Update daily summary file for 2025-12-18
This commit is contained in:
何夕2077
@@ -7,11 +7,11 @@
|
||||
### **今日摘要**
|
||||
|
||||
```
|
||||
腾讯混元1.5实现720P实时虚拟场景探索保留三维记忆
|
||||
Kling2.6语音驱动视频小米MiMo开源混合专家模型
|
||||
Seedance1.5音视频同步SAM Audio分割提取声音元素
|
||||
GPT5.2科学推理超专家NVIDIA收Slurm掌控算力调度
|
||||
谷歌Titans三层记忆突破上下文腾讯姚顺雨任首席AI科学家
|
||||
腾讯混元世界模型1.5上线支持文字图片生成互动世界
|
||||
字节Seedance实现100%视听同步已上线即梦豆包
|
||||
OpenAI发布FrontierScience基准GPT-5.2奥赛77%
|
||||
姚顺雨任腾讯首席AI科学家向刘炽平汇报
|
||||
英伟达收购Slurm开发商SchedMD强化算力调度护城河
|
||||
```
|
||||
|
||||
|
||||
@@ -21,85 +21,88 @@ GPT5.2科学推理超专家NVIDIA收Slurm掌控算力调度
|
||||
|
||||
### 产品与功能更新
|
||||
|
||||
1. **腾讯混元世界模型1.5发布，开启实时交互虚拟世界时代。**
|
||||
用户通过文字或图片,即刻[生成可探索的虚拟场景(AI资讯)](https://3d.hunyuan.tencent.com/sceneTo3D?tab=worldplay)。模型支持720P🎮24帧实时生成,离开后重返区域仍保持三维结构记忆。[技术报告(AI资讯)](https://github.com/Tencent-Hunyuan/HY-WorldPlay)首次公开完整训练体系,为游戏开发与虚拟现实✨开辟新赛道。<br/><br/>
|
||||
1. **腾讯混元世界模型1.5上线。**
|
||||
国内首个🎮实时互动体验平台[开放体验(AI资讯)](https://3d.hunyuan.tencent.com/sceneTo3D?tab=worldplay)了！输入文字或图片就能瞬间生成互动世界，用键鼠或手柄(✧∀✧)自由探索。该模型还**首次开源训练体系**，从数据到推理部署全覆盖。<br/><br/>
|
||||
|
||||
2. **Kling 2.6语音控制功能正式上线,创作者可赢万元奖金。**
|
||||
用户使用个性化语音驱动视频创作,参赛作品最高可获1000美元现金💰与16000积分奖励。比赛截至12月31日,优秀作品将登上[Kling官网(AI资讯)](https://app.klingai.com/global/activity-zone?id=829893582643003441)首页展示。<br/><br/>
|
||||
2. **Kling 2.6语音控制功能正式发布。**
|
||||
快影AI📢上线了Voice Control，用你的专属声音创作更具魅力的[个性化内容(AI资讯)](https://forms.gle/wipMhRUgP8WfHDrw9)。官方同步开启创意大赛🏆现金最高1000美金，提交作品就有机会登上首页推荐。<br/><br/>
|
||||
|
||||
3. **小米宣布MiMo大模型向开发者全面开放,人车家生态加速融合。**
|
||||
月活用户达7.42亿🚀,IoT连接设备破10.4亿台。MiMo-V2-Flash开源[混合专家模型(AI资讯)](http://platform.xiaomimimo.com/#/docs/welcome)以极致推理速度和Agent能力,跻身全球开源TOP2,CarIoT硬件生态已与比亚迪等车企深度合作(✧∀✧)。<br/><br/>
|
||||
3. **字节Seedance 1.5 Pro发布。**
|
||||
新一代音视频模型实现🎬100%视听同步，角色口型、语调与表演节奏高度拟合。支持多语种方言自然表达，还能执行希区柯克变焦等高难度[镜头运动(AI资讯)](https://www.aibase.com/zh/news/23764)。已在即梦AI和豆包平台上线。<br/><video src="https://upload.chinaz.com/video/2025/1217/6390156849466857607546185.mp4"></video><br/>
|
||||
|
||||
4. **字节跳动Seedance 1.5 Pro实现100%视听同步。**
|
||||
该模型支持音视频联合生成,用户输入文本或图像即可生成内容。精准口型与语调拟合💡,支持多语种方言自然表达,[即梦AI平台(AI资讯)](https://www.aibase.com/zh/news/23764)已可体验。<br/><br/>
