https://www.youtube.com/watch?v=fpAbYRNxYPM 这部影片介绍了 2025 年 12 月当周发布的多项重大 AI 新闻与工具。以下是重点摘要： 重点 AI 模型与更新： GPT-5.2 (OpenAI)：被称为「最适合专业知识工作的模型」。在多项基准测试中超越 人类专家，特别擅长多步骤逻辑推理、代理编码 (Agentic coding) 以及处理超长文本（ 如整个代码库或长篇文档），准确率极高。 Devstral 2 (Mistral)：最新的开源编码模型系列，包含 123B 和 24B (Small) 两 个版本。在编码能力上接近 GPT-5.1 和 Gemini 3 Pro 等闭源模型，适合在消费级 GPU 上运行。 Gemini 2.5 Text-to-Speech (Google)：Google 更新了其语音生成模型，增强了表 现力、语气丰富度及对风格提示的遵循度，能更自然地控制语速和情感。 GLM-4.6V (智谱 AI)：具备原生工具使用能力的多模态模型（Vision Agent）。能自 主浏览网页、分析文档、解析影片内容，甚至将网页截图转换为 HTML 代码。提供适合本 地运行的 Flash 版本。 影片与图像生成/编辑工具： Wan-Move (阿里云)：透过在起始帧绘制轨迹来精确控制影片中物体的移动路径，甚 至能控制摄影机运镜（如推拉摇移），效果优於 Kling 1.5 Pro。 Light-X：能改变现有影片的「摄影机运镜」和「光影效果」。例如将影片重新打光 （如日落光线）或改变视角，还能将人物合成到新背景并自动调整光影。 TwinFlow：极速图像生成技术。能将扩散模型的生成步数缩减至仅需「1 步」，速度 比传统方法快数十倍，且品质相当。 EgoEdit (Snapchat)：实时影片编辑 AI。只需输入提示词（如「把水变成岩浆」） ，即可在极低延迟下实时修改影片内容，适用於 AR 眼镜等场景。 OneStory (Meta)：能根据提示词或图片生成多个「连贯」的影片片段，保持角色、 场景和物体在不同镜头间的一致性，适合制作长篇故事。 Saber：影片参考物体插入工具。能将图片中的人物或物体无缝且一致地插入到影片 中，在保持角色特徵方面表现优异。 StereoWorld：将普通影片转换为具备深度感知的 3D 立体影片（需配戴 3D 眼镜观 看），在视觉品质和几何一致性上表现领先。 其他实用 AI 工具： Window Seat：专门用於去除照片中窗户反光的 AI，效果优於现有工具，能还原清晰 的窗外景色。 AutoGLM (智谱 AI)：能自主操作手机的 AI Agent。可依指令自动执行跨 App 操作 ，如在外送平台点餐、在地图导航或发送讯息。 Qwen Image i2L：极速 LoRA 训练工具。仅需一张图片即可在几秒钟内训练出特定风 格或角色的 LoRA 模型。 MoCA：3D 模型生成器，能从图片生成复杂的 3D 物体并将其分解为可编辑的部件（ 如将恐龙模型拆解为头、身体、四肢）。 MoCap Anything：从影片中捕捉任何对象（人类、动物甚至鱼类）的动作，并将其动 作迁移到其他模型上（例如让老鹰模仿鳄鱼的动作）。 NewBie Image：专为生成动漫风格优化的轻量级图像模型 (3.5B)，适合在低阶设备 运行。 RealGen：透过「检测器奖励机制」训练的图像模型，专注於生成极度逼真的照片级 图像。 这周的 AI 进展非常迅速，涵盖了从基础大模型、影片编辑到手机自动化操作等多个领域 。 -- 闲来看个AI新闻 发现东西多到看不完 乾脆丢给AI整理 gemini整理的又比grok更详细点 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 220.136.195.152 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/AI_Art/M.1765687120.A.FFD.html