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/
AI 博主 ADIL 演示利用 Claude Fable 5 配合 Higgsfield MCP 插件，在 20 分钟内全自动复刻高收益 YouTube 频道。该工作流集成图像、视频及语音生成引擎，可自动分析爆款结构、撰写脚本并一键产出含配音的纪录片视频及封面标签。平台并不排斥优质 AI 内容，此端到端自动化流程将创作耗时从数天缩至十几分钟，大幅降低不露脸创作门槛。未来核心竞争力在于利用工具实现规模化生产与持续运营的能力。
谷歌推出开源模型 Gemma 4，旨在解决网络受限地区无法使用前沿 AI 的问题。该模型追求内存占用下的智能最大化，首次具备多模态与智能体能力，支持在无网移动端高效运行复杂任务。目前已在乌干达离线医疗系统及秘鲁原住民语言保护等场景中落地应用。通过将大模型蒸馏至终端设备，Gemma 4 摆脱了对云端算力的依赖，推动去中心化开源生态发展，赋能各社区按需构建专属系统。
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。
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。
