https://www.youtube.com/watch?v=ZKfd9S9lOtc 00:48 | Multiworld：大规模多代理多视角影片世界模型 技术核心：由香港大学与 Sreal AI 合作开发。这是一个可扩展的世界模型，能 生成动作可控且多视角一致的影片。 关键机制：引入了 多代理条件模组 (MACM) 来精确控制多个个体，以及 全局状 态编码器 (GSE) 确保不同视角间的观测连贯性。 应用场景：适用於多人游戏模拟与多机器人协作任务，支援代理数量与视角的灵 活扩展。 02:46 | OpenGame：开放式游戏代理编程框架 技术核心：中大 MMLab 推出的首个开源代理框架，能将自然语言直接转化为可 运行的网页游戏。 模型驱动：搭载了专为游戏引擎设计的 GameCoder-27B 模型。 创新点：具备「游戏技能」进化机制，包含模板技能（积累项目骨架）与侦错技 能（建立验证修复协议），解决了传统 LLM 在生成复杂游戏时常见的跨文件不一致问题 。 04:25 | UniGenDet：图像生成与侦测的协同演化 技术核心：清华大学提出的统一框架，将「图像生成」与「伪造侦测」结合在一 个闭环中。 协同效应：利用生成知识来缩小侦测器的分布差距，同时透过侦测器的反馈来提 升生成图像的真实度。 解决痛点：有效缓解了侦测器开发总是落後於生成技术进步的「侦测滞後」问题 。 06:16 | Kimi K2.6：开源编码与代理群体技术 技术核心：月之暗面 (Moonshot AI) 的最新旗舰模型。主打长程执行能力（能 处理超过 1000 次工具调用）与 代理群体 (Agent Swarm)。 群体智慧：架构可水平扩展至 300 个子代理 同步执行，并能处理高达 4000 个 协调步骤。 实测表现：能自主完成极其复杂的任务，例如在 13 小时内优化八年前的金融撮 合引擎，程式码修改量达 4000 行。 09:35 | Open CoDesign：开源 AI 设计工具 定位：Claude Design 的开源替代方案，强调「自备模型 (BYO Model)」与「本 地优先」。 功能特色：提供 12 种内建设计技能模组（如仪表板、登陆页等），具备 AI 调 校滑杆（AI-tuned sliders），让使用者能直接调整参数而无需重复输入指令。 10:30 | Mimo v2.5：小米的最强 AI 代理模型 技术核心：显着提升了长程相干性（Long-horizon coherence）与软体工程能力 。 效率优势：在相同任务表现下，其 Token 消耗比 GPT-5.4 或 Claude 4.6 减少 了 40-60%。 案例证明：能自主在 4.3 小时内从零开始用 Rust 语言写出一个完整的 SysY 编译器。 12:55 | ML Intern：Hugging Face 的机器学习实习代理 技术核心：基於 smolagents 框架，旨在自动化 LLM 的後训练工作流。 自动化流程：能自动阅读 arXiv 论文、寻找数据集、编写代码并在本地或云端 GPU 上执行模型训练任务。 战绩：在科学推理基准测试 (GPQA) 中，表现优於 Anthropic 的 Claude Code 。 14:39 | 人形机器人超越人类马拉松纪录 技术突破：荣耀 (Honor) 开发的人形机器人「Lightning」在北京半程马拉松中 以 50 分 26 秒 夺冠，打破人类世界纪录。 硬体创新：采用液冷系统处理高速运动产生的热能，并模拟精英运动员的腿部长 度比例。 16:16 | Unitree 轮式人形机器人 技术突破：宇树科技展示了具备轮足切换能力的机器人，能执行 360 度旋转、 单腿旋转，甚至完成 前空翻 等高难度特技动作，显示出极强的平衡与动力控制能力。 18:14 | Higgsfield：电影级 AI 影片控制 技术核心：专为创作者设计的影片生成平台。提供「草图转影片」、「角色一键 替换」以及「虚拟语音唇形同步」等功能，赋予创作者精确控制摄影机运动与特效叠加的 能力。 (业配) 20:08 | GPT 5.5：OpenAI 的全自动化旗舰 最新动态：OpenAI 推出 GPT-5.5，分为「Thinking」与「Pro」版本。 核心强化：专注於端到端的复杂工作自动化，特别是在代理编码、电脑模拟操作 以及早期科学研究方面有显着提升，强调「多步规划与自我验证」能力。 20:42 | UniGeo：统一 3D 几何推理与生成框架 UniGeo 提出了一个将 2D 视觉感知与 3D 几何结构统一起来的创新模型。它不仅能理解 复杂的空间几何关系，还能根据几何约束生成精确的 3D 内容，显着提升了生成模型在空 间一致性与几何精度上的表现。 22:15 | EditCrafter：高保真图像编辑与内容迁移技术 EditCrafter 专注於提供极高精确度的图像编辑功能。它能够根据使用者提供的指令，对 图片中的局部细节进行无痕修改或风格迁移，同时确保图片整体的结构完整性与光影真实 感，是创作者进行高品质影像後制的强力工具。 23:40 | GPT Image 2：影像生成理解力再进化 此部分介绍了 GPT Image 2 在复杂构图理解上的突破。相较於前代，它在执行长文本指 令与处理细节特徵（如图像中的文字嵌入）方面有更强的逻辑性，让生成结果更符合使用 者的预期。 24:41 | LTX HDR：高动态范围视讯生成方案 LTX HDR 针对视讯生成的视觉品质进行了大幅优化。其核心技术在於生成具备高动态范围 （HDR）效果的影像，在光影过渡、色彩饱和度及暗部细节上展现出影视级别的质感。 25:43 | VisionBanana：前沿视觉辨识与多模态理解基准 VisionBanana 是一项专为提升图像辨识与理解能力而设计的技术（名称趣味地呼应了 NanoBanana）。它透过更精细的特徵提取算法，加强了模型对图像中复杂物件与背景关系 的辨别度，是目前衡量视觉语言模型（VLM）性能的重要技术指标。 28:41 | HY3：腾讯混元大语言模型最新进化版 HY3 是腾讯混元（Hunyuan）系列中新一代的大语言模型。此版本在逻辑推理、长文本理 解以及中文语境的处理能力上进行了全面优化，能提供更自然、更具深度的人机对话体验 ，并支援更复杂的创意写作与专业分析任务。 30:53 | DeepSeek V4：深度求索模型全面升级 DeepSeek V4 正式发布，重点提升了逻辑推理、复杂代码编写及数学问题解决能力。作为 最新一代模型，它在多语言对话的自然度与知识储备的深度上皆有显着进步。 33:35 | CoInteract：人物与物品互动（电商销售）影片生成技术 CoInteract 专攻於生成极其自然的人物与物品互动影片。该技术特别适用於电商与销售 场景，能精确模拟人物展示商品、操作物品的动态过程，解决了以往生成影片中人物手部 动作与物体接触不自然的痛点。 35:01 | Qwen 3.6 27B：通义千问高效能平衡版 阿里巴巴 Qwen 3.6 系列中的 27B 参数模型。该版本在模型体积与运算效率间取得了绝 佳平衡，在多项第三方评测中，其逻辑处理能力展现出挑战更大型模型的实力。 36:42 | UniMesh：统一 3D 网格生成与重建技术 UniMesh 旨在简化 3D 建模流程，能从多样化的输入（如单张影像或点云资料）直接生成 高品质、具备拓扑结构的 3D 网格。这对於游戏开发与自动化工业建模具有极大的应用价 值。 -- Gemini整理 吹Deepseek的影片也看一些了 总觉得越做越强就更危险 像是学Mythos搞网攻什麽的 --

※ 发信站: 批踢踢实业坊(ptt.cc), 来自: 220.136.196.138 (台湾) ※ 文章网址: https://webptt.com/cn.aspx?n=bbs/AI_Art/M.1777178942.A.6C9.html ※ 编辑: error405 (220.136.196.138 台湾), 04/26/2026 12:51:11