KI-Videogenerierung: Was das Dossier tatsächlich zeigt, Tage nach Gemini 4 Argon
Der jüngste datierte Eintrag im Dossier ist Fulcrums Schreibmodell Echo vom 30. September. Zum eigentlichen Thema, der KI-Videogenerierung, gibt es im Quellenmaterial jedoch keine datierte Veröffentlichung, nur undatierte Schlagzeilenausschnitte von um den 30. September, die Googles Gemini 4 Argon nennen.
Das Dossier, das dieser Redaktion vorliegt, enthält keine einzige belegte, datierte Veröffentlichung eines KI-Videogenerierungsmodells. Das sollte der Leser zuerst wissen. Die Themenanfrage verlangt danach, das Material liefert nichts, was die Hausregel zur Quellenangabe erfüllt.
Was es liefert, ist eine Reihe aktueller Schlagzeilen, als Kontext markiert und ausdrücklich nicht als Fakten zitierbar. Darunter: "Google releases Gemini 4 Argon, called its most powerful model yet" von TechCrunch, datiert auf den 30. September, und "Gemini 4 Argon: our next era of frontier intelligence" von blog.google, gleiches Datum. Keine der beiden steht mit URL in der nummerierten Quellenliste. Nach den Regeln heißt das: keine von beiden ist verwendbar.
Die übrigen Kontextschlagzeilen weisen in dieselbe Richtung. Kling 4.0, BytePlus Seedance 2.5, MiniMax H3, ein KI-Video-Ableger von Kuaishou, Higgsfield bei einer gemeldeten Bewertung von 5.400.000.000 Dollar. Alles Titel ohne Text, und die meisten erschienen im Oktober oder später, deutlich nach dem Block vom 30. September. Sie können keine Zahl, kein Zitat und keine Behauptung tragen.
Warum das Dossier die Frage nicht beantworten kann
Sortiert man die 28 nummerierten Quellen nach Thema, wird die Lücke deutlich. Es gibt Modellveröffentlichungen, aber keine davon erzeugt Video. Liquid AI veröffentlichte am 30. September die Dokumentation für seine Entscheidungsmodelle D1. Diese Modellklasse gibt in einem einzigen Aufruf kalibrierte Wahrscheinlichkeiten über feste Ergebnisse zurück, mit null generierten Tokens. Phonon-2 von Fermion Research ist ein Spracherkennungsmodell mit 164 MB, am selben Tag veröffentlicht. Cohere's Embed 5 ist eine Embedding-Familie. NVIDIAs Kumo Tabular verarbeitet Tabellen.
NVIDIA taucht mit einem video-nahen Paper auf, DreamZero, veröffentlicht am 30. September. Es ist ein World Action Model auf einem vortrainierten Video-Diffusions-Backbone, das künftige Weltzustände und Aktionen für die Robotersteuerung gemeinsam vorhersagt. Die Autoren berichten von einem autoregressiven Video-Diffusionsmodell mit 14.000.000.000 Parametern, das in Echtzeit eine geschlossene Regelschleife mit 7Hz fährt. Sie nennen 62,2 Prozent durchschnittlichen Aufgabenfortschritt, gegenüber 27,4 Prozent bei der besten vortrainierten Vision-Language-Action-Baseline. Das ist ein Robotikergebnis, kein Videoprodukt, und das Dossier stellt es auch nicht als eines dar.
"We introduce DreamZero, a World Action Model (WAM) built upon a pretrained video diffusion backbone." Die Projektseite, 30. September 2026.
Am nächsten an Videowerkzeugen liegt ein GitHub-Projekt namens qc, veröffentlicht am 30. September. Es macht Videoqualitätskontrolle und optimiert die Leitern für H.264, HEVC und AV1, mit VMAF-Bewertung und Konfidenzintervallen. Es misst Video. Es erzeugt keines.
Die Videowerkzeuge, die tatsächlich dokumentiert sind
Es gibt einen wirklich dokumentierten Weg, im Dossier Video zu erzeugen, und er kommt ganz ohne Videomodell aus. Vincent Schmalbach schrieb am 30. September darüber, mit Claude Code Erklärvideos zu bauen. Der Agent schreibt eine HTML- und JavaScript-Canvas-Seite, ruft sie in Headless Chrome Bild für Bild ab und übergibt die Frames an ffmpeg. Dafür baute er ein Framework namens explainroo, MIT-Lizenz, bei dem Sprachmodell, Wort-Timing und Musikgenerierung lokal laufen, mit rund 400 MB Modellen und ohne API-Schlüssel.
Seine eigene Einordnung ist ehrlich über die Grenzen. Claude Code, schreibt er, könne kein Video direkt erzeugen und sei kein Videomodell wie Veo oder Sora. Das Ergebnis sehe deutlich besser aus als eine Foliensammlung. Ein 15-Sekunden-Video rendert auf seinem System in 16 Sekunden, unter Linux, macOS und Windows weniger getestet.
