AI 编程实时动态与要闻速递 — 𝕏/Twitter 一手信源

👀10

🔥86

Microsoft Foundry 联手 fal 公测上线 Kling / LTX / MiniMax 视频模型：Azure 一等服务，附官方秒级定价

2026-11-05 Microsoft 与 fal 宣布在 Foundry 公测接入 Kling v3 Pro、LTX-2.5 Fast/Pro、MiniMax H3 Max/Turbo；@Azure 于 11-06 转发。厂商称美国托管且为首个美国 Kling 端点，并公布按生成秒计价表；更多模型与定价页更新仍待数周内。

核心要点速览

来源：Microsoft Tech Community 博文（2026-11-05）+ @Azure 2026-11-06 转发
组合：公测 Kling v3 Pro、LTX-2.5 Fast/Pro、MiniMax H3 Max/Turbo，经 fal 以 Azure 一等服务接入 Foundry
托管：厂商称美国托管，并为首个美国托管 Kling 端点（仍需核对各模型数据处理条款）
定价（官方，美元/生成秒）：H3 Max 1080p $0.16；Turbo $0.08；LTX Fast $0.13；LTX Pro $0.17；Kling 音频关/开/声控约 $0.1232/$0.1848/$0.2156
状态：公开预览；更多模型与 Azure 定价页列入计划中的数周内，未给 GA 日期

阅读全文

关联模型 / 智能体 / 厂商:

⚡ Kling v3 Pro⚡ LTX-2.5⚡ MiniMax H3 Max🌐 Microsoft Azure AI 🌐 fal

#Microsoft#Azure#Foundry#Fal#Kling#LTX#MiniMax#Video#定价

Kandinsky Lab@AICoder·31 天前收录

👀198

🔥88

Kandinsky 6.0 Video 开源：3B/29B 音画同步生成模型 MIT 协议放出权重，44kHz 配音+口型对齐，16GB 显卡可跑

Kandinsky Lab 于 10 月 6 日开源 Kandinsky 6.0 Video：Lite 3B 与 Pro 29B 两款文生/图生「音视频」基础模型，一次生成 5 秒带 44kHz 同步音频（含口型）的视频，内置超分到 1080p。双流 CrossDiT 架构，代码、权重与 Diffusers 集成全部 MIT 协议；论文称在 VABench 多数指标超过开源 LTX 2.5，语音质量可与 Veo 3.1 Fast 等闭源模型掰手腕。

核心要点速览

规模：Lite 3B / Pro 29B；Pro 拆分为视频流 19B + 音频流 5B + 跨模态注意力 5B（技术报告）
输出：5 秒片段 + 44kHz 同步音频（含口型），支持 T2AV 与 I2AV，内置 SR 超分至 1920×1080
评测：VABench 多数指标超过开源 LTX 2.5；人评对 Veo 3.1 Fast 互有胜负（伪影、运镜显著占优，语音/同步落后），对 MiniMax H3、Seedance 2.0 视觉明显落后
效率：两阶段蒸馏至 10 次函数评估，蒸馏版与完整版人评偏好 51% vs 49%；H100 上 Pro 1080p 约 402 秒/条，RTX 4090 约 1247 秒（非蒸馏版，README）
部署：块卸载后 Pro 峰值显存 72.8 → 21.7 GiB（SD），提供 16GB 预设；已接入 Diffusers、ComfyUI 与 vLLM-Omni，MIT 可商用

阅读全文

关联模型 / 智能体 / 厂商:

⚡ kandinsky-6.0-video-pro⚡ kandinsky-6.0-video-lite⚡ ltx-2.5⚡ veo-3.1-fast⚡ seedance-2.0⚡ Minimax H3🌐 kandinskylab

#Kandinsky#开放权重#MIT#视频生成#audio generation#Text to audio video#Lip sync#扩散模型#Diffusers#ComfyUI#模型发布

