FastH3 Omni推出ComfyUI权重，可按参考生成同步音视频
FastVideo发布面向ComfyUI的FastH3 Omni最终版权重，含BF16与INT8 ConvRot扩散模型，可根据提示词及有序图像、视频和音频参考生成同步音视频。文本编码器含视觉塔，NVFP4需Blackwell；国内可用性、价格未知，本文未实测。
要点
- 提供BF16与INT8 ConvRot两种ComfyUI扩散权重，并配套Qwen3-VL 32B文本编码器及音视频VAE。
- 提示词以Picture、Video、Audio标签引用有序参考，音频VAE是输出同步音频的必要条件。
- NVFP4文本编码需要Blackwell硬件，其他设备应选择BF16或INT8；近月下载94338次，价格与国内可用性未知。
为什么值得看
最终版FastH3 Omni被整理为ComfyUI可用的8步剪枝权重，使用提示词及有序的图像、视频、音频参考，一次生成带同步音频的视频。
谁会受影响
面向使用ComfyUI、FastVideo或UniServe进行参考式音视频生成的创作者和本地部署用户；FastVideo与Nuva Lab协作开发，基座为MiniMax-H3。
今天就能怎么试
使用支持原生MiniMax-H3的当前ComfyUI，选择一种扩散模型放入diffusion_models，并配套文本编码器、视频VAE与音频VAE；采样8步、guidance为1.0，视频shift 12.0、音频shift 3.0，参考以Picture、Video、Audio标签标注。国内获取渠道未知，未实测。
原始来源
1FastVideo/FastH3-Omni-Comfy (Model) · Hugging Face 热门模型 · 2026年10月20日✓ 已打开核对本条由 AI 根据上面的原始来源整理，经编辑审核后发布。数字和结论以原文为准，发现错误欢迎反馈。
相关动态
Gemini 4 Argon正式开放，开发者可接入API
10月13日，谷歌扩大Gemini 4 Argon的开放范围，开发者可通过AI Studio等入口使用。首发标准输入和输出价格为每百万词元2美元、10美元，缓存输入优惠95%；Gemini应用和Antigravity的使用还取决于订阅等级。
MOSS 开放生图模型，支持中英长文字与复杂排版
MOSS-Image 结合 50 亿参数扩散模型和意图感知提示增强，重点处理长段中英文与信息密集图形。技术报告提供文字和布局评测，模型页已给出 Base、SFT 及运行说明，HF Space 也可查看并尝试带布局要求的生成流程。适合先检查文字分组效果。
DeepSeek更新V4.1闪电模型，降低编程任务成本
DeepSeek 发布 V4.1-Flash-1017，并同步更新网页、应用和接口，针对 Harness 等执行环境优化任务表现、输出长度与耗时。中文实测展示三维网页和游戏制作，同时出现建筑细节偏差；低价与成功交付仍需按完整任务一起评估。
OpenAI发布GPT-6.1 Sol，主打低价智能体
OpenAI于9月29日推出GPT-6.1 Sol，面向编程、电脑操作与专业工作。标准API每百万输入和输出词元分别为2美元、10美元，缓存输入为0.10美元；官方称部分任务表现接近Astra，已进入ChatGPT Work、Codex和API。