Google DeepMind 宣布发布 Genie 4，这是一个原生多模态的世界模型，可与 Gemini 模型结合进行实时交互式模拟。它支持在生成画面的同时同步生成音频，包括环境音、音乐和人物对话。Genie 4 目前作为研究预览提供给受信任的测试人员，并计划向 Google AI Ultra 订阅用户和 Gemini API、Google AI Studio 的早期访问合作伙伴开放。
推荐理由：官方公布Genie 4能力与测试名单，可据此了解世界模型在实时交互与多模态生成上的最新进展。
TwelveLabs 推出的视频语言模型 Pegasus 1.5 现已在 Amazon Bedrock 的 US West (Oregon) 区域可用。与早期版本相比，Pegasus 1.5 支持单次分析长达两小时的视频，并新增基于时间的元数据生成、多模态提示和即时处理功能，无需预索引。用户可通过 S3 URI 或 base64 字符串直接调用，返回结构化的时间戳元数据。
推荐理由：作者给出了模型核心变化和接入方式，读者可据此评估该能力对新工作流的影响。
NVIDIA DLSS 4.5 控制选项现已登陆 GeForce NOW，允许用户在云端调整支持游戏的图像质量和性能，其中 Ultimate 会员在 RTX 5080 云机上可获得最高 4X 动态多帧生成的选项。