HiDream-O1-Video-1.0 发布
HiDream-O1-Video-1.0 是智象未来于 2026 年 9 月发布的首款物理规律导向视频生成系统，模型简称 HD-V1，采用自研原生全模态架构，支持文本、图片等多模态输入，一键直出 5 至 20 秒 1080p 高保真视频。
发布同期，HD-V1 在 Artificial Analysis 图生视频榜单（含音频）位列全球第四，在 Arena.ai 图生视频盲测平台位列第八，进入全球第一梯队。
榜单成绩与竞品对比
Artificial Analysis 榜单以标准化基准评测全球头部视频模型，HD-V1 以 Elo 1186 分排名第四，仅次于 Minimax H3 Max、Dreamina Seedance 2.0 与 MiniMax H3。
对比 Minimax H3 Max 和 HiDream-O1-Video 的区别，前者以 Elo 1206 居首且定价 2.40 美元每分钟，HD-V1 以 5.80 美元每分钟提供物理规律导向与音画一体能力。
| 维度 | HiDream-O1-Video | Minimax H3 Max |
|---|---|---|
| AA 榜单 Elo | 1186，全球第四 | 1206，全球第一 |
| API 定价 | 5.80 美元每分钟 | 2.40 美元每分钟 |
| 技术路线 | 原生全模态，物理规律导向 | post-trained by fal |
对注重物理合理性的创作场景而言，HD-V1 可作为通用视频模型的替代选项，红线穿针、乒乓球弹跳等实测中物理表现更贴合真实。
架构与技术亮点
架构分四阶段，前置多模态意图理解模块将口语化输入转化为专业镜头规划，再经文本、视频、音频联合去噪与扩散强化学习后训练，输出音画一体的 1080p 视频。
- 时长决策交还内容本身，模型按叙事节奏自行规划 5 至 20 秒时长
- 物理规律进入生成逻辑，重力、碰撞、惯性、光影成为画面底层逻辑
- 后训练采用 Diffusion Reinforcement Learning 与多模态 Reward 模型对齐人工认知
- 音画原生一体，画面运动牵引声音节奏，台词与音效反哺镜头情绪
随着视频模型发布，智象图像、视频、交互世界、具身世界四类模型同源演进，业内首个原生全模态世界模型闭环成型。
同期智象宣布完成 C+ 轮融资，投资方为新微资本、交子资本与工银资本；CTO 姚霆（Yao Ting）表示双榜成绩验证了原生全模态技术路线。
HD-V1 当前处于内测阶段，权重未在 github.com 公开，也未采用 MIT 或 Apache 协议，用户可填写官方体验申请表获取资格。
常见问题
问，HiDream-O1-Video-1.0 是什么？
智象未来 2026 年 9 月发布的首款物理规律导向视频生成模型，简称 HD-V1，原生全模态架构，支持 5 至 20 秒 1080p 音画一体生成。
问，如何使用 HiDream-O1-Video-1.0？
模型处于内测阶段，可在官方渠道填写体验申请表申请提前体验，近期将正式上线。
问，对比 Minimax H3 Max 和 HiDream-O1-Video 的区别是什么？
对比 Minimax H3 Max 和 HiDream-O1-Video 的区别，前者 AA 榜单 Elo 1206 居首且定价更低，后者以物理规律导向与音画一体生成见长，Elo 1186 列第四。
问，HiDream-O1-Video-1.0 是否开源？
未开源，内测阶段权重未在 github.com 公开，也未采用 MIT 或 Apache 协议，需通过内测申请使用。
来源说明
本文来源，HiDream智象元一《全球AI视频榜单第一梯队再添中国力量，智象发布首款物理规律导向视频模型》https://mp.weixin.qq.com/s/rwCX5tJZvJ2g3NK_BL8_vg。
发布说明，文章基于官方公告整理，最后更新 2026 年 9 月，更新日志口径为 v2026.9.16。
