推 rex7788: gemini是不是很喜歡用 最強 超越 頂尖這些形容詞 12/28 16:26
→ error405: 強韌 無敵 最強 12/28 16:29
推 Destiny6: minimax是套皮嗎？看百度上的介紹感覺研發跟成長速度也 12/28 16:48
→ Destiny6: 太快... 12/28 16:48
推 Supasizeit: 都阿里系的 12/28 17:02
推 jakkx: 期待3D regen與nv... 12/29 11:29
https://www.youtube.com/watch?v=1IZMwC3oDfc
這部影片整理了本週（2025年12月底，聖誕假期期間）發布的大量 AI 新技術與模型。以
下是各項重點新聞的詳細簡介：
核心 AI 模型與開源 (Open Source)
MiniMax M2.1 (Open Source)：
被稱為「最強開源模型」之一，特別擅長 Agentic Coding (代理編碼) 和多步
驟推理。
在 SWE-bench Verified 和多語言編碼測試中，成績超越 Claude 4.5、Gemini
3 Pro 和 GPT-5.2 等閉源模型。
實測強大：能通過單一提示詞（Zero-shot）生成包含物理碰撞與加速機制的
3D 賽車遊戲，或製作帶有互動圖表的複雜財務報告。
本地運行：參數約 229B，需要企業級硬體（如 DGX），但已開源供下載。
GLM-4.7 (Zhipu AI)：
另一個強大的開源模型，同樣在編碼、工具使用和複雜推理上表現頂尖。
能生成 Android 操作系統模擬器、功能完整的 SimCity 遊戲、甚至是線上影片
編輯器。
在 Humanities Last Exam (人文學科終極考試) 中得分超越 GPT-5.2。
影片與圖像生成/編輯工具
FlashPortrait (Alibaba TongYi Lab)：
能生成無限長度的人物說話影片（Avatar），且保持角色一致性。
速度快 6 倍：比 Live Portrait、Hunyuan 等競品更快，且支援長影片不崩壞
。
已開源代碼和模型，可在消費級 GPU 上運行（10GB VRAM 即可）。
Qwen ImageEdit 2511 (Alibaba)：
最新的開源圖像編輯模型（原定 11/25 發布，延期至現在）。
被譽為最強開源圖像編輯器（類似 Nano Banana 的本地版）。
整合了多種 LoRA 功能：內建重新打光 (Relighting)、視角轉換 (Novel View
Synthesis) 和風格遷移。
已有 2-bit 量化版本，可在 8GB VRAM 顯卡上運行。
IMC Cam：
能改變現有影片的攝影機運鏡 (Camera Movement)。
例如將原本固定的鏡頭變成推拉、平移或環繞鏡頭，且保持角色和背景的一致性
。
已開源，但硬體需求極高（需 50GB+ VRAM）。
Dream Montage (ByteDance)：
允許使用者上傳多個關鍵影格 (Keyframes) 來精確控制影片內容。
AI 會自動生成影格之間的過渡動畫（In-betweening），讓影片按順序呈現不同
場景（如從眼睛變焦到城市，再到蝴蝶）。
可在 Dreamina 平台上試用。
Generative Refocusing：
事後對照片進行重新對焦 (Refocus) 的 AI。
能修復失焦的照片，或改變景深（如模糊背景製造電影感，或讓模糊的背景變清
晰）。
已開源，模型輕量（約 2.6GB）。
Rico (Region Constraint in Context Generation)：
影片版的 Nano Banana，支援透過文字指令對影片進行局部編輯。
能替換影片中的角色（如男人變企鵝）、更改服裝、新增或移除物體，甚至轉換
整個影片的畫風。
預計 2-3 週後開源。
遊戲與 3D 技術
Nitrogen (NVIDIA)：
能自主遊玩幾乎所有電子遊戲的 AI Agent。
基於 Vision-Action 模型，透過像人類一樣「看螢幕」和「操作手把」來玩遊
戲，而非讀取遊戲代碼。
訓練數據包含 40,000 小時的遊戲影片，涵蓋 1,000 多種遊戲。
AnyX (Animate Any Character in Any World)：
能將任何 3D 角色放入任何 3D 場景中，並透過文字指令控制其動作（如跳舞、
彈豎琴、吃披薩）。
代碼即將開源。
3D Regen：
從單張室內照片生成可編輯的完整 3D 場景。
能識別並重建房間內的所有家具與物件，讓你能在 3D 空間中移動它們。
預計 2026 年 1 月底開源代碼。
Spacia：
具備空間記憶 (Spatial Memory) 的影片生成模型。
生成的場景在時間和空間上保持一致（例如鏡頭移開後再移回來，原本的物體還
在原地），適合生成 VR 場景。
Carry 4D (NVIDIA)：
從影片中重建人類與物體互動的 3D 模型。
能精確捕捉手部操作物體的細節，主要用於訓練人形機器人模仿人類動作。
其他
Unitree Robot Demo：展示了新的人形機器人遙操作（Teleoperation）技術，人類
無需穿戴笨重設備即可實時控制機器人動作。
MV Inverse：從一張或多張照片反推場景的物理屬性（如顏色、光照、材質粗糙度、
法線方向）。
這週的更新非常多，特別是在開源領域（MiniMax, GLM-4.7, FlashPortrait, Qwen
ImageEdit）有重大突破，讓個人開發者也能使用頂尖的 AI 工具。
--
Gemini3整理
開源版香蕉 影片版香蕉 ..香蕉大拍賣
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.36.220.95 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/AI_Art/M.1766894415.A.446.html