国际 · Google
Gemini 4 Argon：多步骤复杂任务继续推进
10月1日先面向可信网络防御者分阶段发布；13日向开发者、企业及符合条件的订阅用户开放，强调长时推理与复杂工程任务。
教育应用推演内容生产可进一步拆成资料整理、脚本、素材与检查等连续步骤，并为每步保留可审阅结果。
分阶段发布 → 开放使用[A1]
展开规格与适用范围
两个日期分别表示宣布与扩大开放。模型基准表现不能直接证明教学内容准确，也不能推导学生学得更好。
AI Monthly Review / October 2026
技术迭代 × 业务需求 × AI探索
10月AI技术迭代
AI教学视频
生产洞察
国内外AI继续在多模态生成、任务执行和声音控制上迭代。围绕悦学资源处的教学视频需求，本月探索如何选择合适的制作路线，并将样片制作沉淀为可重复调用的Skill。
技术迭代：模型与制作工具共同推进
观察13项国内外更新及其对内容生产的启发。
项目切入：教学视频资源的制作需求
把新能力放到具体课程资源与业务要求中检验。
路线选择：画面生成与程序化合成
区分视频生成模型和HyperFrames、Remotion的工作方式。
探索结果：完成Skill搭建与交付
形成可观看的样片、动作预览及可复用技能包。
01 / Technology Updates
国内外AI技术迭代
精选13项专题更新：国际8项、国内5项，同一系列合并。按首个可核验节点排序，分别记录发布、试用、预览与下线状态。
显示全部13项
国际 · Anthropic
Claude Haiku 5.5：高频任务的成本选择
面向摘要、分类、重复操作等高频任务。官方称平均运行成本较 Haiku 4.5 低约75%，并同步下调 Sonnet 5.5 的缓存读取价格。
教育应用推演可按任务难度分配模型：常规整理优先控制成本，关键内容校验单独设置质量标准。
已发布[A2]
展开规格与适用范围
75%是厂商给出的平均运行成本口径，不能直接写为视频制作成本降低75%；需要合并重试、渲染和人工复核统计。
国际 · OpenAI
GPT-6.1：速度档位与视觉任务分工
8日为 GPT-6.1 Sol 增加 Ultrafast 档位；26日发布 GPT-6.1 Terra，面向视觉推理、计算机操作和文字任务。
教育应用推演生产流程可分别评估脚本整理、界面操作与画面检查的模型需求，关注整项任务的完成质量。
API 更新 / 新模型[A3]
展开规格与适用范围
Terra 支持文本、图像输入与文本输出，不是视频生成模型。Sol 本月新增速度档位，不属于新模型首发。
国际 · Meta
Muse Wonder：智能体产品继续扩展
发布 Muse Wonder 与 Wonder Full，强调个人和专业智能体任务。前者通过 Meta Model API、Muse Code 提供，后者面向 Muse Code 订阅用户。
教育应用推演工具选择逐渐围绕完整工作任务展开，教育内容团队也需要评估跨素材、跨文件操作是否可靠。
API / 产品访问[A4]
展开规格与适用范围
产品入口、订阅访问与开放权重是不同概念；该公告不能支持“两个模型均已开源”的表述。
国内 · 阿里 / QwenCloud
Qwen Audio 3.1：配音控制继续细化
12日列出 TTS Flash、21日列出 TTS Plus、22日列出 TTS Next。系列覆盖低延迟语音、高质量配音与统一音频生成等不同定位。
教育应用推演教学配音可围绕语速、情绪、音色和时间控制选型，并对数字、术语与否定词单独复听。
系列更新[B1]
展开规格与适用范围
各型号的能力和计费应分别核对。声音更自然属于生产质量变化，不能替代知识内容的准确性检查。
统计口径：同一系列多日更新合并为一个条目；厂商公布的成本与性能不作为本项目的实测结果。
01 / Technology Updates / Continued
任务效率与生成前审阅
模型在任务执行、声音表达和内容审阅上持续推进，为教育内容生产提供更多组合方式。
国际 · OpenAI
GPT-Live：声音可由文字描述创建
官方日志新增 prompt-to-voice：通过文本描述创建自定义声音，再复用于 GPT-Live 会话；语音生成仍按会话规则计费。
教育应用推演虚拟讲解角色可以把声音设定作为可复用资产，与脚本、形象和动作保持一致。
API 可用[A5]
展开规格与适用范围
此项更新是文本生成声音。本月独立项目采用参考样音配音，不能将两者写成同一种技术实现。
国内 · DeepSeek
V4.1-Flash-1017：任务效率与搜索接入
V4.1 Flash 升级为1017版本，网页、App同步更新，API调用方式与价格保持不变；同日开放自研搜索 API。
教育应用推演资料检索、脚本整理与自动化处理的选项增加，可用固定样本复测准确性、耗时和总成本。