Verglichen mit dem, was die Branchenschlagzeilen beschreiben, 30-Sekunden-Generierungen in einer Einstellung und 4K-Ausgabe, ist der Abstand offensichtlich. Das Dossier kann den Bild-für-Bild-Ansatz belegen. Die Spitze kann es nicht belegen.
Was die umliegenden Veröffentlichungen nahelegen
Wenn in diesem Paket eine Geschichte darüber steckt, wohin die Modellveröffentlichungen laufen, dann ist sie billiger und kleiner, nicht filmreifer. Fulcrum erklärte am 30. September, sein Schreibmodell Echo habe weniger als 5.000 Dollar an Training gekostet und schlage Spitzenmodelle bei der Stilnachahmung auf seiner eigenen stylometrischen Elo-Metrik, wobei diese Metrik von Fulcrum selbst definiert wurde. Liquid AIs D1-Familie umfasst Open-Weight-Modelle mit 1.900.000.000, 2.200.000.000 und 587.000.000 Parametern, abgerechnet nur über Input-Tokens, weil sie keine Output-Tokens produzieren.
Bespoke Labs' Nimble, ein Entscheidungsmodell mit 9.000.000.000 Parametern, feinabgestimmt aus Qwen3.5-9B, ist jetzt in Ollama. Bespokes Repository gibt an, Nimble-v4-max habe 68,46 in der öffentlichen Decision-Index-Suite erzielt und Nimble-v4 63,70, beide gemessen in Bespokes eigenem Lauf am 12. Oktober und noch nicht im Dashboard des Index. Freiwillige trainieren über Pull Requests und einen GitHub-Actions-Cronjob ein Modell mit rund 145.000.000 Parametern namens Coop vor, ohne Server und ohne Finanzierung.
Nichts davon ist Video. Es erinnert daran, dass die Veröffentlichungskadenz in diesem Dossier von kleinen, spezialisierten, billig trainierten Modellen dominiert wird, und dass die lautesten Video-Behauptungen als Schlagzeilen ohne Text ankamen.
Was mit einem unbelegten Thema zu tun ist
Die Versuchung ist, den Gemini-4-Argon-Artikel aus der Schlagzeile und dem Blogtitel zu schreiben. Das würde die Quellenregel gleich doppelt brechen: Eine Schlagzeile ist keine Quelle, und eine Kontextliste ist ausdrücklich als unbrauchbar für Fakten markiert. Dasselbe gilt für die Kling-4.0- und Seedance-Einträge, die Daten im Oktober und November tragen, Wochen nach dem frischesten Material im Dossier.
Es gibt einen zweiten Grund zur Vorsicht. Veröffentlichungen zur Videogenerierung werden in dieser Zeit über Pressemitteilungen und Aggregator-Reposts gemeldet, und die Schlagzeilenliste des Dossiers zeigt dieselbe Geschichte zweimal unter verschiedenen Domains, Forbes über news.google.com neben Forbes direkt. Zählte man sie als zwei Medien, würde das die Quellenlage aufblähen, ohne einen Fakt hinzuzufügen.
Der ehrliche Artikel ist also dieser: ein Hinweis, dass das Dossier keine Geschichte über eine Videomodell-Veröffentlichung stützt, plus eine Darstellung dessen, was es stützt. Das Robotikergebnis DreamZero, das Messwerkzeug qc, die Bild-für-Bild-Pipeline explainroo und ein Block kleiner Modellveröffentlichungen vom 30. September.
Will die Redaktion die Gemini-4-Argon-Geschichte, braucht sie den Google-Blogpost und den TechCrunch-Bericht in der Quellenliste, mit URLs und extrahiertem Text. Dann lassen sich die Zahlen, die Benchmarks und die Zitate prüfen. Bis dahin bleibt der Lead, wo er ist.
Quellen
11- 01Echo – A SOTA writing model for style imitation | FulcrumEN
- 02Liquid AI decision models D1 documentationEN
- 03Phonon-2: most accurate open speech recognition model in a 164 MB downloadEN
- 04DreamZero: World Action Models Are Zero-Shot PoliciesEN
- 05Qc: Video quality check and h264/HEVC/av1 ladder optimizationEN
- 06How to Make Videos with Claude Code - Vincent SchmalbachEN
- 07Nimble: Data, Model, Recipe for an Open Jev (From Bespoke Labs)EN
- 08Ollama now supports Jev-like decision models all locally in 0.35EN
- 09Coop: A small language model pretrained by volunteersEN
- 10Cohere: Embed 5 – A New Family of Frontier Embedding ModelsEN
- 11Nvidia Kumo Tabular: Open Foundation Model for Tabular PredictionEN
Alle Zahlen und Zitate in diesem Text stammen aus den unten genannten Quellen.
Die Materialien wurden vom Redaktionsteam mit Unterstützung von KI erstellt.
Kommentare
0- Noch keine Kommentare — seien Sie der Erste.