开放视频模型研究审计（2026-08-30）¶
对应教材页：
resources/open-models.md冻结时间：2026-08-30，Asia/Shanghai 审计目标：判断“当前官方版本实际开放了什么”，而不是制作跨协议排行榜。
1. 检索问题与边界¶
本轮围绕五个问题检索：
- 项目在冻结日的官方入口与当前推荐版本是什么？
- 论文、代码、权重、推理、训练、数据、评测、许可和硬件说明分别是否存在？
- README 的计划项、社区适配和官方已发布 artifact 能否严格分开？
- 官方显存、速度和 benchmark 的协议边界是什么？
- 哪些项目适合作为基础生成、长视频、控制编辑、原生音视频或 world model 的研究入口？
纳入标准：官方作者仓库、官方模型卡、官方项目页、论文原文或会议页面；社区框架只用于说明可用适配层，不用于替代模型本体的官方 release。排除标准：只有二手榜单、转载、未定位权重的 demo、无法区分版本的模型合集，以及把 coming soon 写成已发布的条目。
2. 检索路线¶
- 官方 GitHub 仓库：README、release/commit、license、安装与硬件段落；
- Hugging Face 官方组织或模型卡：权重文件、revision、许可和任务变体；
- arXiv、作者项目页与正式会议页面：方法、版本和 venue；
- GitHub API / raw README：在网页渲染不稳定时核对默认分支和最新 commit；
- 研究框架官方仓库：只登记其支持范围，不反推上游训练开放度。
检索过程中 GitHub API 在连续查询后出现速率限制，因此后续核验改用官方仓库页面与 raw 内容。未下载任何大模型权重，也未进行 GPU 推理；文中的显存、速度和 benchmark 均明确保留为作者入口口径。
3. 统一判定框架¶
每个版本登记发布向量：
并按以下证据强度标记：
- R0：只有论文或项目页；
- R1：有可检查代码，但缺关键权重或运行入口；
- R2：代码、权重、推理、许可和硬件边界足以做固定版本运行；
- R3：R2 加可执行微调/训练入口与数据格式；
- R4：进一步开放数据配方、评测和固定环境，可审计训练。
该等级只描述发布完整度，不代表视觉质量。对许可证使用交集原则：代码、权重、adapter、数据、上游依赖和内容政策任一项更严格时，以交集为准。
4. 关键版本更正¶
| 项目 | 本轮更正 | 一手证据 |
|---|---|---|
| MiniMax H3 | H3-Base FL2VA / Ref2VA 可得；H3-Context-IR、2K regenerate 和稀疏注意力不能提前算作开放 | 官方仓库、官方模型组织 |
| LTX | 当前推荐线为 LTX-2.5；2.3 属兼容旧版。权重使用社区许可证并含商业门槛 | 官方仓库、许可证 |
| NVIDIA Cosmos | cosmos-predict2.5 已进入有限维护；当前入口为 Cosmos 3 模型仓与 Cosmos Framework |
模型仓、框架仓 |
| MAGI | 冻结日应登记 MAGI-1.1 24B 与 4.5B/量化分支，而不是只停留在 MAGI-1 初版 | 官方仓库 |
| SkyReels | V2 仍是 diffusion-forcing 长视频入口；V3 已提供多参考、扩展和 talking-avatar 新任务入口 | V2、V3 |
| V-JEPA | V-JEPA 2.1 / 2-AC 是 latent 表征与 action-conditioned world model，不能列作像素生成器 | 官方仓库 |
5. 一手来源台账¶
5.1 当前基础与统一模型¶
| 项目 | 官方入口 | 本轮读取重点 |
|---|---|---|
| MiniMax H3 | GitHub、HF | 开放任务、未开放产品模块、native AV、许可 |
| LTX-2.5 | GitHub | 当前版本、distilled/DFR、trainer、许可与硬件路径 |
| Cosmos 3 | Models、Framework | Reasoner/Generator、模型尺寸、训练计划项 |
| MAGI-1.1 | GitHub | 24B/4.5B、distilled/quantized、显存入口 |
| Bernini | GitHub | planner/renderer、Bernini-R、训练面 |
| Lance | GitHub | 3B active、统一理解生成编辑、fine-tuning |
| HunyuanVideo-1.5 | GitHub | 8.3B、training/LoRA、未完成开放计划 |
| Wan2.2 | GitHub | A14B MoE、5B TI2V、多任务权重、官方硬件 |
| SANA-Video / LongSANA | GitHub | 线性注意力、长视频训练/测试、版本区分 |
| Open-Sora 2.0 | GitHub、报告 | checkpoint、训练/推理、数据处理、成本边界 |
| CogVideoX | GitHub | 2B/5B/1.5、SAT/Diffusers、分模型许可 |
| Step-Video | GitHub | 30B、T2V/Turbo/TI2V、显存、训练缺口 |
| Mochi | GitHub | 10B AsymmDiT、Apache、LoRA、已知限制 |
5.2 长视频、控制、编辑与 world model¶
| 项目 | 官方入口 | 本轮读取重点 |
|---|---|---|
| FramePack | GitHub | context packing、低显存边界、社区加速影响 |
| SkyReels-V2 | GitHub | diffusion forcing、extension、长时漂移边界 |
| DreamX-World | GitHub | camera/event control、5B release、H20 作者成本 |
