10月15日，百度搜索宣布全面升级文心助手AIGC创作能力，新增AI图片、视频、音乐等8种模态创作功能，用户日均生成内容破千万。同日，视频生成模型“百度蒸汽机”实现行业首个AI长视频实时交互生成，突破传统10秒时长限制，支持随时中断改写剧情和扩写转场。此外，百度推出开放式实时互动数字人智能体，具备高逼真度和情感识别能力，适用于法律、教育等场景。据Omdia和QuestMobile报告，百度搜索在AI用户规模、技术能力等多项指标中位列行业第一，月活跃用户达3.65亿。

10月15日，百度宣布其视频生成模型“百度蒸汽机”（文心专精）完成重大升级。此次升级突破了传统AI视频生成时长限制，行业首次实现AI长视频实时交互生成，生成速度超越国内主流模型。用户只需上传单张图片与提示词即可启动视频生成，并实时预览全部推理内容。在生成过程中，用户可随时暂停或修改提示词，动态调整视频剧情、画面及转场效果，实现全程干预。这一创新技术为视频创作提供了更高自由度和效率，展现了AI在长视频领域的全新可能性。

2025年10月，AI生成的历史长视频在YouTube等平台迅速走红，成为新兴掘金赛道。以“Sleepless Historian”为代表的账号自4月底上线，单月涨粉超35万，订阅数突破62万，其中一条2小时视频播放量近400万。这些视频结合白噪音与历史故事，助眠效果显著，评论区反响热烈。创作流程包括AI策划选题、生成脚本及语音，制作成本低且效率高，日均可更新1-2条。尽管YouTube新规限制低质AI内容，但因这些视频兼具知识性与娱乐性，仍可获得广告分成。据估算，“Sleepless Historian”单条视频收益可达4000美元。然而，随着竞争加剧，这一冷门赛道或将快速变为红海。

正文：2025年10月6日，字节跳动与UCLA联合发布了一项名为Self-Forcing++的AI技术，成功突破分钟级长视频生成瓶颈，最长可生成4分15秒高质量视频，较现有5-10秒生成能力提升近50倍。该方法无需更换模型架构或重新收集数据集，通过反向噪声初始化、扩展分布匹配蒸馏和滚动KV缓存训练等创新优化，显著抑制了长视频后期画质下降问题。实验显示，Self-Forcing++在语义一致性、视觉稳定性和动态表现上全面领先CausVid、SkyReels等基准模型，且支持开源。研究人员还引入Gemini-2.5-Pro作为评估工具，进一步提升了评价准确性。这一技术或将推动AI电影时代的到来。

9月25日，百度蒸汽机发布全球首个中文音视频一体化模型的通用AI长视频生成功能。该功能突破以往AI仅能生成短视频或依赖首尾帧续写的限制，支持用户生成无限长度的AI视频，并引入“流式无限生成”技术，首次实现通用长视频的‘无限’生成能力。这一升级为行业首创，带来更灵活的视频创作体验。

9月25日，百度蒸汽机发布通用AI长视频生成功能，首次突破行业长度限制，支持生成无限长度的AI视频。此次升级通过流式生成技术，解决了以往仅能生成5秒、10秒短视频或依赖首尾帧续写的局限。此前，百度蒸汽机音视频一体化模型在上个月完成2.0版本升级，实现多人有声视频一体化生成，并具备复杂运镜、电影级细腻表演和流畅画质等特性。新功能进一步巩固了其在音视频生成领域的领先地位，为用户提供更强大、灵活的创作工具。

8月23日，苹果研究团队开源了SlowFast-LLaVA-1.5长视频多模态大语言模型，在1B、3B、7B参数规模下刷新LongVideoBench、MLVU等基准纪录。该模型通过创新双流设计，‘慢流’捕捉高分辨率场景细节，‘快流’追踪运动变化，解决现有模型冗余帧和上下文窗口限制等问题。新版本在视频与图像理解任务中表现出色，涵盖知识问答、数学推理及OCR等领域，并兼容公开数据集训练，已在GitHub和Hugging Face开源。

单卡搞定万帧视频理解！智源研究院开源轻量级超长视频理解模型Video-XL-2 国产开源模型再添亮点，智源研究院联合上海交通大学等机构发布新一代超长视频理解模型Video-XL-2。该模型可在单张显卡上高效处理长达万帧的视频输入，编码2048帧视频仅需12秒。 相较于上一代Video-XL，Video-XL-2在效果、长度、速度三方面全面升级。在MLVU、Video-MME、LVBench等主流评测中表现优异，接近甚至超越部分720亿参数大模型。同时，模型架构包含视觉编码器、动态Token合成模块及大语言模型三大核心组件，采用四阶段渐进式训练策略，确保强大理解力。 此外，Video-XL-2通过分段式预装填与双粒度KV解码机制优化效率，在单张24GB显卡上支持千帧视频处理，80GB显卡上可达万帧级。其在影视内容分析、异常行为监测等领域应用前景广阔，项目代码与模型已全面开源。

今日，《科创板日报》报道，智源研究院联合上海交通大学等机构推出新一代超长视频理解模型Video-XL-2。该模型突破性地提升了视频处理时长，可在单张显卡上高效处理长达万帧的视频输入，大幅拓展了应用场景。目前，模型权重已全面开源，面向社区开发者共享资源。这一技术进展标志着视频理解领域迈入新阶段，为学术研究及产业应用提供强大支持。

标题：3B模型逆袭7B巨头！Video-XL-Pro突破长视频理解极限，准确率超98% 正文： 3B模型超越Meta 7B模型，超长视频理解SOTA刷新！上海交通大学、北京智源研究院和特伦托大学联合推出的Video-XL-Pro，实现近万帧视频单卡处理，大海捞针准确率超98%。 当前多模态大模型...