MIAOYUN | 每周 AI 新鲜事儿（11.28-12.05）
本周全球科技企业密集发布 AI 领域新成果，腾讯、昆仑万维、快手、Meta、智谱 AI、生数科技、DeepSeek、Runway、NVIDIA、华为、Mistral AI、阿里、火山引擎、可灵 AI 等推出多模态、3D 生成、视频生成、推理优化等方向新模型，聚焦性能提升与商业化适配；技术上，华为发布 MoE 推理优化技术、商汤开源原生多模态架构；同时，阶跃星辰开源 GUI 智能体，拍我 AI、Anuttacon 推出 AI 创作与聊天工具，覆盖生成式 AI、具身智能、行业应用等核心场景，一起来回顾本周发生的 AI 新鲜事儿吧！
AI 大模型
腾讯「混元 3D Studio 1.1」接入「PolyGen 1.5」，直出艺术家级 3D 资产
11 月 28 日，腾讯混元正式推出「混元 3D Studio 1.1」，并接入最新的美术级 3D 生成大模型「混元 3D PolyGen 1.5」，能够直出艺术家级的 3D 资产。「PolyGen 1.5」首创端到端原生四边形网格生成方法，可直接学习四边形拓扑，生成连贯边缘环，布线效果大幅度提升，支持混合拓扑，适用于软/硬表面模型，进一步提升 3D 生成模型的专业可用性。
图：PolyGen1.5 与 mesh 自回归 SOTA 方法效果对比
昆仑万维发布「Mureka V7.6/O2」双模型，音质与效率双提升
11 月 28 日，昆仑万维发布「Mureka V7.6」与「Mureka O2」模型，新模型在音乐性、编曲能力、音质质感和 Prompt 贴合度等多个维度相较前序版本实现显著提升，响应速度和推理效率大幅增强，更适合大规模商业化使用。自今年 3 月发布 O1 与 V6 以来，「Mureka」已吸引近 700 万新增注册用户，覆盖百余国家和地区。
参考：Mureka V7.6和Mureka O2模型正式发布，开启AI音乐创作黄金时代
快手发布「Keye-VL-671B-A37B」模型，升级跨模态对齐能力
11 月 28 日，快手发布了新一代旗舰多模态大语言模型「Keye-VL-671B-A37B」，模型基于 DeepSeek-V3-Terminus 打造，拥有 671B 参数，在保持基础模型通用能力的前提下，对视觉感知、跨模态对齐与复杂推理链路进行了升级，实现了较强的多模态理解和复杂推理能力。
参考：视频理解霸榜！快手Keye-VL旗舰模型重磅开源，多模态视频感知领头羊
智谱 AI 发布「清影 2.0」，一句话生成 1080P 视频自带 AI 音效
11 月 28 日，智谱 AI 推出视频生成模型「清影 2.0」，基于自研 CogVideoX 大模型架构，实现了用文本直接生成 1080P 高清视频的突破，还集成了 CogSound 音效模型，开创了"文生音画"一体化体验的新时代。「清影 2.0」支持最长 10 秒的 1080P 分辨率视频生成，可满足大多数短视频内容创作；集成的 CogSound 音效模型能够根据视频内容智能匹配背景音乐、环境音效等音频元素，实现音画同步的沉浸式体验。
生数科技「Vidu Q2」全球同步上线，生图功能升级，5 秒极速生成
12 月 1 日，生数科技「Vidu Q2」全球同步上线，升级参考生图功能，新增文生图、图像编辑功能，以超强主体一致性、5 秒极速生成、任意比例及 4K 输出等优势，在 Artificial Analysis 全球图像编辑榜单跻身前四超越「GPT-5」，还打通“生图-保存主体-生视频”一站式工作流，覆盖多商业化场景。
第 1-2 秒：中景侧方环绕，蓝袍古风男子疾结“子/丑/寅”印，指尖淡绿荧光，身侧武器轻颤带微光粒子
第 3-4 秒：近景正面推近，手印流转“卯/辰/巳”，掌心淡绿光团膨胀，灵气粒子绕臂盘旋 5 秒：特写第 5 秒：俯视固定，终结“午/未/申”印，淡绿灵光炸成涟漪扩散
体验链接：www.vidu.cn
参考：Vidu Q2生图掀起「一致性革命」，限时无限免费来袭，全球同步上线
「DeepSeek-V3.2」双模型正式发布，强化 Agent 能力，融入思考推理