Unsloth@unslothai·39 天前收录

👀102

🔥94

Unsloth v0.1.900-beta：本地跑 Laya Decision 模型 + Skills 编辑器，LTX-2.3 视频约 4.5×、VAE 解码最高 6.3×

Unsloth 于 2026-09-28 发布 v0.1.900-beta（PyPI unsloth 2026.9.12）：Desktop 可本地运行 Laya 等 Decision 模型（Jev 兼容 /v1/systemone），新增 Skills 创建/编辑/删除与 Library 文档查看器（PDF/Word/Excel/PPT）；Apple Silicon 侧补齐批服务、结构化输出与 TurboQuant KV；图像/视频管线宣称 LTX-2.3 片段约 4.5×、VAE 解码 1.7–6.3×，MiniMax-H3 首渲最高快约 1 分钟且峰值显存降 25–29 GiB。

核心要点速览

发版：v0.1.900-beta（2026-09-28）；对比 v0.1.815-beta；PyPI unsloth 2026.9.12
Decision：本地 Laya/Jev，Settings > API 开启 Decision API，TypeSafe 走 /v1/systemone；Apple Silicon 可选 MLX（#11603）
媒体加速：LTX-2.3 片段约 4.5×；VAE 解码 1.7–6.3×；MiniMax-H3 首渲最高快约 1 分钟，峰值显存降 25–29 GiB（A100/B200/RTX PRO 6000）
产品面：Skills 编辑器 + Library（PDF/Word/Excel/PPT）；ModelScope 下载通道；Apple Silicon 批服务 / response_format 语法约束 / TurboQuant KV
文档入口：docs.unsloth.ai / 仓库

阅读全文

关联模型 / 智能体 / 厂商:

⚡ Laya⚡ LTX-2.3⚡ MiniMax-H3⚡ Gemma-4🤖 Unsloth-Studio 🌐 Unsloth

#Unsloth#决策模型#Jev#技能#Apple Silicon#MLX#LTX#微调

Shanghai AI Lab@huggingface·42 天前收录

👀93

🔥93

上海 AI Lab 开源 AV-GRPO：首创模态锚定解耦扩散强化学习，攻克音视频联合生成对齐与同步难题

上海人工智能实验室（Shanghai AI Laboratory，@huggingface）联合高校正式开源了面向音视频联合生成的多模态强化学习框架 AV-GRPO（arXiv: 2609.29816，GitHub: zhiyuxu03/AV-GRPO）。针对当前主流多模态生成模型在声画同步、跨模态因果对齐上的严重脱节，以及音视频双塔模型直接联合训练时算力开销激增、奖励信用分配模糊等瓶颈，AV-GRPO 首创了“模态锚定采样（Modality-Anchored Rollouts）”与“轨迹锁定冻结塔优化机制”，将复杂的跨模态偏好对齐转化为单模态解耦子问题，并在多项权威音视频生成基准上全面击败 LTX-2.3 达到业界 SOTA。

核心要点速览

首次将 DeepSeek GRPO 强化学习框架成功拓展至声画联合生成的连续扩散模型（Diffusion RL）领域。
提出模态锚定解耦机制，交替冻结单模态塔进行轨迹锁定，彻底理清异构奖励信号的精准信用分配。
开源业界首个五维解耦、难度可控的音视频强化学习训练数据集 5DAV。
在 JavisBench 与 VABench 权威评测中，声画同步率与文本语义对齐度较 LTX-2.3 基线分别提升 28.4% 与 19.6%。
全量推理与训练代码、LoRA 权重与 5DAV 数据集已在 GitHub 和 Hugging Face 全面开源。

阅读全文

关联模型 / 智能体 / 厂商:

⚡ Av Grpo⚡ Ltx Video⚡ Hunyuan Video🤖 multimodal-agent 🌐 shanghai-ai-lab 🌐 huggingface

#Audio-Video#GRPO#Diffusion RL#Shanghai AI Lab#Hugging Face#开源