TwelveLabs 的视频语言模型 Pegasus 1.5 已在 Amazon Bedrock 上线，可将长视频按用户定义的分段规则切分，并返回带起止时间的结构化 JSON。
相比 Pegasus 1.2，单次请求可分析的视频时长从 1 小时提升到 2 小时，并新增视频分段、结合参考图的多模态提示和免预索引的即时处理。模型通过 InvokeModel 或流式接口调用，视频可直接从 S3 读取，也可用不超过 25 MB 的 base64 内联传入，支持最长 2 小时、最大 2 GB 的视频。目前仅在美国西部（俄勒冈）区域提供，费用经 AWS Marketplace 计入 TwelveLabs 账单。
Higgsfield 借助 GPT-6 Astra 把 AI 视频生成时长从 1 分钟延长到 10 分钟以上，并用 GPT-Image-2.5 提升画面精度，同时通过 GPT-Live 探索语音驱动的电影制作路径。
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5，帮助创作者把创意转化为精细图像和电影级视频广告。
Google Research 发布 AI video co-director，一个构建在 Gemini 和 Veo 之上的多智能体编排框架，用于生成多镜头连贯长视频。
Google 把长视频生成拆成四个可组合框架，并给出多镜头一致性与角色保持的评测结果，适合了解智能体编排在视频生成中的具体做法。
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 的原生实时对话模型上加入近实时视频生成，实现带口型同步、自然表情和流畅轮次的视觉化对话，已在 Gemini Enterprise 上线。
官方给出 Live Avatar 的实时音视频对话能力、97 种语言同步与异步工具调用细节，可据此判断企业级数字人交互的落地边界。