推 potatotato: ACE Step 1.5 用起來感覺比HeartMuLa 聽話許多 02/08 14:18
推 AoWsL: Claude Opus 4.6 聽說是4.5六倍消耗..夭壽 02/08 14:42
推 avans: 推介紹! 02/08 17:29
https://www.youtube.com/watch?v=-D7o3E0eBf4
這部影片整理了當週多項重量級的 AI 技術與新聞，內容涵蓋大型語言模型、影片生成、
機器人以及實用的工具。以下是根據資訊欄時間軸所做的簡要重點整理：
核心語言模型與編碼器
Claude Opus 4.6 (06:13)：Anthropic 推出的最強模型，在知識工作、代理式搜尋
和視覺推理（Arc AGI 2）上表現極佳，在多個排行榜上名列前茅，但運行速度較慢且成
本最高。
GPT 5.3 Codex (09:34)：OpenAI 專為編碼設計的代理模型，具備「遞歸自我改進」
能力（開發團隊用早期版本來輔助開發自身）。在編碼基準測試中超越 Opus 4.6，能快
速生成遊戲或 PowerPoint 簡報。
StepFun 3.5 Flash (12:39)：高效能的中型開源模型，在深度推理和科學研究上可
媲美頂級閉源模型，且生成速度極快。
Qwen3 Coder Next (24:20)：阿里巴巴推出的開源編碼代理，體積雖小（80B）但效
率極高，在處理複雜編碼任務時表現穩定。
多模態與視覺處理
GLM OCR (01:17)：強大的光學字元識別模型，能精準解析圖像中的文字、表格、公
式甚至手寫字跡，效能超越許多付費模型且可本地運行。
MiniCPM o4.5 (16:18)：全能型（Omnimodal）模型，支援語音、影像、視訊輸入。
它可以像真人一樣進行語音對話，甚至模仿特定名人的聲音（如 Elon Musk）。
PaperBanana (32:05)：Google 研發的 AI，專為學術論文設計，能自動根據數據生
成精確且美觀的圖表與插圖。
影片編輯與生成技術
Interactavatar (03:30)：騰訊推出的技術，能讓 AI 人物根據指令與物體互動（如
拿起桌上的耳機），而不僅僅是說話。
Context Forcing (30:27)：顯著提升影片生成的一致性，能產出比以往長 2 到 10
倍且背景、人物不變形的長影片。
Omnimatte Zero (35:51)：能精準移除影片中的特定物體（包含倒影與陰影），或將
物體分離出來更換背景。
EditYourself (43:04)：強大的影片編輯工具，能修改人物說話的內容，甚至移除口
吃，並自動調整對嘴（Lip-sync）使其看起來極為自然。
機器人與 3D 技術
SkinTokens (21:13)：能自動為 3D 模型估算骨架（Rigging），讓非人類角色（如
蛇、螃蟹）也能快速進行動畫製作。
Husky 與 Unitree 冬季挑戰 (27:59, 29:38)：展示了 UniTree G1 機器人在極端環
境（-47°C）下的耐力，以及學會滑滑板並在不穩定表面保持平衡的能力。
3DiMo (38:00)：不僅能將動作轉移到新角色，還能同時控制相機視角（如縮放或環
繞拍攝）。
此外，影片中也提到了專門用於科學研究的 Intern S1 Pro (22:25)，以及 ByteDance
推出的快速影片生成器 FSVideo (34:34)。這週的新聞顯示 AI 正從單純的文字處理，快
速擴展到更複雜的物理互動、精準影片編輯與專業科學領域。
--
Gemini3整理
居然沒提到開源音樂的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
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.36.214.5 (臺灣)
※ 文章網址: https://www.ptt.cc/bbs/AI_Art/M.1770523544.A.0C3.html