模型迭代 / API 开放[B2]
展开规格与适用范围
官方报告运行时间与输出长度缩短，并列出多套评测框架。跨版本比较要保持任务、框架和重试口径一致。
国内 · MiniMax
M3.1 Flash：智能体任务的效率升级
面向智能体、编程和计算机操作。官方称在线推理接近提速3倍、使用成本降低70%，已通过 API、M Plan 和 MiniMax Code 提供。
教育应用推演可探索文件整理与批处理编排，把完成一条合格视频所需的重试和复核计入成本。
API 可用 / 权重待发布[B3]
展开规格与适用范围
提速与成本为厂商口径，不等于本项目实测。官方称权重将于后续发布，不能在本月记录为已开放权重。
国际 · Google
Gemini Notebook：把审阅放在渲染之前
为 Slide Decks 与 Video Overviews 增加共创流程，可选择 Review，在生成前调整大纲或视频制作说明，再开始渲染。
教育应用推演教研审阅可以前移到选题、脚本和分镜阶段，尽早修改知识顺序及讲解重点。
逐步推出[A6]
展开规格与适用范围
公告写明在随后一周全球推出。Review 是可选流程，不能把功能公告等同于每个账号当日均已出现入口。
对教育内容团队的启发：把资料、声音、画面和审阅组织为可执行步骤，再比较完整任务的质量与成本。
01 / Technology Updates / Continued
生产服务与交互能力
生成质量、服务生命周期与交互能力共同变化，技术选型需要回到具体的业务目标和交付要求。
国际 · Google
Veo 3.1 Preview：生产链要管理模型退役
Gemini API 中 Veo 3.1 的三个 Preview 模型 ID 于22日下线，官方提供 Gemini Omni Flash 或企业平台 GA 模型的迁移方向。
教育应用推演可复用流程应记录模型版本、输入和中间产物，便于在服务变化时复现与迁移。
指定预览入口下线[A7]
展开规格与适用范围
下线范围是文档列出的三个 Preview ID，不是所有 Veo 3.1 产品。迁移仍须对目标平台、地区与权限逐项核对。
国内 · 字节 / BytePlus
Seedance 2.5 4K：草稿先行的制作流程
BytePlus 的4K说明介绍480p Draft预览、最终4K输出及源素材细节保留，并披露精选影视制作和后期客户的试用。
教育应用推演教学素材可先用低成本草稿确认构图与节奏，再进入高质量输出阶段，减少无效重做。
精选影视客户试用[B4]
展开规格与适用范围
按10月27日官方文章日期记录。Seedance 2.5基础版本7月已发布；4K说明不能据此推定所有账号或API均已开放。
国内 · 阿里 / QwenCloud
Qwen Audio Realtime Flash：双工语音继续扩展
官方日志列出 qwen-audio-3.1-realtime-flash，支持实时双工语音、工具调用、搜索与声音克隆。
教育应用推演视频内容未来可接入暂停提问、口头回答等互动环节；需要另外设计问题和学习反馈。
模型上线[B5]
展开规格与适用范围
实时双工是交互基础。它不会自动把成片变成互动课程，本月独立项目仍是预先渲染的视频。
国际 · Google DeepMind
Genie 4：从观看内容走向交互模拟
发布面向可信测试者的研究预览，展示带原生音频的实时世界模拟，以及通过自然语言改变场景的能力。
教育应用推演可作为情境探究和交互原型的观察方向；教学使用还需要验证规则、因果与知识准确性。
研究预览[A8]
展开规格与适用范围
更广泛的 Project Genie、API 与 AI Studio 访问属于后续安排。研究演示不等于已经可用的教学产品。
由此引出本月项目：面对教学视频资源的实际制作需求，如何组合AI能力和制作工具，形成可交付、可复用的流程？
02 / Teaching Video Project
从技术迭代，落到教学视频生产
模型与工具的持续进步，为教学视频提供了新的制作方式。面向悦学资源处的课程资源需求，本月以AI教学视频项目探索内容处理、角色表达与流程复用。
教学视频项目 · 动作速览网页版可切换完整成片；下列规格来自已交付样片的核验记录。
项目要回答的问题
如何让已有课程内容、统一的角色表达和具体的画面要求协同工作，并让这套制作方法可以继续用于同类教学资源？这使技术选择从“能生成什么”，进一步走向“怎样稳定地完成指定制作任务”。
03 / Choosing the Production Route
左右滑动查看路线比较
| 比较维度 | 视频生成模型 | HyperFrames / Remotion |
|---|---|---|
| 工作方式 | 通过模型推理生成或修改视听内容。 | 把已定义的素材、图层和时间规则转成视频帧。 |
