视频生成

MiMo是小米推出的通用智能平台大模型，专注于智能体代理与长程连贯推理。它通过网页演示与API门户支持快速集成，具备针对长周期代码任务的计算、记忆与进化设计核心。该平台支持多模态交互、开源语音识别与智能体语音合成，通过将复杂世界压缩为可理解语言并预测所需答案，辅助开发者高效构建应用

ResceneAgent（Rescene Agent OS）是一款本地优先的开源自迭代智能体操作系统，聚合多家免费模型并提供智能路由与熔断自愈，可用一条 marathon 命令抓取 Hacker News/GitHub 热点自主选题，按需求→计划→自检闭环迭代交付；同时具备联网自学写入记忆文件，以及内置 54 个设计系统参考的前端设计能力。

fal 是生成式媒体模型推理与 Serverless GPU 平台，提供 1000 多款可直接用于生产的图像、视频、音频和 3D 模型 API，支持按量或预留容量计费、私有端点、单点登录、SOC 2 合规与使用分析，并可在 H100/H200/B200 GPU 上扩展自定义模型的训练与部署。2026 年 9 月，xAI 语音模型 Grok Voice 上线 fal，开发者可调用它构建低延迟语音智能体。

Gemini是Google打造的生成式AI助手，能够帮助用户完成写作、规划与头脑风暴等核心任务。该工具支持70种以上语言的实时语音到语音翻译，具备流式连续音频生成与自动语种检测功能，可精准保留原始语调、语速和音调，并拥有出色的强抗噪能力。借助生成式AI技术，用户可流畅开展跨语言交流、内容生成及多场景智能协作

Wan3.0（万相3.0）是阿里云推出的视频生成模型，目前处于公开测试阶段，主打“简单输入、智能创作”。它支持原生30秒长度的视频生成与真实感级别渲染，并通过 Omni-Reference 能力在文本、图像、音频、视频之外，进一步接受文档、表格、幻灯片、网页等参考输入来驱动视频创作。

Krea 是一站式生成式创作平台，把图像、视频、3D 生成与编辑能力集中在同一订阅内，支持 Krea 2 的 4K 原生图像生成、实时画布、图像编辑器与像素级放大，并可用自有数据微调模型；视频侧聚合 Veo 3、Sora 2、Kling、Seedance 等模型，面向专业创作者与团队提供素材管理与企业协作能力。

Muse 是 Alexandr Wang（Scale AI 创始人、Meta 首席 AI 官）于 2026 年 9 月 8 日宣布推出的个人 AI 助手，同日开放试用。它主打始终在线、响应速度快，能够自主使用浏览器执行操作，并可连接用户的各类应用账户，产品设计上注重安全。用户可通过官方发布的试用链接体验。

PixVerse 是全球 AI 视频生成平台，提供文生视频、图生视频、视频编辑、口型同步、音频生成等能力。旗舰模型 V6 支持电影级镜头控制与角色表演。2026 年 1 月发布 R1 实时世界模型，将视频转变为可交互的连续流，并推出 PixVerse Game Engine 将实时世界模型应用于游戏创作，玩家可用自然语言交互，世界实时响应。平台还提供 API、智能体、营销中心、画布等企业级工作流工具。

通义千问（Qwen）是阿里巴巴云开发的大语言模型系列，提供对话助手、代码生成、智能体工具调用、256K至100万token长文本理解、多语言翻译和创意写作等能力。模型涵盖Dense和MoE架构，支持思考与非思考模式切换，可通过Qwen Chat、API及多种推理框架使用。

Runway 是基于自研 Real-World Intelligence 模型构建的云端 AI 创意平台，在同一工作区内提供视频、图像与音频的生成和编辑能力，聚合 Gen-4.5、Seedance、Nano Banana Pro、Lyria 3、Text to Speech 等大量模型。支持改光影、换风格、增删画面元素等指令式视频编辑，并可搭建节点式自定义 Workflows 串联多模型、多模态与中间步骤，面向个人与各规模团队。

FLUX 3 是 Black Forest Labs 发布的多模态基础模型，基于 Self-Flow 方法在单一架构中联合学习图像、视频与音频，同一组权重即可输出图像、视频、带原生音频的视频以及机器人动作预测。FLUX 3 Video 可单次生成长达 20 秒、带原生音频的视频。模型提供 API、Playground 在线试用与开放权重部署，支持按需付费与商业授权，面向内容创作与物理 AI 场景。

Gemini Omni Flash 是一款由 Google DeepMind 推出的下一代 AI 视频生成与编辑模型。该工具支持通过自然语言进行多轮对话式视频修改，能够结合物理规律与现实世界知识生成符合逻辑的动态画面。用户可输入文本、图像、音频或手绘草图作为参考，模型将其融合并输出连贯的10秒视频。它还支持画面内物体与角色替换、文字与语音节奏同步以及多步骤一致性精修，致力于提供高质量的视频生成与迭代体验

Hermes Agent (Nous Research) 是开源（MIT）自进化 AI 智能体，内置学习回路：从经验中自动创建技能、持续改进、留存知识、检索自身历史对话，并跨会话构建更深的用户模型。可在低价 VPS、GPU 集群或 serverless 运行，并提供 Hermes Desktop 桌面端。近期 Bot Mode 将单一对话列表替换为一组命名机器人，每机器人拥有独立聊天、记忆、技能、固定模型与持久化 Agent Inbox，可通过 @提及 交接工作。

