https://www.youtube.com/watch?v=fpAbYRNxYPM 這部影片介紹了 2025 年 12 月當週發布的多項重大 AI 新聞與工具。以下是重點摘要： 重點 AI 模型與更新： GPT-5.2 (OpenAI)：被稱為「最適合專業知識工作的模型」。在多項基準測試中超越 人類專家，特別擅長多步驟邏輯推理、代理編碼 (Agentic coding) 以及處理超長文本（ 如整個代碼庫或長篇文檔），準確率極高。 Devstral 2 (Mistral)：最新的開源編碼模型系列，包含 123B 和 24B (Small) 兩 個版本。在編碼能力上接近 GPT-5.1 和 Gemini 3 Pro 等閉源模型，適合在消費級 GPU 上運行。 Gemini 2.5 Text-to-Speech (Google)：Google 更新了其語音生成模型，增強了表 現力、語氣豐富度及對風格提示的遵循度，能更自然地控制語速和情感。 GLM-4.6V (智譜 AI)：具備原生工具使用能力的多模態模型（Vision Agent）。能自 主瀏覽網頁、分析文檔、解析影片內容，甚至將網頁截圖轉換為 HTML 代碼。提供適合本 地運行的 Flash 版本。 影片與圖像生成/編輯工具： Wan-Move (阿里雲)：透過在起始幀繪製軌跡來精確控制影片中物體的移動路徑，甚 至能控制攝影機運鏡（如推拉搖移），效果優於 Kling 1.5 Pro。 Light-X：能改變現有影片的「攝影機運鏡」和「光影效果」。例如將影片重新打光 （如日落光線）或改變視角，還能將人物合成到新背景並自動調整光影。 TwinFlow：極速圖像生成技術。能將擴散模型的生成步數縮減至僅需「1 步」，速度 比傳統方法快數十倍，且品質相當。 EgoEdit (Snapchat)：實時影片編輯 AI。只需輸入提示詞（如「把水變成岩漿」） ，即可在極低延遲下實時修改影片內容，適用於 AR 眼鏡等場景。 OneStory (Meta)：能根據提示詞或圖片生成多個「連貫」的影片片段，保持角色、 場景和物體在不同鏡頭間的一致性，適合製作長篇故事。 Saber：影片參考物體插入工具。能將圖片中的人物或物體無縫且一致地插入到影片 中，在保持角色特徵方面表現優異。 StereoWorld：將普通影片轉換為具備深度感知的 3D 立體影片（需配戴 3D 眼鏡觀 看），在視覺品質和幾何一致性上表現領先。 其他實用 AI 工具： Window Seat：專門用於去除照片中窗戶反光的 AI，效果優於現有工具，能還原清晰 的窗外景色。 AutoGLM (智譜 AI)：能自主操作手機的 AI Agent。可依指令自動執行跨 App 操作 ，如在外送平台點餐、在地圖導航或發送訊息。 Qwen Image i2L：極速 LoRA 訓練工具。僅需一張圖片即可在幾秒鐘內訓練出特定風 格或角色的 LoRA 模型。 MoCA：3D 模型生成器，能從圖片生成複雜的 3D 物體並將其分解為可編輯的部件（ 如將恐龍模型拆解為頭、身體、四肢）。 MoCap Anything：從影片中捕捉任何對象（人類、動物甚至魚類）的動作，並將其動 作遷移到其他模型上（例如讓老鷹模仿鱷魚的動作）。 NewBie Image：專為生成動漫風格優化的輕量級圖像模型 (3.5B)，適合在低階設備 運行。 RealGen：透過「檢測器獎勵機制」訓練的圖像模型，專注於生成極度逼真的照片級 圖像。 這週的 AI 進展非常迅速，涵蓋了從基礎大模型、影片編輯到手機自動化操作等多個領域 。 -- 閒來看個AI新聞 發現東西多到看不完 乾脆丟給AI整理 gemini整理的又比grok更詳細點 --

※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.136.195.152 (臺灣) ※ 文章網址: https://webptt.com/m.aspx?n=bbs/AI_Art/M.1765687120.A.FFD.html