|
||||
4. **Meta推出SAM Audio模型。**
|
||||
继图像分割后，Meta将"🔊分割一切"理念延伸到音频领域。支持文本、视觉和时间跨度三种提示方式，能像[抠图(AI资讯)](https://ai.meta.com/blog/sam-audio/)一样精准分离声音。已在Segment Anything Playground开放试用。<br/><br/>
|
||||
|
||||
5. **Meta推出SAM Audio,让声音像图像般可分割。**
|
||||
用户通过文字、视觉或时间提示,一键提取音频元素🎸,如剔除交通噪音或狗叫声。基于[PE-AV引擎(AI资讯)](https://ai.meta.com/blog/sam-audio/)同步理解视觉与音频,模型已开放下载供研究者使用。<br/><br/>
|
||||
5. **小米MiMo大模型对开发者开放。**
|
||||
小米宣布开放🤖MiMo系列大模型和CarIoT硬件生态。AIoT平台连接设备突破**10.4亿**，开发者规模达[120万(AI资讯)](https://www.qbitai.com/2025/12/361460.html)。MiMo-V2-Flash已开源，在Agent测评跻身全球开源模型TOP2。<br/><br/>
|
||||
|
||||
6. **Meta新款AI眼镜放大对话音量,Messenger桌面版2025年停服。**
|
||||
开放式扬声器设计帮助用户在嘈杂环境清晰听到对话。Messenger桌面应用因缺乏竞争力将于12月15日下线,用户需转至[Facebook网站(AI资讯)](https://www.aibase.com/zh/news/23763)继续使用,无账户者可访问Messenger.com登录。<br/><br/>
|
||||
6. **Meta推出AI听力增强眼镜。**
|
||||
新款眼镜采用开放式扬声器设计，可以放大👓与你交谈的人的声音。特别适合咖啡馆或繁忙街道等[嘈杂环境(AI资讯)](https://www.aibase.com/zh/news/23763)使用，让日常交流更轻松。<br/><br/>
|
||||
|
||||
### 前沿研究
|
||||
|
||||
1. **OpenAI发布FrontierScience基准,GPT-5.2展现专家级科学推理能力。**
|
||||
该基准包含700道物理化学生物[高难度题目(AI资讯)](https://cdn.openai.com/pdf/2fcd284c-b468-4c21-8ee0-7a783933efcc/frontierscience-paper.pdf),设奥赛与研究两赛道🔥。GPT-5.2在奥赛赛道获77%得分,研究赛道25%,均领先其他前沿模型。<br/><br/>
|
||||
1. **OpenAI发布FrontierScience基准。**
|
||||
专为评估专家级科学能力构建，包含物理、化学、生物学数百道原创题目。GPT-5.2在奥赛赛道得分**77%**，研究赛道🔬25%，均领先其他前沿模型。Gemini 3 Pro在奥赛赛道与GPT-5.2[表现相当(AI资讯)](https://cdn.openai.com/pdf/2fcd284c-b468-4c21-8ee0-7a783933efcc/frontierscience-paper.pdf)。<br/><br/>
|
||||
|
||||
2. **NVIDIA收购SchedMD,算力调度王牌Slurm归入生态体系。**
|
||||
全球过半TOP500超算使用Slurm系统,Meta与Mistral等巨头均依赖其[资源调度能力(AI资讯)](https://blogs.nvidia.com/blog/nvidia-acquires-schedmd/)。英伟达承诺保持开源属性,影响力从硬件延伸至调度层💪,即使AMD芯片用户也绕不开其生态辐射。<br/><br/>
|
||||
2. **FreeKV框架提升LLM推理效率。**
|
||||
针对长上下文KV缓存问题，该框架实现算法-系统协同优化。通过投机检索和双缓冲流式召回，达到🚀近无损精度，相比SOTA方法[最高提速13倍(AI资讯)](https://arxiv.org/abs/2505.13109)。<br/>
|
||||
|
||||
3. **美团开源LongCat-Video-Avatar,音频驱动虚拟人创作。**
|
||||
类似字节OmniHuman与快手Avatar技术路线,支持[照片生成视频(AI资讯)](https://meigen-ai.github.io/LongCat-Video-Avatar/),适用主播与MV场景。模型已在Hugging Face🎤发布。<br/><br/>
|
||||
|
||||
4. **谷歌Titans模型让AI拥有真正记忆力,解决金鱼记忆难题。**
|
||||