Higgsfield AI 是一个 AI 原生创意套件，支持用户通过文本提示或参考图生成图像、视频和语音内容，并可编辑和放大媒体。平台内置 AI 智能体可自动化创意工作流，支持网页和移动端。近期发布了 After Effects MCP/插件，由 Fable 5 驱动，允许用户在 AE 项目内直接调用 Claude，自动构建合成、设置关键帧、编写表达式并运行 ExtendScript 重复工作，所有生成内容均为可编辑的 AE 场景。

OnSolo 是一个 AI 图像生成平台，用户可在平台内调用图像生成模型出图并按次扣除 credit。平台已独家上线腾讯混元 Hunyuan Image 3.5 图像生成模型，支持最多 5 张参考图、2K 分辨率生成，每次生成仅需 1 个 credit，会员可享两周免费，适合低成本反复迭代提示词与参考图。

Perplexity Computer 是 Perplexity 官方推出的智能体产品，可将任务拆分给多个子代理（subagents）执行，并支持指定编排模型（orchestrator model）统一调度这些子代理；同时提供定时自动化（scheduled automations）能力，按计划自动运行任务。据官方公告，GPT 5.6 Terra 已成为所有 Computer 子代理的默认模型，Luna 作为定时自动化的主要模型，Terra 亦可作为编排模型使用。

SkyProduction（天工工作台）是一款面向短剧与短视频创作的AI视频工作台，将剧本翻译、剧本评分、小说转剧本、资产生成、分镜拆解和视频镜头制作串到同一条生产线上，并提供导演Agent自动化流程、无限画布多人实时协作、片段重拍、视频智能拉片与超分去水印等后期处理能力，支持团队多管理员、子工作室与项目成员权限及积分成本管理。通过官网可一键生成视频素材并制作完整视频。

Xiaomi-Robotics-U0是小米推出的380亿参数多模态自回归世界基础模型，专为具身智能设计。在单一框架内统一文生图、图像编辑、多视角具身场景生成、具身迁移和具身视频生成五项任务，支持跨多种机器人形态的高质量多视角场景生成，并实现结构化可控的具身迁移编辑，同时保持多视角一致性与交互动态。

千问办公（QwenWork）是阿里巴巴基于千问推出的 AI 办公产品，整合多条 Agent 能力线，提供客户端与钉钉版本。产品打通消息群聊、考勤审批、会议日程、文档表格、知识库与邮件等 25 项企业 IM 能力，支持 PPTX、Word、Excel、HTML 等 Office 产物一站生成与编辑，可理解图片、音频、视频内容并进行图文音视频创作，还能生成带数据库与交互逻辑的免部署网页并在线发布，同时提供自定义技能与岗位专家套件市场。

Adobe Firefly 是 Adobe 的一站式 AI 创意工作室，可通过文本提示生成并编辑图像、视频、音频与矢量图，并集成 Google、ElevenLabs、Kling AI、Luma AI、OpenAI、Runway 等第三方模型。2026年8月音频工具全面开放：生成免版税音乐、配音、场景音效，输出可商业使用；AI Assistant 提供每日免费生成并新增支持多模态输入的 Gemini Omni Flash 模型。

Adobe Premiere 是 Adobe 面向手机推出的移动 AI 视频编辑应用，安卓版于 2026 年 9 月 22 日登陆 Google Play（需 Android 13、至少 5GB 内存）。应用提供帧级多轨时间线，可分割、修剪、合并视频，调速并添加转场、文字、色彩预设及旁白音效，核心剪辑免费，可不限次数导出无水印 4K 视频。AI 语音增强与 Firefly 文生图等生成式功能及额外云存储需内购，Adobe 称不使用用户内容训练。

Arcads 是面向效果营销团队的 AI 视频广告创作平台，提供 1000 多个 AI 演员形象库并支持自建 AI 数字人，可选择不同视频生成模型产出广告片，并用 AI 完成剪辑、翻译、延长、加字幕、放大与二次混剪，同时提供为效果营销预设的成熟广告格式模板，替代在多个工具与复杂时间线之间来回切换的传统制作流程。

Atlas 是 Wiz Research 团队打造的自主 AI 漏洞挖掘系统，由多个 AI 智能体分工协作，分别负责理解代码库、提出漏洞假设、相互验证质疑并完成确认与报告。它以代码属性图分析程序结构、自动搭建测试环境生成可用攻击验证漏洞，实现可大规模运行的 AI SAST 代码安全扫描，在 CyberGym 基准上取得 90.9% 成绩位列第一，已在多个高强度审计的开源项目中发现超 200 个未知漏洞。

Backboard 是面向企业与开发者的 AI 基础设施与智能体开发平台，提供跨前沿、开源、自定义及本地部署模型的接入与路由、量化优化、持久记忆与检索（RAG），支持云、私有云、本地及端侧部署。其 Python SDK 以会话线程为核心，已通过 OpenRouter 上线视频模型，覆盖字节 Seedance 2.5/2.0 系列及 Veo、Kling、Hailuo 等，支持文生视频、首帧/首尾帧动画、视频编辑扩展超分与多模态参考输入，平台代为轮询作业并把成片留在对话线程中供后续轮次引用。