invideo memanfaatkan GPT-6 Astra untuk meningkatkan kemampuan pengeditan video agenticnya, mencapai peningkatan tiga kali lipat dalam tingkat keberhasilan grading warna dan menghasilkan 50 efek kustom dalam satu hari.
Higgsfield AI telah mengintegrasikan model GPT-6 Astra dari OpenAI untuk mempercepat alur pengembangan internalnya dan meningkatkan platform pembuatan iklan videonya. Perusahaan melaporkan bahwa model tersebut memungkinkan satu insinyur mengirimkan fitur eksplorasi baru hanya dalam sehari.
Para peneliti memperkenalkan Distilasi Dekoding Paralel (PDD), metode berbasis lintasan yang disederhanakan untuk mempercepat inferensi pada model pencocokan aliran dan difusi. Berbeda dengan pendekatan saat ini yang mengandalkan distilasi skor variasional yang sulit dioptimalkan dan kerugian adversarial, PDD memprediksi beberapa langkah denoising per evaluasi jaringan.
Pada awal September 2026, Nvidia mengonfirmasi akuisisi Hugging Face senilai $12,93 miliar, sementara OpenAI merilis GPT-6 Astra dan Microsoft meluncurkan model pengenalan suara MAI-Transcribe-2.
Peneliti dari NVIDIA, MIT, dan Universitas Oxford telah memperkenalkan Physis-Lang, sebuah kerangka kerja yang meningkatkan model dunia video dengan mengintegrasikan bahasa fisik yang berevolusi secara mandiri ke dalam caption. Pendekatan ini memperlakukan bahasa fisik sebagai representasi yang dapat dioptimalkan untuk kurasi data, pelatihan model, dan inferensi guna memperbaiki kesalahan fisika pada video yang dihasilkan.
Google Research telah memperkenalkan co-director video AI yang terdiri dari empat kerangka kerja agentic yang dirancang untuk menghasilkan video koheren sepanjang menit dengan mengatasi drift identitas dan kesalahan berantai yang umum terjadi dalam pipa multi-shot. Sistem ini beroperasi sebagai lapisan orkestrasi model-agnostik di atas Gemini dan Veo, memanfaatkan watermarking SynthID untuk output.
Runway telah memperkenalkan GWM Worlds 2, sebuah pratinjau penelitian yang mengubah generasi video dan audio berketepatan tinggi menjadi simulasi interaktif waktu nyata menggunakan model difusi autoregresif. Rilis ini menampilkan WorldPrompt, format input baru yang memungkinkan pengguna menentukan dunia dan aksi yang dihasilkan dengan memperbaiki aspek lingkungan serta membuat peristiwa berbasis timestamp.
Peneliti mempersembahkan VideoX-Qwen, sebuah kerangka kerja terintegrasi yang menggabungkan konstruksi data yang dapat diskalakan dengan pelatihan model untuk memajukan pengeditan video tujuan umum yang digerakkan oleh instruksi. Sistem ini memanfaatkan pipeline produksi yang mengorganisir model khusus untuk menghasilkan catatan pengeditan arah, menghasilkan lebih dari 1,2 juta sampel berkualitas tinggi dalam tugas penambahan, penghapusan, penggantian, dan atribut.
NanoAvatar adalah proyek open-source yang menjalankan avatar berbicara realistis secara lokal di ponsel Android lama tanpa memerlukan GPU cloud. Rilisnya mencakup kode publik, bobot model, dan APK Android yang membundel model dan avatar untuk penggunaan offline dengan suara pengguna sendiri.
Vidu S2 terdiri dari Vidu S2-Avatar, model karakter digital interaktif waktu nyata, dan Vidu S2-Editing, model pengeditan video waktu nyata. Sistem ini juga mengeksplorasi kelayakan generasi video spasial waktu nyata untuk kedua komponen.
Seorang pengguna telah menerbitkan video yang dihasilkan menggunakan model DeepSeek V4.1 Flash yang baru dirilis untuk mengukur kemampuannya dalam sintesis video gerak.
Seorang pengguna telah bereksperimen dengan Seedance 2.5 untuk membuat video yang dihasilkan oleh AI, menggunakan platform API AIide yang memberikan akses ke Seedance dan model lainnya.
Seorang pengguna menguji model generasi video Seedance 2.5 menggunakan urutan pendek mode dan editorial yang menampilkan satu karakter dengan berbagai pakaian, komposisi, dan gaya visual.