通过短期、长期与持久三层记忆系统,模型在[Needle in Haystack任务(AI资讯)](https://arxiv.org/abs/2501.00663)中16000字文章准确率达96%🧠。超GPT-4在百万字文档推理表现,用1/70参数量击败Llama3.1。<br/><br/>
|
||||
|
||||
5. **FreeKV算法实现13倍推理加速,解决KV缓存检索瓶颈。**
|
||||
腾讯混元团队提出[Context Forcing蒸馏方案(AI资讯)](https://arxiv.org/abs/2505.13109),在保持精度下以24帧/秒生成720P视频✨。混合CPU与GPU内存布局消除碎片传输,双缓冲流式回忆进一步提效。<br/><br/>
|
||||
3. **Titans让AI有了真正的记忆力。**
|
||||
谷歌Jeff Dean点赞的论文，解决了(✧∀✧)AI的"金鱼记忆"问题。短期记忆+长期记忆+持久记忆三种机制各司其职，在**200万token**超长文本理解任务中准确率96%+，吊打[Mamba2的5.4%(AI资讯)](https://arxiv.org/abs/2501.00663)。<br/>
|
||||
|
||||
### 行业展望与社会影响
|
||||
|
||||
1. **腾讯任命姚顺雨为首席AI科学家,组织架构全面升级。**
|
||||
新成立AI Infra部与AI Data部,姚顺雨向刘炽平汇报兼任[大语言模型部负责人(AI资讯)](https://www.jiqizhixin.com/articles/2025-12-17-17)。95后智能体领域青年研究者(✧∀✧),代表作包括思维树ToT与ReAct框架,论文引用量超1.9万。<br/><br/>
|
||||
1. **姚顺雨出任腾讯首席AI科学家。**
|
||||
官宣！腾讯升级大模型研发架构，95后明星学者姚顺雨任职"CEO/总裁办公室"首席AI科学家，向刘炽平汇报。同时兼任AI Infra部、大语言模型部负责人，将📈全面强化腾讯大模型[研发体系(AI资讯)](https://www.jiqizhixin.com/articles/2025-12-17-17)。<br/><br/>
|
||||
|
||||
2. **摩尔线程LiteGS斩获SIGGRAPH Asia银奖,训练效率提升10倍。**
|
||||
在60秒高质量重建挑战中,平均PSNR达27.58🏆,耗时仅34秒。[开源基础库(AI资讯)](https://github.com/MooreThreads/LiteGS)通过Warp-Based Raster与混合精度策略,仅需原版10%训练时间达同等质量。<br/><br/>
|
||||
2. **英伟达收购Slurm开发商SchedMD。**
|
||||
这波低调出手被评价为"护城河又宽了"💪SchedMD开发的Slurm是全球超半数TOP500超算在用的资源调度工具，Meta、Mistral、Thinking Machines都离不开。哪怕用AMD芯片，只要需要算力调度就[绕不开英伟达(AI资讯)](https://blogs.nvidia.com/blog/nvidia-acquires-schedmd/)。<br/><br/>
|
||||
|
||||
3. **GitHub Actions对自托管runner收费,引发迁移争议。**
|
||||
2026年起私有仓库按$0.002/分钟收取[平台费(AI资讯)](https://newshacker.me/story?id=46291500),虽公开仓库免费但自托管调度被征税💸。评论认为此举财政性惩罚第三方方案,GitLab与Forgejo成替代选项。<br/><br/>
|
||||
3. **AI上下文管理引发隐私争议。**
|
||||
把全部人生笔记上传给第三方服务器，你放心吗？社区讨论显示，虽然🔥把Obsidian笔记喂给Claude能获得个性化建议，但多数人倾向寻求本地LLM等[可控方案(AI资讯)](https://newshacker.me/story?id=46299552)。另有人警告依赖AI摘要会侵蚀真正的知识掌握。<br/>
|
||||
|
||||
4. **AI是否让形式验证成为主流?规范可写性成最大争议。**
|
||||
最新大模型如[Opus与GPT-5(AI资讯)](https://newshacker.me/story?id=46294574)加速Lean与TLA+证明生成🤔,但业务需求模糊易变难以写成数学定理。讨论聚焦渐进嵌入CI与property测试,而非强制每人写正式证明。<br/><br/>
|
||||
4. **GitHub Actions开始收取平台费。**
|
||||
自2026年起，私有仓库和自托管runner的调度将按$0.002/分钟计费💸即使算力在用户自己服务器上也要交"税"。小型团队相对受伤更重，社区已开始评估迁往GitLab或[Forgejo等替代方案(AI资讯)](https://newshacker.me/story?id=46291500)。<br/>