12 月 1 日，深度求索正式发布「DeepSeek-V3.2」及常思考增强版 「DeepSeek-V3.2-Speciale」两款模型，前者平衡推理能力与输出长度，适合日常使用及通用 Agent 任务；后者融合数学定理证明能力，在 IMO、ICPC 等国际赛事中斩获金牌，推理性能媲美「Gemini-3.0-Pro」。新模型突破过往局限，首次实现思考模式与非思考模式的工具调用融合，通过大规模 Agent 训练数据合成方法构造 1800+环境、85000+复杂指令，大幅提升泛化能力。
参考：DeepSeek V3.2 正式版：强化 Agent 能力，融入思考推理
Runway 推出「Gen-4.5」视频模型，登顶文本转视频 SOTA
12 月 1 日，美国 AI 初创公司 Runway 推出「Gen-4.5」视频模型，在 Artificial Analysis 文本转视频排行榜中以 1247 Elo 评分拿下 SOTA，超越 Google 和 OpenAI 同类产品。该模型擅长理解并执行复杂序列式指令，可在单个提示词中精准指定镜头运镜、场景构图、时间节点和氛围变化，物体移动具备真实重量感与动量特征。
参考：Runway重夺全球第一！1247分碾压谷歌Veo3，没有千亿算力也能干翻科技巨头
NVIDIA 开源全球首个 VLA 模型「Alpamayo-R1」，突破 L4 自动驾驶“黑箱”困境
12 月 1 日，NVIDIA 宣布开源全球首个推理型视觉-语言-动作（VLA）模型「Alpamayo-R1」（AR1），支持摄像头画面与文本指令处理及行车决策输出，主打可解释性，创新引入标注“为什么这样做”的因果链（CoC）数据集、扩散式轨迹解码器及多阶段训练策略，通过高效多相机时序感知的统一编码方式，实现规划精度提升 12%、越界率降低 35%等多项性能优化，端到端延迟仅 99ms，能让自动驾驶 AI 具备“会开车+会思考+会解释”的能力，推动自动驾驶从“黑箱”迈向可解释的 L4 级别。
华为开源扩散语言模型「openPangu-R-7B-Diffusion」，双模式解码创 SOTA
12 月 2 日消息，华为开源扩散语言模型「openPangu-R-7B-Diffusion」，基于 「openPangu-Embedded-7B」经 800B tokens 续训练，创新融合前文因果注意力掩码架构，突破 32K 上下文长度限制，具备“自回归+扩散”双模式解码能力（并行解码速度最高达自回归的 2.5 倍）及“慢思考”能力，在多学科知识、数学推理、代码生成等权威基准中创下 7B 参数量级 SOTA 纪录，其训练推理全流程依托昇腾 NPU 集群完成。
参考：华为新开源！扩散语言模型突破32K上下文，还解锁了「慢思考」
火山引擎发布豆包图像创作模型「Doubao-Seedream-4.5」，强化多图组合能力
12 月 3 日，火山引擎正式发布豆包图像创作模型「Doubao-Seedream-4.5」，该模型在主体一致性、指令遵循精准度、空间逻辑理解及美学表现力上实现迭代，不仅强化了多图组合生成能力，优化了海报排版与 Logo 设计功能，支持高精度图文混排，还能精准响应高阶复杂指令，凭借内置的世界知识与空间逻辑实现合理透视关系和物理规律还原，同时显著提升画面立体感与氛围感，可生成电影级质感图像，目前已全面支持广告营销、电商运营、影视制作、数字娱乐及教育等核心场景。
参考：豆包图像创作模型Seedream 4.5发布：聚焦商业生产力场景
北邮联合小米提出「C²-Cite」溯源大模型，革新 AI 内容可信度技术路径
12 月 3 日，北邮百家 AI 团队联合小米大模型团队提出的溯源大模型「C²-Cite」（已被 WSDM 2026 收录），首创上下文感知的归因生成技术，不仅能让大模型在生成内容时自动标注精准的信息来源，更能确保生成内容与引用的外部知识高度语义对齐，实现每一处表述都有溯源依据、与参考来源深度协同，从根本上解决大模型生成内容的可信度问题。
参考：句子级溯源+生成式归因，C²-Cite重塑大模型可信度
Mistral AI 全量开源「Mistral 3」系列模型，硬刚 DeepSeek
12 月 3 日，法国公司 Mistral AI 发布开源「Mistral 3」系列模型，包含旗舰模型「Mistral Large 3」（总参数 675B，激活参数 41B，MoE 架构）及 3B、8B、14B 尺寸的「Ministral 3」小模型（均有 pretraining、instruct、reasoning 三个版本，支持图像理解与 40+语言）。训练使用 3000 张 NVIDIA H200，LMArena 排名开源非推理模型第二、总榜第六，且该系列模型已与 NVIDIA 等合作优化部署，支持多种硬件设备与算力平台 API 服务，此次开源被视为对 DeepSeek 激进开源策略的战略应对。
