封面图(官网截图)

3月19日，天工AI大模型SkyReels V4登上Artificial Analysis榜单Text to Video (With Audio)  赛道全球第一，显著超越Kling 3.0、Google Veo 3.1、Vidu Q3、OpenAI Sora  2等全球主流模型，成为全球AI视频生成能力最强的大模型，标志着中国AI视频生成技术实现世界级引领。

榜单地址：https://artificialanalysis.ai/video/leaderboard/text-to-video?audio-output=true

同时，SkyReels V4正式上线API入口，面向全场景开放API能力。

SkyReels V4  API核心能力完整覆盖本模型的所有核心功能，从基础的文生视频、图生视频，到多模态参考生成、视频编辑与修复、音画联合生成，全能力开放、支持灵活的参数配置，可满足不同场景的定制化需求。

无论是内容平台、电商平台、教育机构、品牌方，还是开发者团队、创作工作室等，无需从零开始搭建大模型，不用再投入巨额的研发成本，只需通过SkyReels的API，即可直接调用这套全球顶尖的音视频联合生成能力，为自己的产品、业务、场景赋能。

我们希望将SkyReels V4的视频生成核心能力嵌入到每一个有需求的场景里，赋能全行业的合作伙伴。

SkyReels  V4在双流架构解决音画同步核心问题的基础上，带来两大核心变革：一方面，通过全模态强化学习(RL)为AI注入逻辑推理能力;另一方面，新增多帧参考、网格图参考等高阶任务，将视频生成的一致性与可控性推至行业新高度。

1

核心突破一：

全模态强化学习体系全面升级，从语义Reward到阶梯式课程学习

针对传统扩散模型重局部像素、轻整体语义逻辑、物理常识与叙事逻辑的行业痛点，我们打造了一套从评判标准到成长路径的完整强化学习体系。

一方面搭建全模态语义Reward模型，覆盖文生视频(T2V)、图生视频(I2V)、视频编辑、音视频对齐全场景，为生成提供全局精准的实时反馈，全方位优化生成效果;另一方面采用阶梯式课程强化学习路径，从分辨率与时长、任务复杂度、数据难度三个维度，让模型由简入繁掌握复杂能力，最终实现1080p  15s商用长序列生成，以及多任务大一统的能力框架。

该体系不仅实现了模型全任务能力的全面提升，更带来了极强的跨任务泛化性，模型习得的视频生成底层通用规律，可在不同任务间自由迁移。

2

核心突破二：

新增两大高阶参考任务，大幅拓展应用边界

本次升级新增关键帧参考能力 与网格图参考能力 ，全面提升视频生成的稳定性与灵活性。

其中，关键帧参考能力可基于用户给定的多节点关键帧，精准推演逻辑严密、动作连贯的中间画面，实现极强的时空补完能力;专为短剧生成打造的网格图参考能力，支持用户上传至多9张剧情关键帧，模型可稳定提取并保留角色特征与场景风格，生成逻辑完整、角色与场景全程连贯的叙事视频，解决了短剧生成中角色走形、场景跳跃的行业痛点。

3

做坚实的技术赋能者，SkyReels与行业共同迎接AI视听新时代

过去一年多，SkyReels团队致力于将 “生成专业、好用、有感染力的视听内容”，变成可复现、可控制、可迭代的系统能力。

昆仑万维已经陆续发布并开源多个SkyReels模型，包括SkyReels V1、SkyReels V2、SkyReels V3、SkyReels  V4，以及SkyReels A1、SkyReels A2和SkyReels A3。

其中，2025年上半年，SkyReels A1模型发布，将人像动画、表情驱动功能做到极致，打破AI人像 “僵硬、无灵魂”  的行业痛点;2025年年中，SkyReels V2开源，攻克无限时长影视生成核心难题，迈出从 “生成片段” 到 “生成故事”  的关键一步;2026年初，SkyReels V3升级迭代，多模态理解、画面一致性、动态流畅度、生成质量全面跃升，完成从 “能生成” 到 “生成得好”  的跨越。

今天登顶Artificial Analysis榜单Text to Video (With Audio) 赛道全球第一，和用户见面的SkyReels  V4模型，不是偶然的技术爆发，而是团队沿着高质量视频生成这条路，持续深耕、反复打磨，自然生长出来的结果。它不是单点能力的升级，而是从底层架构到上层能力，从生成质量到创作自由度，全维度的革新与突破。

未来，SkyReels希望在AI视听这个全新的赛道上，做最坚实的技术赋能者，用最顶尖的技术打破创作的门槛，与全行业伙伴一起，迎接这个属于 AI  视听的全新时代。

昆仑轩