Канал «Метаверсище и ИИще» опубликовал два разбора возможностей модели генерации видео MiniMax H3i, показывающих её способность выполнять сложные, растянутые во времени инструкции внутри одного текстового промпта — без использования отдельных инструментов управления (типа ControlNeti).

Полный разбор →

В сети запустили сразу два похожих проекта — бесконечные ИИ-генерируемые видеопотоки, которые предлагаются как замена коротких видео (рилсы, тикток). Зрители могут не просто смотреть, но и писать в чат, что хотят увидеть далее: промпт попадает в очередь, а нейросеть генерирует следующую сцену, пытаясь связать её с предыдущей.

Оба проекта работают на модели MiniMax H3 Maxi — она генерирует видео быстрее, чем человек успевает его просмотреть, что и позволяет организовать непрерывный стрим контента.

Полный разбор →

Провайдер моделей fal.ai выпустил MiniMax H3 Max — пост-трейн версию открытой модели MiniMax H3, дообученную и оптимизированную под собственный inference-стек fal. Модель генерирует 5-секундное видео в 720p/768p за 2-3 секунды, что быстрее реального времени, и заняла первое место в рейтинге Artificial Analysis среди image-to-video моделей с аудио, обойдя Seedance 2.0, оригинальный H3 и Gemini Omni Flash (старую версию).

fal утверждает, что ускорение (по разным замерам от 35x до 50x относительно официального эндпоинта H3) достигнуто не за счёт кэширования, агрессивной квантизации или sparse attention, а благодаря совместной оптимизации самой модели и inference-движка — при этом сохраняются нативное аудио и нативное разрешение. Компания уже подтвердила, что откроет веса H3 Max, а на вопрос про Ref2V-версию ответила «yes, working on it», что может стать заметным событием для open-source видеогенерации.

27 августа Google представила Gemini Omni 1.1 Flashi — production-релиз (GA, не preview) видеомодели gemini-omni-1.1-flash в Gemini API. Главное новшество: ролики теперь можно продлевать кусками по 10 секунд до суммарных 40 секунд, причём при продлении модель учитывает до 10 секунд контекста предыдущего видео вместо примерно одной секунды раньше.

Модель также умеет достраивать середину сцены по заданным первому и последнему кадру, генерировать быстрые черновики в 360p и апскейлить финал до 1080p/4K. Новинка уже доступна в Google Flow и Google AI Studio, а старую preview-версию отключат 30 сентября.

Полный разбор →

24 августа Alibaba официально выпустила видеогенератор Wan 3.0 и сразу раскатала его по всем основным платформам: собственный сайт wan.video, Alibaba Cloud Model Studio, Qwen Cloud, а также сторонние сервисы fal.ai, Runware, Magnific и крупные агрегаторы. Модель умеет генерировать ролики длительностью до 30 секунд со звуком и принимает на вход не только текст и картинки, но и PDF, презентации, таблицы и даже ссылки на веб-страницы — то есть видео можно получить, просто «покормив» модель документом, без текстового промпта.

Цена делает Wan 3.0 заметно дешевле аналогов: 30 секунд в 1080p стоят $6, что, по оценке NEURO-AI Новости ИИ, вчетверо дешевле, чем у Veo от Google. При этом сама Alibaba признаёт слабое место — надписи в кадре пока получаются кривыми.

Полный разбор →

В сообществе Нейронавт показали технику переноса «чувства детализации» от Z-Imagei — компактной 6B image-модели, хорошо прорабатывающей текстуры, — в чекпоинты других видео-движков без переобучения и изменения архитектуры. Сначала приём применили к MiniMax-H3i, затем к Joy-LTX 2.5.

Результат: окружение, материалы и лица становятся заметно детальнее (краска, ржавчина, вода, солома, листва, кожа), при этом видео, звук и поведение базовой модели не меняются, а детализация не «плывёт» между кадрами при склейках.

Полный разбор →