8B 智慧體自主呼叫工具做影片生成，VABench 從 56.5 升到 86.1
VideoGen-Agent 用 Qwen3-VL-8B-Instruct 做基座，在多輪互動中呼叫檢索、生成與驗證工具，先以 16K 教師軌跡監督微調，再用 8K 提示做多工強化學習。在 600 條提示的 VABench 上，Toolset 1 配置得 75.6 分，比基礎生成器 56.5 分高出 19.1 分；智慧體策略不變、僅升級生成工具後達 86.1 分，人類評估中 84.3% 的判斷偏好該配置。
論文給出影片生成智慧體的可訓練方案與 VABench 基準，並驗證策略無需重訓即可隨底層生成工具升級而漲分，對關注多模態 agent 與影片生成的人有參考價值。
原標題：视频生成也能查资料、做模拟：8B智能体学会自主调用工具
閱讀原文
| 評分 | 76 / 80（平均 78，門檻 65） |
|---|---|
| 狀態 | 精選 |
相關報導
新基準 VA-Bench 測 12 個多模態模型，完整任務成功率約一半
VA-Bench 用 14 類機器人操作任務、280 個物理驗證場景測試 12 個主流多模態模型，發現目標識別與定位可達 100%、操作語義理解接近 100%，但完整任務成功率最高的 Qwen3.8-max、Opus-5、GPT-5.6-sol 分別只有 53.93%、52.86%、51.55%。測試中模型先觀看成功示範影片，但拿不到物體座標與專家軌跡，需自行決定是否消耗步數切換視角，並直接給出移動距離、旋轉角度與夾爪開合時機。
開發者用 Claude Code 與 Remotion 生成 Mac 應用宣傳片，帶來首批 10 位客戶
一名獨立開發者用 Claude Opus 智慧體（Claude Code）配合 Remotion 製作了 Mac 應用 Tack+ 的發布影片，全部內容由程式碼生成，未使用 After Effects、素材庫或授權音樂。影片時長 45 秒、60 fps，輸出 1080p 與 4K，含法語和英語版本；MacBook 用 CSS 3D 搭建，卡片為應用真實渲染，配樂也逐音符合成。
Vidu Q4 Preview 發布：0.09 元/秒起，支援 15 張參考圖
生數科技推出影片模型 Vidu Q4 Preview，是其面向創作者的首個預覽版本，首發價格 0.09 元/秒起，同樣預算最高可生成 5 倍內容。該版本主打人物演繹、鏡頭語言與複雜視效，支援最多 15 張參考圖、3 段參考音訊輸入，以及 2K、4K 畫質輸出。官方資料顯示其圖生影片速度約為同類模型的 2 倍，5 秒影片最快約 110 秒完成，正式版上線時間尚未公布。
用 ML Intern 幾天做出 6 個模型，9B 改寫器壓到 0.8B
Hugging Face 的 yuvraj sharma 用 HuggingChat 裡的 ML Intern agent，幾天內做出 6 個公開模型，其中把 Qwen-Image 2.1 自帶的 9B 提示改寫器蒸餾成 0.8B 版本，可在 CPU 執行，輸出有效率 99.7%，token 消耗約為教師模型的四分之一。該專案含 9B 模型標註 8,797 條樣本，算力成本 16 美元。
Qwen3.8-Flash-Next 177B 在單張 RTX 5070 上跑出 11-15 tok/s
有人在 Windows 上用 llama.cpp 的專家流式方案，在單張 RTX 5070 12GB 加 32GB DDR4-2400 記憶體上執行 Qwen3.8-Flash-Next 177B（UD-IQ3_XXS），基準約 11.5 tok/s，日常對話可達 14-15 tok/s。一次長程式設計提示以 10.15 tok/s 生成 4,892 個 token，產出一個可執行的單檔案貪吃蛇遊戲。