|
||||
|
||||
5. **微软开源TRELLIS.2图生3D模型,参数规模仅4B。**
|
||||
[Hugging Face空间(AI资讯)](https://huggingface.co/spaces/microsoft/TRELLIS.2)可在线体验,但效果被质疑不如前版🎨。模型支持单张图片生成手办级3D资产。<br/><br/>
|
||||
5. **AI能否让形式验证成为主流？**
|
||||
讨论焦点在于：规范本身难以形式化，需求又频繁变动。乐观者指出Opus、GPT-5.2等🤖大模型显著加速了证明工程，悲观者则认为文化与经济障碍才是[普及的真正阻碍(AI资讯)](https://newshacker.me/story?id=46294574)。<br/>
|
||||
|
||||
### 开源TOP项目
|
||||
|
||||
1. **Resemble-ai开源Chatterbox,最先进文本转语音系统。**
|
||||
[GitHub仓库(AI资讯)](https://github.com/resemble-ai/chatterbox)⭐15.6k,代表开源TTS技术前沿水准🎤。<br/><br/>
|
||||
1. **摩尔线程开源LiteGS基础库。**
|
||||
在SIGGRAPH Asia 2025斩获银奖🥈的3DGS重建算法已开源！60秒任务**34秒交卷**，仅需原版10%训练时间即可达到同等质量。从GPU系统到算法设计全链路优化，代码在[GitHub开放(AI资讯)](https://github.com/MooreThreads/LiteGS)。⭐已引发学术界关注。<br/><br/>
|
||||
|
||||
2. **ChatGPT_DAN越狱提示词项目备受关注。**
|
||||
[开源仓库(AI资讯)](https://github.com/0xk1h0/ChatGPT_DAN)⭐10.3k,提供绕过限制的提示策略🔥。<br/><br/>
|
||||
2. **英伟达发布Nemotron 3开源模型。**
|
||||
MoE架构支持百万token上下文，包含Nano(30B)、Super(100B)、Ultra(500B)三个规模。Nano版已发布，吞吐量比前代🚀提升4倍，被评为同类型中[最开放高效的模型(AI资讯)](https://nvidianews.nvidia.com/news/nvidia-debuts-nemotron-3-family-of-open-models)。<br/><br/>
|
||||
|
||||
3. **Zerobyte基于restic构建自托管备份自动化工具。**
|
||||
[项目地址(AI资讯)](https://github.com/nicotsx/zerobyte)⭐3k,简化备份流程降低运维成本💾。<br/><br/>
|
||||
3. **小米MiMo-V2-Flash开源发布。**
|
||||
309B总参数，15B激活，专为极致推理效率自研的MoE大语言模型。代码和Agent能力强💡生成速度快，API限时免费可接入Claude Code、[Cursor等工具(AI资讯)](http://platform.xiaomimimo.com/#/docs/welcome)。⭐开发者反响热烈。<br/><br/>
|
||||
|
||||
4. **NVIDIA开源Gym为大模型训练构建强化学习环境。**
|
||||
[NeMo Gym项目(AI资讯)](https://github.com/NVIDIA-NeMo/Gym)⭐172,专注LLM训练场景优化✨。<br/><br/>
|
||||
4. **Chatterbox开源TTS系统。**
|
||||
号称最先进的开源文本转语音系统，已获得⭐15614星标，项目地址[resemble-ai/chatterbox(AI资讯)](https://github.com/resemble-ai/chatterbox)。<br/>
|
||||
|
||||
5. **微软开源TRELLIS.2图生3D模型。**
|
||||
4B参数规模，支持图片生成3D模型。在线体验地址已开放，社区反馈效果褒贬不一(￣▽￣)"有人觉得还不如之前版本，模型在[Hugging Face发布(AI资讯)](https://huggingface.co/microsoft/TRELLIS.2-4B)。<br/><br/>
|
||||
|
||||
6. **美团开源LongCat虚拟人模型。**
|
||||
