视频生成太慢？英伟达、谢赛宁等发布TMD框架，实现70倍加速
视频生成太慢？英伟达、谢赛宁等发布TMD框架，实现70倍加速近年来，大规模视频扩散模型在视频生成领域取得了显著进展。然而，采样效率低下仍然是这类模型的核心瓶颈。
来自主题: AI技术研报
8931 点击 2026-03-11 15:05
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
近年来，大规模视频扩散模型在视频生成领域取得了显著进展。然而，采样效率低下仍然是这类模型的核心瓶颈。
具身智能的胜负手，可能并不在机器人本身。
朋友们，先问你们个问题：你们的 Claude Code 里装了多少个 skills？
NUS、ZJU、UW、Stanford、CUHK 联合提出 「ThinkMorph」，主张让文字与图像在统一架构里「原生协作」、「共同演化」，而不是像当下大多数多模态模型那样，看完图像就闭上眼睛，后续完全靠文字链条推进。仅用 2.4 万条数据微调 7B 统一模型，视觉推理平均提升 34.74%，多项任务比肩甚至超越 GPT-4o 和 Gemini 2.5 Flash。
37位来自OpenAI、谷歌的AI科学家发文声援。
视频生成进入大规模时代，但计算成本也炸了。
OpenAI的最新研究揭示了一个反直觉的真相：越强大的推理模型，越管不住自己的「脑子」。在CoT-Control套件测试的13款前沿模型中，DeepSeek R1控制自身思维链的成功率仅为0.1%，Claude Sonnet 4.5也只有2.7%。
“Have fun”
港科大团队提出音频生成统一模型AudioX，只需一个模型，就能从文本、视频、图像等任意模态生成高质量音效和音乐，在多项基准上超越专家模型。团队同时开源了700万样本的细粒度标注数据集IF-caps与可控T2A评测基准T2A-bench，并在该基准上大幅领先现有方法。论文已被ICLR 2026接收。
OpenClaw推出v2026.3.7-beta.1，史上最密集一次更新：89项提交、200+Bug修复，核心亮点是全新ContextEngine插件接口——上下文管理终于可以「自由插拔」，不动核心代码就能换策略。这次更新值得每一个做AI Agent的人认真看。