https://www.youtube.com/watch?v=-D7o3E0eBf4 这部影片整理了当周多项重量级的 AI 技术与新闻，内容涵盖大型语言模型、影片生成、 机器人以及实用的工具。以下是根据资讯栏时间轴所做的简要重点整理： 核心语言模型与编码器 Claude Opus 4.6 (06:13)：Anthropic 推出的最强模型，在知识工作、代理式搜寻 和视觉推理（Arc AGI 2）上表现极佳，在多个排行榜上名列前茅，但运行速度较慢且成 本最高。 GPT 5.3 Codex (09:34)：OpenAI 专为编码设计的代理模型，具备「递归自我改进」 能力（开发团队用早期版本来辅助开发自身）。在编码基准测试中超越 Opus 4.6，能快 速生成游戏或 PowerPoint 简报。 StepFun 3.5 Flash (12:39)：高效能的中型开源模型，在深度推理和科学研究上可 媲美顶级闭源模型，且生成速度极快。 Qwen3 Coder Next (24:20)：阿里巴巴推出的开源编码代理，体积虽小（80B）但效 率极高，在处理复杂编码任务时表现稳定。 多模态与视觉处理 GLM OCR (01:17)：强大的光学字元识别模型，能精准解析图像中的文字、表格、公 式甚至手写字迹，效能超越许多付费模型且可本地运行。 MiniCPM o4.5 (16:18)：全能型（Omnimodal）模型，支援语音、影像、视讯输入。 它可以像真人一样进行语音对话，甚至模仿特定名人的声音（如 Elon Musk）。 PaperBanana (32:05)：Google 研发的 AI，专为学术论文设计，能自动根据数据生 成精确且美观的图表与插图。 影片编辑与生成技术 Interactavatar (03:30)：腾讯推出的技术，能让 AI 人物根据指令与物体互动（如 拿起桌上的耳机），而不仅仅是说话。 Context Forcing (30:27)：显着提升影片生成的一致性，能产出比以往长 2 到 10 倍且背景、人物不变形的长影片。 Omnimatte Zero (35:51)：能精准移除影片中的特定物体（包含倒影与阴影），或将 物体分离出来更换背景。 EditYourself (43:04)：强大的影片编辑工具，能修改人物说话的内容，甚至移除口 吃，并自动调整对嘴（Lip-sync）使其看起来极为自然。 机器人与 3D 技术 SkinTokens (21:13)：能自动为 3D 模型估算骨架（Rigging），让非人类角色（如 蛇、螃蟹）也能快速进行动画制作。 Husky 与 Unitree 冬季挑战 (27:59, 29:38)：展示了 UniTree G1 机器人在极端环 境（-47°C）下的耐力，以及学会滑滑板并在不稳定表面保持平衡的能力。 3DiMo (38:00)：不仅能将动作转移到新角色，还能同时控制相机视角（如缩放或环 绕拍摄）。 此外，影片中也提到了专门用於科学研究的 Intern S1 Pro (22:25)，以及 ByteDance 推出的快速影片生成器 FSVideo (34:34)。这周的新闻显示 AI 正从单纯的文字处理，快 速扩展到更复杂的物理互动、精准影片编辑与专业科学领域。 -- Gemini3整理 居然没提到开源音乐的ace-step 1.5 https://www.youtube.com/watch?v=QzddQoCKKss 有demo可以玩 https://huggingface.co/spaces/ACE-Step/Ace-Step-v1.5 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 114.36.214.5 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/AI_Art/M.1770523544.A.0C3.html