AI 视频生成与理解：文生视频模型、视频编辑工具与影视创作变革的追踪。
Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出智能体视频理解（agentic video understanding）功能，可将 token 消耗降低最高 88%、成本降低最高 66%，并将准确率提升最高 7%。
Why it matters: 原文展示了模型通过主动调用工具按需动态分析视频的机制，为长视频处理的成本与精度优化提供了具体参考。
Google DeepMind 发布 Gemini Omni 1.1 Flash，为开发者提供更具控制力的视频生成套件并正式接入 Google AI Studio 的 Gemini API。
Why it matters: 材料详述了场景延展、首尾关键帧过渡与视频参考等控制特性，开发者可据此评估其在视频工作流中的落地可行性。
通义实验室发布实时双工全模态交互模型 Wan-Streamer v0.2，端到端响应延迟约 550ms，输出视频分辨率提升至 640×368 @ 25FPS。模型将传统流水线重构为基于 160ms 流式单元的原生因果流，并采用单卡 Thinker 与多卡 Performer 双通路硬件解耦与 Ulysses 序列并行机制，实现低延迟感知与重载视频生成的时序重叠。
Why it matters: 原文给出了双通路硬件解耦与时序重叠调度方案，展示了在大幅提升视频分辨率时维持超低交互延迟的具体工程路径。
Google DeepMind 宣布与独立电影制片发行公司 A24 达成长期研发合作，Google 同时已对 A24 完成投资。双方将把 DeepMind 的前沿技术研究直接融入影视创作者的实际工作流，借助一线艺术家的反馈共同探索和塑造下一代影视创作工具与叙事形式。
Why it matters: 该合作将前沿 AI 技术直接接入专业影视制作流程，为观察生成式工具在电影工业中的研发与落地提供了样本。
Google DeepMind 宣布面向开发者推出图像生成模型 Nano Banana 2 Lite 与视频生成编辑模型 Gemini Omni Flash。
Why it matters: 文章给出了两款模型的具体定价与核心延迟指标，方便开发者评估多模态生成管线的吞吐与成本。
Google DeepMind 正式推出 Gemini Omni 系列模型及首款模型 Gemini Omni Flash，支持将图像、音频、视频和文本任意组合输入并生成高质量视频。
Why it matters: 原文介绍了支持任意模态输入并能对话式编辑视频的新模型，读者可以了解多模态生成与推理能力结合的最新落地进展。