类似字节OmniHuman和快手Avatar，支持音频驱动照片生成视频🎤特别适用于主播和MV场景，项目主页和模型已在[Hugging Face发布(AI资讯)](https://huggingface.co/meituan-longcat/LongCat-Video-Avatar)。<br/><video src="https://video.twimg.com/amplify_video/2001207859737223168/vid/avc1/1216x768/vvKHUCqB7buvDb3d.mp4?tag=21"></video><br/>
|
||||
|
||||
### 社媒分享
|
||||
|
||||
1. **AI消费能力是真正超能力?Obsidian笔记与隐私成争议焦点。**
|
||||
用户把全部笔记上传[Claude获个性化建议(AI资讯)](https://newshacker.me/story?id=46299552),Slurm与Suno验证上下文工程价值🧠。但隐私担忧让许多人转向本地LLM方案,讨论分为"云端便利"与"数据主权"两派(✧∀✧)。<br/><br/>
|
||||
1. **Prompt Caching技术深度解读。**
|
||||
缓存的不是文本是"思维状态"🧠本质是复用KV矩阵，节省约90%Token费用，长文本首字延迟降低85%。实测显示Anthropic手动模式[命中率100%(AI资讯)](https://ngrok.com/blog/prompt-caching)，OpenAI自动模式仅50%。<br/><br/>
|
||||
|
||||
2. **Prompt Caching技术成本直降90%,延迟缩减85%。**
|
||||
ngrokHQ团队[技术博客(AI资讯)](https://ngrok.com/blog/prompt-caching)揭示核心是复用KV矩阵🚀,OpenAI全自动黑盒命中率50%,Anthropic手动白盒达100%,成为RAG应用降本增效关键技术。<br/><br/>
|
||||
2. **Gemini 3 Flash已开放使用。**
|
||||
相比Pro版本速度提升显著，前端效果基本没变(✧∀✧)美学依旧领先其他模型。ZenMux首发目前免费，[使用地址点这里(AI资讯)](https://zenmux.ai/google/gemini-3-flash-preview-free?utm_source=twitter-zt)。<br/><video src="https://video.twimg.com/amplify_video/2001220765950394368/vid/avc1/3016x1576/EcxVvTU1YALmMAyw.mp4?tag=21"></video><br/>
|
||||
|
||||
3. **Gemini 3 Flash速度大幅提升,ZenMux首发免费体验。**
|
||||
相比Pro版本前端效果不变,美学依旧领先其他模型💡。[使用地址(AI资讯)](https://zenmux.ai/google/gemini-3-flash-preview-free?utm_source=twitter-zt)现已开放。<br/><br/>
|
||||
3. **Vibe Coding时代的护城河思考。**
|
||||
技术不再是核心竞争力了🤔拿一波流量很容易，但建立护城河需要多花时间思考。有人看到缺陷，有人[看到机会(AI资讯)](https://x.com/op7418/status/2001230834192540085)，这些机会不是给挑刺的人准备的。<br/>
|
||||
|
||||
4. **Vibe Coding让技术不再是核心竞争力。**
|
||||
AI辅助编程降低开发门槛🎮,拿流量容易但建立护城河需思考。GPT-Image 1.5与Banana Pro对比,谷歌世界模型领先一代(✧∀✧)。<br/><br/>
|
||||
4. **GPT Image 1.5图像能力测试。**
|
||||
只是单纯的绘画模型，而不是Banana Pro那样的🌍世界模型。社区评价"谷歌这次领先了一代"，天气卡片生成效果可参考[宝玉的测试(AI资讯)](https://x.com/dotey/status/2001164443284054049)。<br/><br/>
|
||||
|
||||
5. **AI硬件创意Stickerbox走红。**
|
||||
语音输入→AI自动绘图→即时打印贴纸🖨️帮孩子把脑海里的故事变成现实！儿童安全模式无屏幕交互，这个逻辑马上会迁移到[3D打印领域(AI资讯)](https://x.com/Yangyixxxx/status/2001194271966220767)。<br/><video src="https://video.twimg.com/amplify_video/2000830775437221894/vid/avc1/1920x1080/kx8N5lm5BKx4Om00.mp4?tag=21"></video><br/>
|
||||
|
||||
---
|
||||
|
||||
|
||||
Reference in New Issue
Block a user