按时间整理国内外大模型发布：每条注明官方来源、日期依据与获取方式，并给出一条可以马上动手的学习建议；有对应实操课的，可以直接去练。
亮点、跑分、速度与价格均为厂商自述，本站未复测。每条注明日期依据：“仅媒体报道”表示官方页面未写明日期，待官方确认；请以官方公告为准。
原生3–30秒视频，最多10个关键帧、15个参考素材，支持4K与双声道；官方 9 月 30 日博文称 9 月 28 日起分批向小范围用户开放早期体验，完整版计划 10 月上线
学习建议对比3.0与4.0官方示例，练习用分镜加关键帧写长提示词，观察参考素材如何约束角色一致性
发布信息整理时核对来源于 2026-10-09
视频生成与编辑模型转正式版：新增视频延长、首尾帧插值，以及 360p 到 4K 的分辨率控制（1080p/4K 通过放大实现）。
学习建议用对话式编辑反复细化同一段短片，体会“生成-修改”工作流，并分辨放大画面与原生分辨率的差别。
发布信息整理时核对来源于 2026-10-09
统一理解文本、图像、视频与声音输入的视频模型，默认 2K、最长 15 秒并原生生成立体声；发布时称权重计划开放。
学习建议同一脚本分别用纯文本和带参考素材生成，体会统一多模态输入带来的差别
发布信息整理时核对来源于 2026-10-09
单次生成由15秒延长到30秒，可引用30图、10视频、10音频，支持时间戳级编辑；官方坦言复杂动作仍待改进
学习建议阅读官方“已知不足”段落，练习为生成视频写评测清单，而不只看演示片段
统一音视频联合生成，支持文本/图像/音频/视频输入，单次可用9图3视频3音频参考，最长15秒双声道
学习建议对照官方技术报告的局限说明，设计一组检验镜头一致性的测试提示
发布信息整理时核对来源于 2026-10-09
Video/Image 3.0及Omni系列，视频最长15秒并原生生成多语言与方言音频；Omni可从参考视频复刻角色
学习建议练习用时长、景别、运镜等分镜参数写提示，并比较有无参考视频的差别
发布信息整理时核对来源于 2026-10-09
联合训练图像、视频与音频的多模态流模型，视频最长 20 秒并带原生音频；分 Video、Image、Action、Dev 四线分批早期开放。
学习建议阅读其“真实世界模型”文章，理解多模态联合训练如何延伸到机器人动作预测这类新方向。
发布信息整理时核对来源于 2026-10-09
发布信息整理时核对来源于 2026-10-09