近期，视频模型领域迎来多项重要进展。一方面，技术边界不断拓展，多家公司推出或更新了视频生成与编辑模型；另一方面，关于“世界模型”的定义引发了学术讨论。
- 主要进展
- 谷歌的 Gemini Omni 视频模型正式放量，该模型支持视频编辑功能，且文字连贯性表现惊人，被业界视为一次技术突破（谷歌 Gemini Omni 视频模型开始放量；谷歌新视频模型演示；Gemini Omni 视频模型炸场）。
- Higgsfield MCP 上线 Manus，支持前沿图像与视频模型，进一步丰富了可用的生成工具生态（Higgsfield MCP 上线 Manus）。
- 李飞飞近日澄清，视频模型、游戏生成和物理引擎是三种不同概念，并非所有视频模型都可称为“世界模型”，这一观点对行业认知进行了重要厘清（李飞飞澄清「世界模型」）。
当前焦点
视频模型的能力正从简单生成向精细化编辑和强语义控制演进，但“世界模型”标签的滥用可能引发过度期待。未来需关注：视频模型在实际应用中是否真能理解物理规律，以及商业化的落地场景。