https://www.youtube.com/watch?v=JxrVtFER1Q8 这部影片介绍了许多本周（2025年12月21日左右）发布的 AI 新技术与模型，内容相当丰 富。以下是各项新东西的详细简介： 核心大模型与开源模型 Xiaomi MiMo V2 Flash (小米)： 被称为目前最强的开源模型，在 Agentic Coding（代理编码）和推理任务上表 现超越了 DeepSeek 和 Kimi k2 Thinking。 这是一个混合专家模型 (MoE)，总参数 309B，但在运行时仅激活 15B，因此效 率极高。 在多个基准测试（如 SWE-bench Verified）中表现接近 GPT-5 和 Claude 4.5 等闭源模型。 Gemini 3 Flash (Google)： Google 发布的高效率模型，是目前性价比最高的选择。 速度比 Gemini 2.5 Pro 快 3 倍，成本仅为 Gemini 3 Pro 的四分之一，但性 能依然强大，在 Artificial Analysis 排行榜上名列第二（仅次於 GPT-5.2 和 Gemini 3 Pro）。 具备 100 万 token 的上下文窗口，并在多模态（影像、音讯理解）表现出色。 影片生成与编辑工具 Hunyuan World 1.5 (Tencent)： 一个即时 (Real-time) 3D 世界生成器。 不像传统游戏是预先设计好的，它是随着你的移动（使用 WASD 键）即时生成场 景。 支援透过提示词即时改变环境（例如「木头冒烟」、「城堡失火」、「远处爆炸 」）。 已开源，且硬体需求相对较低（只需 14GB VRAM）。 SeaDance 1.5 Pro (ByteDance)： 字节跳动推出的影片生成模型，被评价为比 Alibaba 的 Wan 2.6 更强。 在影片一致性、美学和动作流畅度上表现优异，且支援生成带有音讯的影片。 Wan 2.6 (Alibaba)： Wan 2.5 的小幅升级版，新增了 Reference to Video 功能（可上传参考影片来 生成新影片）。 虽然支援音讯生成，但在整体表现上被评价为不如 SeaDance 1.5 Pro，且目前 似乎是闭源的。 RealVideo (Zhipu AI / GLM Team)： 即时人物说话影片生成器。 能根据输入的文字和一张照片，即时生成说话的 Avatar 影片，延迟仅约 2 秒 。 已开源，基於 CogVideoX 模型架构。 Long V2： 专门解决 AI 影片长度限制的问题，能生成长达 5 分钟 的超长影片，且保持场 景连贯性（大多现有模型仅能生成 10 秒左右）。 已开源，支援在消费级 GPU 上运行（需 14GB VRAM）。 Turbo Diffusion： 一个加速工具，能将本地影片生成速度提升 100 到 200 倍。 例如生成 5 秒影片仅需 2 秒（原先可能需数分钟），且几乎不牺牲画质。 已开源，适用於 Wan 2.1/2.2 等模型。 Ray 3 Modify (Luma Labs)： 强大的影片重绘/修改工具。 能将现有影片转换风格（如夜间模式、冬季），或无缝替换影片中的角色（ Character Swap），甚至能将你自己演出的影片转换为电影场景。 EgoX： 能将第三人称视角的影片转换为第一人称视角 (Egocentric) 的 AI。 例如将一段踢球的影片，转换成「你自己正在踢球」的主观镜头。 图像与 3D 生成 Trellis 2 (Microsoft)： 强大的开源 3D 模型生成器，从单张图片即可生成极高品质、细节丰富的 3D 模 型（包括毛发、复杂结构）。 采用了独特的 "Oxels" 技术（结合几何与材质的 3D 像素）。 Stereo Space： 能将普通 2D 照片转换为 3D 立体照片（需配戴红蓝 3D 眼镜观看，或使用交叉 眼观看法）。 能生成具有深度感的立体场景。 Qwen Image Layered (Alibaba)： 能将一张图片拆解为多个透明图层（类似 Photoshop 的图层）。 允许你单独编辑背景、角色或文字，而不影响其他部分。 SVG Text-to-Image (Kling)： 一种不使用 VAE (变分自编码器) 的新型图像生成架构，直接在视觉空间生成图 像。 虽然目前是实验性质，但证明了不依赖 Latent Space 也能生成不错的图像。 Flux 2 Max (Black Forest Labs)： Flux 系列最强模型，但在发布当天刚好撞上 OpenAI 的 GPT Image 1.5，且在 评测中略逊於 GPT Image 1.5 和 Nano Banana Pro (Google Imagen 3)。 角色动画与 Avatar Scale： 目前最强的开源角色动画工具。 能将参考影片中的动作（甚至复杂的回旋踢、跳舞）完美迁移到任何角色（包括 动物、动漫人物）身上，且支援多角色同时动画化。 透过提取 3D 姿势 (3D Pose) 而非仅 2D 姿势来提高准确度。 LongCat Video Avatar (Meituan)： 开源的照片转说话/唱歌影片工具。 只需一张照片 + 音讯，就能生成极其自然、表情丰富（甚至能大笑、呼吸）的 影片，被认为是目前该领域最强的开源工具。 其他工具 VRBGX (Adobe)： 影片材质编辑工具。能将影片分解为 Albedo（颜色）、Normal（表面纹理）、 Material（材质）和 Irradiance（光照）四个属性，并允许你单独修改它们（例如把沙 发改成金属材质，或改变影片的光照环境）。 这周的 AI 进展涵盖了从基础模型、3D 生成、即时互动世界到影片编辑的全方位突破， 且许多强大的工具（如 Xiaomi MiMo, Trellis 2, Scale）都是开源的。 -- Gemini整理 一直进步一直爽 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 220.136.198.21 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/AI_Art/M.1766289972.A.71B.html