Meta 发布了目前最详细的 AI 视频、音频生成基准：Meta Movie Gen Bench。
Movie Gen Video Bench（视频基准） 是迄今为止最大的文本转视频生成评估基准，汇集了超过1000个提示，涵盖了人类活动、动物、物理现象及非寻常主题等多种概念，确保在不同运动水平上实现广泛覆盖。
Movie Gen Audio Bench （音频基准）则是首个专注于视频到音频以及（文本+视频）到音频生成的基准。它包括527个生成的视频，以及相应的音效和音乐提示，展示了多样化的环境和声音效果。
为了确保评估的公平性与可比性，这些新基准包含了未经挑选的 Movie Gen 生成的视频和音频。Meta 希望通过发布这些基准，促进媒体生成研究中的公平和全面评估，从而推动该领域的更大进展。
基准的详细信息、示例视频，以及生成提示词： Movie Gen Bench
本站收录的 Meta Movie Gen 示例视频
Anthropic 在发布新 Claude 模型前，通过头部客户极限测试验证真实业务表现，比单纯跑分更具参考价值。借助 Agent 能力，新模型在起草法律文件等复杂任务中成功率提升约 20%，实现持续准确输出。当前大模型发展重心已转向 Agent 在垂直场景的落地，边缘案例为下一代优化指明方向。这种与客户深度共创的模式建立了高信任壁垒，值得产品团队借鉴。
Anthropic 发布 Claude Opus 4.8，在基准测试中超越 ChatGPT 5.5，重夺编程领域领先地位。新版本核心亮点为动态工作流与 Ultracode 模式，通过多智能体协同大幅提升复杂任务开发效率，同时幻觉率降至四分之一。得益于算力扩充，其性能提升且价格下调，快速模式费用降至三分之一。建议开发者日常使用常规上下文模式并调高努力程度，大项目再开至最大。此外，AI 时代专注力仍是拉开差距的关键。
一个 15 人团队在 14 天内通过10.8万次生成，制作出一部90分钟的AI长片并入围戛纳影展。创作博主ADIL分享了制作过程，包括将影片从 110 分钟剪至 90 分钟、修复 40 个场景，并展示了三个典型问题场景的修复案例。他总结了28 个技巧，涵盖提示词、前期制作、团队协作和剪辑。关键技巧包括：情感场景需描述身体细微反应以消除“机器人感”.图像提示词应指定镜头焦距、光圈等参数，避免空泛描述。避免正面视角，使用四分之三或天花板角度。通过 X 轴 Y 轴百分比坐标系统精确控制角色位置。
围绕《Meta 发布 AI 视频、音频生成基准：Movie Gen Bench》展开交流，未登录用户可浏览评论，登录后可参与讨论。
