Meta 发布了目前最详细的 AI 视频、音频生成基准：Meta Movie Gen Bench。
Movie Gen Video Bench（视频基准） 是迄今为止最大的文本转视频生成评估基准，汇集了超过1000个提示，涵盖了人类活动、动物、物理现象及非寻常主题等多种概念，确保在不同运动水平上实现广泛覆盖。
Movie Gen Audio Bench （音频基准）则是首个专注于视频到音频以及（文本+视频）到音频生成的基准。它包括527个生成的视频，以及相应的音效和音乐提示，展示了多样化的环境和声音效果。
为了确保评估的公平性与可比性，这些新基准包含了未经挑选的 Movie Gen 生成的视频和音频。Meta 希望通过发布这些基准，促进媒体生成研究中的公平和全面评估，从而推动该领域的更大进展。
基准的详细信息、示例视频，以及生成提示词： Movie Gen Bench
本站收录的 Meta Movie Gen 示例视频
OpenAI 在发布 GPT-5.6 当日指出 SWE-Bench Pro 约 30% 任务存在缺陷，引发对 AI 基准测试可靠性的质疑。多项研究进一步揭示，验证器质量决定模型学习方向，基准题目高度冗余，且模型“窄能力”提升未必转化为真实经济产出的“宽能力”。当前 AI 进步尚未达到自维持加速阈值。基准测试正面临结构性危机，其公信力受利益冲突影响，亟需建立独立第三方验证机制以确保评估客观性。
OpenAI 旗下 GPT-5.6 Sol Ultra 通过 64 路并行 agent 在 1 小时内生成了图论 CDC 猜想的证明文本，成本不足 500 美元。该成果引发争议，因缺乏 Lean 机械化验证、未公开完整推理轨迹及受限于图论形式化库不成熟，数学界对其有效性存疑。此事表明 LLM 已具备启发式数学搜索能力，但验证基础设施滞后仍是瓶颈。未来“多路并行+防放弃 prompt”或成范式，而完善 Lean 工具链是确立 AI 证明可信度的关键。
AI 博主 ADIL 演示利用 Claude Fable 5 配合 Higgsfield MCP 插件，在 20 分钟内全自动复刻高收益 YouTube 频道。该工作流集成图像、视频及语音生成引擎，可自动分析爆款结构、撰写脚本并一键产出含配音的纪录片视频及封面标签。平台并不排斥优质 AI 内容，此端到端自动化流程将创作耗时从数天缩至十几分钟，大幅降低不露脸创作门槛。未来核心竞争力在于利用工具实现规模化生产与持续运营的能力。
围绕《Meta 发布 AI 视频、音频生成基准：Movie Gen Bench》展开交流，未登录用户可浏览评论，登录后可参与讨论。