阿里通义千问上线「Qwen3-Learning」，推出拍题批改双功能
12 月 3 日，阿里巴巴通义千问上线学习大模型「Qwen3-Learning」，推出拍题答疑和作业批改两大功能。该模型采用混合专家（MoE）架构，总参数量 2350 亿，激活仅需 220 亿，支持拍照识别题目内容，兼容印刷体与手写体，覆盖小学至高中全学科作业批改与解题辅导，融合多国考试体系与真题数据，实现跨文化、多语言精准解答。
参考：千问再放大招！阿里最强学习模型上线，能讲题、会批改、懂专业，直接把老师“请回家”
快手旗下可灵 AI 全能灵感周，连发多款新模型与新功能
快手旗下可灵 AI 全能灵感周，连续 5 天发布新模型与新产品，分别是统一多模态视频大模型「可灵 O1」、新一代全能型图片模型「可灵图片 O1」、音画同出模型「可灵 2.6」、「可灵数字人 2.0」等。
12 月 1 日，可灵 AI 正式上线全球首个统一多模态视频大模型「可灵 O1」，打破功能割裂，构建全新生成式底座。 该模型采用 MVL（多模态视觉语言）交互架构与 Chain-of-thought 技术，支持照片、视频、文字等多模态输入，可实现创意视频生成、局部编辑、镜头延展、动作捕捉等功能，能解决视频一致性难题，支持多主体组合及 3-10 秒、多种比例的视频生成。
12 月 2 日，可灵 AI 全量上线「可灵图片 O1」全能型图像模型，兼具特征全保真、细节全掌控、风格全复刻、创意全融合四大优势，支持图像生成、编辑、风格转换及创意呈现等一站式操作。
图 1 为参考图，输出图 2 为毛毡风格，图 3 为赛博朋克风格
体验链接：https://app.klingai.com/cn/?sessionid=
参考：Day2｜可灵图片 O1 模型全量上线，让创意精准落地！
12 月 3 日，「可灵 2.6」全量上线，Web 端与 App 端同步推出首个音画同出模型，支持文生音画、图生音画两条高效创作路径，能单次生成画面、自然语音、匹配音效及环境氛围，实现音画同步，涵盖单人独白、旁白解说、多人对白、音乐表演、创意场景等多种适用场景，新手也可一键成片，创作效率翻倍，同时需注意禁止利用该 AI 生成功能从事违法活动。
Prompt：图中罗小黑角色唱“早安，喵午安，喵晚安，喵，喵，喵”，并根据歌词跳舞
体验链接：https://app.klingai.com/cn/?sessionid=
12 月 4 日，可灵 AI 全量上线「可灵数字人 2.0」，用户仅需上传角色图、添加配音内容、描述角色表现三步即可生成视频。该版本实现三大突破性升级，表演力全面进化，能精准控制体态动作、手势、表情及镜头语言，口型和手部细节更真实自然，同时打破时限支持最长 5 分钟单次视频生成，可覆盖深度科普、广告营销等多类长内容场景，评测得分超同类产品。
参考：Day4｜可灵数字人 2.0 功能正式上线！不止会说，更会演！
12 月 5 日，可灵 AI 全新上线可灵 O1「主体库」和「对比模板」两大功能，其中「主体库」支持上传多角度参考图构建专属角色、道具和场景，可一键复用、自由组合（视频 O1 至多参考 7 个主体，图片 O1 至多参考 10 个主体），还能通过 AI 补图扩展视角、生成描述，同时提供海量官方主体素材；「对比模板」可一键整合多模态创作的输入与成品，实现 Before& After 高效同框对比，助力爆款传播。
AI Agent
阶跃星辰开源 GUI 智能体「GELab-Zero」，同步推出 AndroidDaily 评测标准
11 月 29 日，阶跃星辰推出开源 GUI 智能体「GELab-Zero」，可适配几乎所有 App，该系统由轻量级推理基础设施与 4B 参数规模的 GUI Agent 模型（GELab-Zero-4B-preview）构成，最大亮点在于可在消费级设备上高效运行，实现低延迟响应与用户隐私保护。此外，阶跃还同步开源了基于真实业务场景的自建评测标准「AndroidDaily」，以期推动 GUI 领域模型评测向消费级、规模化应用发展。
