.0图像 - 视频生成模型，引入VTA机制，用低成本微调超越同类模型达SOTA。VTA让帧独立演化，使视频动态连贯自然，还解锁多任务能力。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

PhiZero：让AI学会「物理语言」

PhiZero由中科院自动化所团队研发，探索让AI读懂真实世界运动、交互与变化的“物理语言”。它构建Reason - then - Render框架，经大量数据训练，在多基准测试中表现领先，为AI理解物理世界开辟新通道。

Alaya Lab等联合推出的Alaya - EVOKE能生成小时级视频，解决常见问题。它把记忆搬到模型外，改造教师模型，经多轮技术操作，实验成绩佳，给出清晰训练方案，也指出项目边界。

8月17日，智象未来发布交互式世界模型HiDream - O1 - World，定位为全球首款原生全模态交互式世界模型。它提供漫游和编辑两种交互方式，在WBench测试中成绩优异，但开放场景表现待验证。其采用独特生成方式，有广阔应用前景。

MiniMax新发布的视频模型H3在多模态能力出色，霸榜Artificial Analysis榜单。但开源模型有部署和成本难题，秘塔AI上线该模型，免部署，2K方案0.15元/秒，768P方案0.09元/秒，降低创作门槛。