| 主要控制入口 | 提示词、参考素材及模型提供的编辑参数。 | 代码、配置、组件和帧或时间函数。 |
| 文字与图形 | 生成后的文字、细节与关系需要逐项复核。 | 可将文字、图形和现有内容作为明确元素编排。 |
| 动作与时序 | 可按模型能力约束动作或时间，仍需检查输出。 | 可规定出现时点、位置、动作范围及进退场条件。 |
| 修改与复用 | 通过再次生成或编辑迭代，结果随模型与输入变化。 | 修改指定规则或素材；固定环境后可按帧复现和检查。 |
| 适合的生产任务 | 探索新镜头、场景、视觉素材与表演。 | 制作有明确内容、布局、时序和模板要求的视频。 |
HYPERFRAMES BY HEYGEN
HTML描述画面与时间关系
以HTML、CSS和JavaScript组织视频、音频与图层，通过时间轴编排动画并逐帧渲染。[H1]
REMOTION
React组件随帧编号变化
以React组件组合文字、图片、视频和声音，由帧编号驱动动画与画面状态。[H2]
本项目采用程序化制作路线，实际实现基于HyperFrames。
教学资源改造具有明确的内容、角色和时序要求。项目用HyperFrames编排分层动画，结合FFmpeg与语音转换完成处理，并将操作步骤封装为Skill。Remotion提供同类路线的另一种实现方式。
04 / From Business Need to Skill
面向悦学资源处：从需求到Skill
将教学资源制作需求拆成内容、表达、时序与复用要求，再转成可执行的处理规则。程序化制作承担明确的控制逻辑，AI辅助完成需求拆解、代码编写与迭代。
左右滑动查看需求与实现
| 业务要求 | 对应的实现方式 | 沉淀的能力 |
|---|---|---|
| 统一资源呈现 | 将画面处理、角色声音和装饰布局分别配置。 | 形成可复用的视觉与声音设定。 |
| 保障教学内容清晰 | 围绕文字、公式、图形和关键读音安排复核。 | 保留画面与声音的检查记录。 |
| 让角色配合讲解 | 依据旁白设置动作时点，检测与课程内容的相交。 | 角色按规则表达，并在需要时避让。 |
| 支持同类视频继续使用 | 把输入、参数、素材与处理步骤组织为同一入口。 | 替换原始视频后复用制作方法。 |
| 便于交付与后续维护 | 将默认素材、脚本和说明一并打包，保留中间项目。 | 交付可安装调用、可继续修正的Skill。 |
原始教学视频
读取课程素材；需要时提供新的样音或配置。
画面与声音处理
执行素材处理、配音转换及内容比对。
HyperFrames合成
编排角色、动作和避让规则，完成渲染。
成片与核验记录
输出MP4，并保留检查结果与可编辑项目。
REUSABLE SKILL / TEACHING-VIDEO-POLISH
把一组制作操作，组织为一个可调用的入口。
输入课程视频 → 执行既定规则 → 检查结果 → 输出完整成片
这次交付既包含完成的教学样片，也包含执行同类任务的Skill：将处理脚本、默认素材、配置与验证步骤共同保存，便于继续使用和调整。
05 / Skill Build & Delivery
从样片制作，到Skill搭建与交付
围绕同一套需求逐步完成画面处理、声音转换、角色动画与验收，再把可复用的部分收拢为teaching-video-polish Skill。以下为项目样片的原始素材与交付画面对照。
01 / FINISHED VIDEO
完整教学样片
约2分19秒、1080p；用于查看整体制作效果。
下载完整成片02 / MOTION PREVIEW
20秒动作预览
集中展示角色表情、手势与讲解配合方式。
下载动作预览03 / REUSABLE SKILL
Skill便携包
约6.1MB、102个条目，包含脚本、说明与默认素材。
下载Skill便携包动作逻辑随Skill保存 / 8类动作
交付内容同时覆盖“结果”和“方法”。
成片与预览用于查看效果；Skill保留素材、配置和处理步骤，便于继续处理同类视频。便携包已包含样音、装饰和动作素材，首次使用仍需按说明准备运行环境和模型。
配套网页版提供完整成片、动作预览与Skill便携包的下载入口。
06 / Outcomes of AI Exploration
探索结果：把AI能力沉淀为工具
本月探索从技术观察出发，经过业务需求拆解、制作路线选择和样片验证，最终形成了可观看的项目产出与可重复调用的Skill。
01 / CHOOSING THE TOOL
明确制作路线
把画面生成与程序化制作分开评估。对有明确内容、布局和时序要求的教学资源，采用程序化合成承担控制逻辑。
02 / BUILDING THE WORKFLOW
把需求转成规则
AI辅助拆解需求、编写处理与动画逻辑，并在关键画面检查中迭代；让动作、口型和避让进入可检查的流程。