| Matrix-Game 3.5 | GitHub | 5B 权重、causal distillation、硬件与证据级别 |
| VACE | GitHub | R2V/V2V/masked V2V、权重和继承许可 |
| Video-As-Prompt | GitHub | 语义视频 prompt、官方与社区训练入口区分 |
| FlashMotion | GitHub | trajectory、few-step、训练/推理/权重/评测 |
| Lumos | GitHub | AR + discrete diffusion、checkpoint、SFT/fine-tuning |
| V-JEPA 2 | GitHub | latent prediction、action-conditioned 模型、非像素生成边界 |
5.3 框架与历史坐标¶
- 框架：Diffusers、Finetrainers、DiffSynth-Studio、ComfyUI、FFmpeg。
- 历史模型：VideoGPT、MAGVIT、OmniTokenizer、Stable Video Diffusion、AnimateDiff、VideoCrafter。
6. 冻结的核心代码版本¶
以下 SHA 是检索时从官方默认分支获得的代码快照，用于消除同名仓库随时间漂移；模型权重仍需在实际实验时单独冻结 revision 与文件 hash。
| 仓库 | 冻结 commit |
|---|---|
MiniMax-AI/MiniMax-H3 |
d21241f0a4b3… |
Lightricks/LTX-2 |
a95ab856bf29… |
NVIDIA/cosmos |
e7ad5e77eecd… |
NVIDIA/cosmos-framework |
0e034bc98ffa… |
SandAI-org/MAGI-1 |
0fcefdef8ce2… |
Tencent-Hunyuan/HunyuanVideo-1.5 |
60783e704160… |
Wan-Video/Wan2.2 |
42bf4cfaa384… |
SkyworkAI/SkyReels-V3 |
28c771e84563… |
hpcaitech/Open-Sora |
7ad6a96a135f… |
zai-org/CogVideo |
7a1af7154511… |
stepfun-ai/Step-Video-T2V |
675e08c0dd08… |
genmoai/mochi |
0c86aebf386e… |
lllyasviel/FramePack |
97fe5dbe06ac… |
SkyworkAI/SkyReels-V2 |
9351d1315220… |
Riemann-Dynamics/Matrix-Game-3.5 |
fa6d2b628ac9… |
ali-vilab/VACE |
48eb44f1c4be… |
facebookresearch/vjepa2 |
204698b45b37… |
7. 图像资产记录¶
- 教材图：
assets/diagrams/open-video-model-release-surface.png - 生成提示核心：白底、16:9、无品牌标识；七步证据链为“官方身份 → 版本冻结 → 发布面拆分 → 许可交集 → 硬件预检 → 最小运行 → 复现清单”；从发布面、许可和最小运行设置红色隔离出口；只保留有限中文标签。
- 像素尺寸：1672 × 941，RGB PNG。
- SHA-256：
350f910762899322ca944bfccdc83d6af756678493d7c7055b81861cb4ad1938。 - 视觉回读：七个主步骤顺序明确；三类发布面标签、三个红色失败出口、隔离框与颜色图例均可辨识；未出现模型名称、分数或额外结论。正文同时提供 Mermaid 与顺序化文字替代，以便编辑和读屏。
8. 证据限制与更新规则¶
- 本轮没有下载权重或运行 GPU smoke test，因此不能声称任何模型已经在本仓库环境复现。
- 硬件、速度、VBench 与 human preference 仅作为作者入口信息；跨项目比较前必须统一分辨率、帧数、FPS、步数、精度、offload、计时范围与 prompt 集。
- 仓库 HEAD、模型 revision、许可证和
coming soon状态会快速变化；任何实验都应在开始日重新读取并生成 manifest。 - 对只有项目页或 technical report 的 world model，证据级别单列，不把未正式发表等同于错误，也不把作者演示等同于独立验证。
- 后续更新时必须保留“此前冻结值 → 新值”的变更记录，禁止无痕覆盖版本事实。
9. 本轮静态验收¶
- Markdown：
resources/open-models.md与本日志由markdownlint-cli2 v0.23.2检查，0 issues；本批 17 个 Markdown 文件合计同样为 0 issues。 - 引用：正文 35 个唯一引用编号与 35 个定义锚点完全闭合；missing、unused、duplicate 和编号错配均为 0。
- 本地链接：正文与日志所引用的研究记录、教学图均存在；全批 17 个 Markdown 共检查 41 个相对链接，missing 0。
- Mermaid：正文 3 个图块与本批其他页面合计 15 个图块，均用
@mermaid-js/mermaid-cli 11.16.0和系统 Chrome 实际渲染为非空 SVG；15/15 成功，最小文件 23,712 bytes，均含 title/desc。 - PNG：教学图 1672 × 941、RGB PNG，SHA-256 与第 7 节一致；全批 8 张 PNG 均完成尺寸、格式、hash 和灰度统计检查。
- Git：
git diff --check无空白错误。远端 push 的 commit 与同步结果由提交后的最终交付记录给出，不在提交前伪写。