海外AI視頻生成領域近日迎來新一輪技術競賽高潮。當地時間12月1日，初創企業Runway推出第四代半視頻生成模型Gen-4.5，在權威基準測試Artificial Analysis中以1247分超越谷歌Veo3登頂榜首。僅隔一小時，中國團隊可靈AI便在海外社交平臺宣布上線全新多模態視頻模型O1，兩大新品同日亮相引發行業高度關注。
根據最新榜單數據，谷歌Veo3以1226分位列第二，快手可靈2.5以1225分緊隨其后，OpenAI的Sora2 pro與MiniMax海螺02分別排名第七、第八。值得注意的是，Gen-4.5在正式發布前曾以"Whisper Thunder"代號參與測試，通過匿名評審機制提前鎖定最佳文生視頻模型稱號。
Runway團隊透露，新模型在預訓練數據利用率和后訓練優化技術上取得重大突破。用戶可通過單條指令實現復雜鏡頭調度、場景構圖設計、事件時間編排及氛圍精準控制。測試顯示，模型在提示詞響應精度、物理運動模擬、風格統一性等維度均有顯著提升，尤其在液體動力學、材質渲染等細節處理上達到新高度。
官方演示案例中，由西瓜、仙人掌等物品搭建的支撐結構上，鸚鵡振翅時西瓜呈現真實晃動效果，羽毛動態與光影變化均符合物理規律。但技術人員坦言，當前模型仍存在因果邏輯缺陷，偶發物體突然消失或時間順序錯亂等問題。Runway首席執行官Cristóbal Valenzuela表示，解決對象恒存性等基礎問題將是下一代模型研發重點。
這家成立于2018年的初創公司憑借百人團隊實現技術突圍，目前估值已達35.5億美元。自2023年2月發布首代模型Gen-1以來，其技術迭代速度持續領先行業。面對谷歌Veo系列帶來的競爭壓力，此次產品升級被視為鞏固市場地位的關鍵舉措，公司同步推進的新一輪融資計劃引發資本界關注。
國內方面，可靈O1雖暫未進入Artificial Analysis榜單，但其"統一多模態"的技術定位引發期待。該模型宣稱突破傳統視頻生成框架，實現文本、圖像、視頻等多類型輸入的協同處理。行業觀察人士指出，隨著頭部企業技術差距縮小，2025年視頻生成領域將進入多維競爭階段，谷歌Veo4等潛在新品可能隨時改寫現有格局。
技術突破背后，物理引擎精度與創作自由度的平衡仍是核心挑戰。Runway研發團隊承認，當前模型在模擬復雜力學系統時仍需人工干預，例如多物體交互場景中的受力計算尚未完全自動化。這種技術局限性在創意產業應用中尤為明顯，某動畫工作室測試反饋顯示，生成30秒專業級視頻仍需20%的手動修正工作。
市場研究機構預測，隨著Gen-4.5等新品開放商用，AI視頻生成成本有望在2026年前下降60%。Runway宣布將維持現有訂閱價格體系，通過技術優化實現"加量不加價"。這種定價策略可能引發行業連鎖反應，國內廠商是否跟進調整商業模式成為新的觀察焦點。
