又一款十分出色的国产开源 AI 视频生成模型：跃问（Step-Video-T2V）。该模型拥有 300 亿参数，可生成 最长 204 帧 的高质量视频。为了提升计算效率和画面质量，开发团队特别设计了一种 深度压缩变分自编码器（Video-VAE），能够在 空间上压缩 16 倍，时间上压缩 8 倍，同时仍能保持卓越的视频重建效果。
跃问 支持 中英文输入，通过 双语文本编码器 精准解析用户的文字描述，并采用 3D 全注意力（3D Full Attention） 的 DiT 架构 进行训练，利用 流匹配（Flow Matching） 方法去噪，生成清晰自然的画面。此外，开发团队还引入了 基于视频的直接偏好优化（Video-DPO），通过人类反馈进一步优化视频质量，减少伪影，使画面更加流畅、真实。
目前可以通过跃问的官网免费使用这款优秀的 AI 视频生成模型。
访问地址：https://yuewen.cn/
微软研究院联合多所高校发布 Mirage 模型，通过在扩散模型隐空间直接存储三维记忆，解决了 AI 视频生成中场景一致性差及计算昂贵的问题。该方案摒弃传统 RGB 点云渲染流程，使生成速度提升最高 10.57 倍，显存占用降低 55 倍，且长视频边际成本几乎不增。测试显示其三维与光度一致性优于现有方案，虽暂不支持动态物体记忆，但已开源并适用于机器人仿真等静态场景任务。
Google 推出 Information Agents 功能，面向 AI Ultra 订阅用户开放。该功能将搜索从被动查询转变为主动监测，智能体可 7×24 小时追踪用户需求并推送变化信息。其底层依托 Personal Intelligence 战略，通过整合 Gmail、Photos 等跨应用数据实现个性化推理。尽管存在隐私与准确性挑战，但凭借二十年数据积累，Google 正推动 AI 助手从对话工具向自主代理进化，重塑“信息找人”的交互范式。
6 月首周，月之暗面、微软、Google 及 Databricks 密集发布智能体产品，标志着 AI 正从对话助手转向持续行动系统。其中 Kimi Work 主打本地桌面运行，支持多智能体并行与浏览器接管；Microsoft Scout 定位永远在线的个人助理；Google 推出 24 小时信息追踪智能体；Databricks 开源 Omnigent 实现跨智能体互操作。行业共识逐渐形成，智能体将具备自主调度、任务拆解及持续运行能力。
围绕《国产开源 AI 视频生成模型：跃问（Step-Video-T2V）》展开交流，未登录用户可浏览评论，登录后可参与讨论。