参考：告别GUI Agent工程基建噩梦：阶跃开源4B Agent模型，跑通所有安卓设备，手搓党一键部署
AI 工具
「拍我 AI V5.5」发布，一键生成“分镜+音频”，AI 视频迈入内容生成时代
12 月 1 日，拍我 AI（PixVerse）推出「V5.5」版本，成为国内首个能一键生成“分镜+音频”、实现完整叙事的 AI 视频大模型。该模型具备“导演思维”，能理解镜头、声音与叙事的逻辑关系，支持多角色音画同步、多镜头自主编排，兼容图片转视频、一句话生成剧情短片等场景，在广告片、影视预演等商业化场景中表现出高完成度，推动 AI 视频从“素材生成”迈入“内容生成”时代，降低专业创作门槛，让普通人也能轻松开展视频创作。
Prompt：Anthropomorphic fox (Nick ) leaning on a snow-covered bridge railing in a winter city, wearing a brown puffy down jacket, thick knitted scarf and gloves; snowflakes falling, snow dusted on fur and clothing, frozen river surface in the background, snow-capped urban skyscrapers and warm glowing street lamps; cool winter atmosphere with soft cold-toned lighting; animated movie style, highly detailed fur textures, cinematic composition, 8K, realistic rendering
参考：不止 Sora2！拍我AI V5.5 更新：人人都能用 AI 视频当导演了
Anuttacon 推出「AnuNeko」聊天 AI，双聊天模式主打人格化交互
12 月 1 日，米哈游创始人蔡浩宇创立的 AI 公司 Anuttacon 推出 AI 聊天产品「AnuNeko」，主打人格化交互与情绪价值，产品提供 Orange Cat（温和友善的橘猫）和 Exotic Shorthair（毒舌暴躁的异国短毛猫）两种人格模型，响应迅速且支持多语言交互，但不具备联网、读链接、图片识别、复杂逻辑推理及高效代码编写能。该产品是 Anuttacon 探索 AI 构建沉浸式虚拟世界的重要布局。
参考：「原神之父」做了个毒舌 AI 猫娘，聊了两天的我被怼了八百回
技术突破
华为发布准万亿级 MoE 推理优化技术「Omni Proxy 智能调度」和「AMLA 加速算法」
11 月 28 日，华为发布了准万亿参数规模的 MoE 模型「openPangu-Ultra-MoE-718B-V1.1」及其量化版本，并开源了两大核心优化技术「Omni Proxy 智能调度」和「AMLA 加速算法」，通过六大创新解决传统调度痛点，推理加速套件覆盖服务扩展、任务调度等全栈能力，将硬件算力利用率推至 86.8%、优化推理链路中的计算与通信效率，有效解决了超大规模 MoE 模型在部署时面临的计算、访存和并行策略等挑战，为模型的生产级落地提供了可行路径。
参考：华为放出「准万亿级MoE推理」大招，两大杀手级优化技术直接开源
商汤开源行业首个原生多模态架构「NEO」，1/10 数据量追平旗舰级性能
12 月 1 日，商汤科技与南洋理工大学 S-Lab 合作研发并开源全新原生多模态模型架构「NEO」，打破传统“视觉编码器+语言模型”拼接架构局限。通过原生图块嵌入、三维旋转位置编码、多头注意力三大底层创新及双阶段融合训练策略，实现视觉与语言的深层统一，显著提升图像细节捕捉能力与跨模态关联效率，仅需 3.9 亿图文对（仅业界 1/10 的数据量）即可达到甚至超越现有原生 VLM 的综合性能，支持任意分辨率与长图像输入并可无缝扩展至视频、具身智能等领域，目前已开 2B 与 9B 规格模型。
MIAOYUN，助力企业一秒入云，一键智维！ 2018-11-08 加入
成都元来云志科技有限公司，简称“MIAOYUN”，成立于2019年，总部位于成都，在西安和上海设有研发中心和营销中心。成立以来，MIAOYUN坚持创新自研，致力于帮助客户一站式解决云原生系统复杂管运问题。
评论