03 / DELIVERING THE SKILL
沉淀可复用交付
将一次样片制作扩展为带默认素材、参数、运行说明和验证步骤的Skill，支持同类任务继续使用。
| 已形成的结果 | 对应的项目证据 | 体现的能力 |
|---|---|---|
| 可观看的教学样片 | 1080p、139.4秒，8类动作、19次旁白触发。 | 把需求落实为具体的视听产出。 |
| 可检查的制作过程 | 全片解码错误0，既定避让规则下时序违规0。 | 为结果保留核验依据和修正入口。 |
| 可继续使用的Skill | 102个条目，默认素材与脚本随包交付。 | 将制作经验组织为可调用的工具。 |
本次AI探索的落点：从“完成一条视频”走向“交付一项制作能力”。
围绕悦学资源处的需求，项目已完成样片、预览和Skill包的搭建与交付。后续可在更多类型的教学资源上记录人工干预、返工原因和总制作成本，继续验证复用的稳定性与实际收益。
本期证据覆盖样片与工程交付。规模化人效、制作成本降幅及学习效果尚未形成测量结论。
07 / Sources & Notes
资料来源与核验说明
技术事实以官方发布与文档为主。报告期为2026年10月1日至31日，资料核验于2026年11月3日；路线选择与业务映射为本报告结合项目情况的分析。
A · 国际技术迭代
- [A1] Google10-01 / 10-13
Gemini 4 Argon：由分阶段发布走向开放使用
区分首次宣布与面向开发者、企业及符合条件的订阅用户开放。
- [A2] Anthropic10-07
Claude Haiku 5.5
成本降幅为厂商报告，具体收益取决于任务与配置。
- [A3] OpenAI10-08 / 10-26
GPT-6.1 Sol 速度档位与 GPT-6.1 Terra
Sol 为既有模型增加档位；Terra 为本月新模型，支持图像输入与文本输出。
- [A4] Meta10-12
Muse Wonder / Muse Wonder Full
分别按 API、Muse Code 与订阅访问范围描述；本报告不将其记为开放权重。
- [A5] OpenAI10-16
GPT-Live：用文本描述创建声音
文本生成声音与基于样音的声音克隆属于不同输入方式。
- [A6] Google10-19
Gemini Notebook：幻灯片与视频共创
公告称在随后一周全球逐步推出；Review 为可选择的生成前审阅。
- [A7] Google10-22
Veo 3.1 Preview 的 Gemini API 入口下线
仅指列出的三个 Preview 模型 ID；不等于全部 Veo 3.1 服务停止。
- [A8] Google DeepMind10-27
Genie 4：交互式世界模拟
研究预览，面向可信测试者；面向更多用户和开发者的开放属于后续安排。
同一系列合并，采用可核验的官方事件或文章日期。制作框架文档用于说明技术路线，不计入本月13项技术更新。
07 / Sources & Notes / Continued
国内来源、制作框架与项目证据
框架能力来自官方技术文档，项目实现与交付范围来自随附的技能包和核验记录。
- [B1] 阿里 / QwenCloud10-12 / 10-21 / 10-22
Qwen Audio 3.1 TTS 系列
Flash、Plus、Next 为不同定位的条目，合并为一项系列更新。
- [B2] DeepSeek10-17
DeepSeek-V4.1-Flash-1017 与搜索 API
API 模型别名与价格保持不变；性能和耗时变化为厂商报告。
- [B3] MiniMax10-19
MiniMax M3.1 Flash
API、M Plan、MiniMax Code 可用；权重发布为后续计划。
- [B4] 字节 / BytePlus10-27
Seedance 2.5 4K
日期按可核验官方文章记录；基础版本为7月发布，4K文章描述精选影视客户试用。
- [B5] 阿里 / QwenCloud10-27
Qwen Audio 3.1 Realtime Flash
实时双工语音模型；对本项目的意义为应用推演，并非项目实际选型。
- [H1] HyperFrames by HeyGen技术说明
HTML合成与逐帧渲染
使用HTML描述素材、图层和时间关系，按指定帧渲染；为本项目实际采用的制作框架。
- [H2] Remotion技术说明
以React和帧编号编排视频
以React组件、帧编号和媒体组件组织视频；作为程序化制作的同类方案参照。
[P1] 项目交付物
[P2] 工程核验记录
需求背景按本次提供的悦学资源处业务诉求整理。项目实际采用HyperFrames；Remotion用于同类技术路线的比较。交付范围以样片、Skill包与核验记录为准。