我们推出 Waypoint 1.5，一个可在消费级硬件上运行交互式视频生成的实时扩散世界模型。与通用视频扩散模型不同，交互式世界模型（iWM）必须在严格的延迟和吞吐量约束下响应用户的密集控制输入。Waypoint 1.5 在涵盖数百款游戏的 100,000 小时多样化、控制对齐的游戏视频数据上进行预训练，并能够基于完整的键盘和鼠标输入生成可玩视频。该模型包含两种分辨率变体，可运行于广泛消费级硬件之上。为刻画这一独特场景，我们区分了渲染帧率（rendered FPS）、潜在帧…
推荐理由：原文给出了从数据管线到运行时的完整技术拆解，读者可以据此理解实时交互视频世界模型在消费级硬件上的实现路径。
今天我们很高兴发布 Agora-2 的可玩研究预览版，这是我们下一代多智能体世界模型，可实时生成共享的交互式环境，最多支持 20 个人类与智能体。Agora-2 支持的参与者数量是 Agora-1 的 5 倍，同时从仅能模拟单一环境扩展到可模拟多个环境，具备更复杂的交互和更长时程的行为。为了探索这些更丰富的多智能体交互，我们转向了由 Blizzard 开发的《暗黑破坏神 II》。游戏长期以来一直是 AI 研究的有用环境，提供了让智能体通过与周围环境以及彼此互动来学习的世界。…
推荐理由：原文说明了共享状态与渲染模型的分工，读者可据此理解多智能体世界模型如何让参与者互相影响。
Sep 23, 2026| Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 是我们迄今最具表现力的音频生成模型。可在 Google AI Studio、Gemini API、Gemini Enterprise、Gemini Notebook 和 Google Vids 中生成自定义角色语音并指导场景对白。 Leland Rechis集团产品经理Alan Cowen研究科学总监，代表 Gemini 音频团队 今天，我们向 Ge…
推荐理由：两款 TTS 模型将语音生成从固定预设转向自然语言驱动的逐句表演控制，Flash TTS 在 Hume AI 语音设计基准上以 71.4 分居首。
世界模型能够生成、重建并模拟任何可能的世界。 它们理解世界如何呈现、如何运作、如何演化， 从而让我们能够为创意用户渲染想象中的世界， 高保真地模拟真实世界，并帮助机器人规划行动。 在 World Labs，我们构建这些通用世界模型，以追求空间智能。今天，我们正式发布 Atlas，我们的下一代世界模型。 Atlas 是一个全模态模型，我们从零开始预训练，使其能够原生处理 文本、图像、视频和 3D。 它是一个多模态自回归扩散 Transformer： 所有输入都被整合到一个共享…
推荐理由：Atlas 将世界生成、3D 重建与时空仿真统一进单一多模态架构，基准测试中在两项关键任务上均超过专用模型。
KRAFTON 发布语音 AI 模型‘A.X K2 Raon-Speech’…… 韩语表现第一https://www.dailian.co.kr/news/view/1672047/%ED%81%AC%EB%9E%98%ED%94%84%ED%86%A4-%EC%9D%8C%EC%84%B1-AI-%EB%AA%A8%EB%8D%B8-AX-K2-2026
2026年7月16日更高质量的编辑、具备物理感知的视觉特效、更强的时间一致性，以及更低的延迟，全部以 30 FPS 实时生成。Lucy 2.5 将实时 AI 编辑推向了前所未有的高度。Lucy 不只是一款更高质量的视频生成模型，更是一个实时系统，能够以 30 FPS 和 1080p 分辨率、近乎零延迟地改变视觉世界。每一帧都实时生成，持续响应运动、光照和不断变化的场景，从不依赖预先渲染的视频。借助 Lucy 2.5，用户可以在视频仍处于实时流式传输状态时，无缝替换角色、更…
2026年6月10日今天，我们推出 Oasis 3 —— Decart 的旗舰交互式世界模型，这是迈向机器人成为日常现实之未来的重要一步。机器人即将无处不在：行驶在我们的道路上，在我们的仓库中工作，在我们的家中提供帮助。瓶颈不在于雄心或硬件，而在于训练：机器人必须先体验这个世界的全部复杂性与危险，才能被信任在其中行动。今天我们发布 Oasis 3，这是一个为物理 AI 构建的生成式世界模型，首先从自动驾驶汽车开始。它能够根据单个提示生成无限多样、超逼真、可交互的环境——而且…