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 推 Chricey: 5樓關節跟Ｘ一樣 02/08 17:29