https://www.youtube.com/watch?v=G8fqduzB5lc 1. AI 新聞概覽 (0:00) 影片開頭簡述了當前 AI 模型的激戰，特別是 Opus 4.7 與 Qwen 3.6 等新一代模型的發 佈，展示了大型語言模型在推理能力與效率上的持續攀升。 2. Prompt Relay：精確控制多事件影片生成 (1:00) 由南洋理工大學 S-Lab 開發的技術，解決了過去影片生成模型難以在「長影片」中精確 控制不同時間點發生不同事件的問題。 技術核心：採用「推理時間時間提示路由」（Inference-Time Temporal Prompt Routing）。 特點：無需額外訓練（Training-free），是一種「即插即用」的插件。透過「時間 交叉注意力路由」機制，確保每個提示詞只影響特定的時間段，防止語義洩漏。 效果：能讓模型在單一長鏡頭中完成複雜的情節切換，例如從一個男孩跳床無縫轉場 到他在角落玩飛機。 3. Ternary Bonsai：1.58 位元的極致高效模型 (2:45) PrismML 推出的三進位權重（Ternary Weights）語言模型系列，旨在極端記憶體限制下 維持高精度。 技術原理：模型權重僅使用 {-1, 0, +1} 三種狀態（1.58-bit），相比標準 16-bit 模型，記憶體佔用縮小了約 9 倍。 性能：8B 版本的模型大小僅約 1.75 GB，但在 MMLU 等基準測試上優於許多體積大 其 10 倍的對手。 硬體適配：在 iPhone 17 Pro Max 上可達每秒 27 個 token 的處理速度，能源效率 提升 3-4 倍。 4. GPT Rosalind：生命科學專用推理模型 (5:35) OpenAI 推出的前沿推理模型，專為加速生物學、藥物研發與轉譯醫學研究而設計。 致敬與定位：以 DNA 結構發現者 Rosalind Franklin 命名。該模型在蛋白質工程、 基因組學與化學反應機制方面進行了深度優化。 實戰能力：在預測 RNA 序列功能等任務中，其表現可排在人類專家的前 5%。 應用：目前已與 Amgen、Moderna 等藥廠合作，協助設計實驗方案與自動化文獻綜述 。 5. WildDet3D：全場景 3D 物體檢測 (7:39) 由艾倫人工智慧研究所（Allen Institute for AI）開發，將單目 3D 檢測推向了「通用 化」階段。 多模態輸入：支援文字、點擊或 2D 框作為提示詞（Promptable）。 數據規模：擁有涵蓋 1.35 萬個類別、超過 100 萬張圖片的訓練集。 行動端應用：支援在 iPhone 上運行，結合 ARKit 與 LiDAR，可即時在實景中框選 並測量物體的 3D 尺寸（長、寬、高與 6-DoF 姿態）。 6. MotifVideo：輕量化影片生成器 (9:09) Motif Tech 推出的 2B 參數影片生成模型，強調在維持高品質生成效果的同時，大幅降 低計算資源需求，適合快速迭代。 7. HubSpot AI 內容團隊工具 (10:54) 這是一個專為內容行銷團隊設計的整合方案，旨在利用 AI 自動化內容創作流程，從策略 規劃到成品產出，提高團隊效率。 8. AniGen：單圖生成可動 3D 資產 (12:06) 由香港大學與 VAST 團隊開發的統一框架，能從一張圖片直接生成帶有骨架（Skeleton） 與蒙皮權重（Skinning weights）的 3D 模型。 創新點：提出 S3 Fields 技術，將形狀、骨架與皮膚一體化建模。 優勢：生成的模型不再是「靜態雕塑」，而是「現成可用的動畫資源」，支援動物、 人類與機械手臂等各類複雜結構。 9. Happy Oyster：開放式世界模型 (13:48) 阿里巴巴 ATH 實驗室的研究項目，專注於構建具備互動性與自我生成能力的「世界模型 」，讓 AI 學習模擬物理世界的運行規律。 10. Lyra 2：一致性 3D 世界生成 (15:05) NVIDIA SIL 實驗室推出的項目，專注於生成具備高度空間一致性的 3D 場景，確保從不 同角度觀察時，紋理與幾何細節保持穩定。 11. HY World 2.0：騰訊混元多模態世界模型 (16:40) 這是騰訊混元團隊的重大更新，將「世界模型」從像素影片轉向了真正的 3D 資產。 範式轉移：過去的模型是「拍電影」（看完就沒了），HY World 2.0 是「造遊戲」 。 產出內容：直接生成可編輯、永久存在的 3D 高斯潑濺（3DGS）或網格（Mesh）資產 ，可直接導入 Unreal Engine 或 Unity。 互動性：支援第一人稱導航與角色探索，並具備基於物理的碰撞偵測。 12. OmniShow：行銷內容 UGC AI (18:03) 字節跳動開發的工具，專為電商與廣告營銷設計，能根據產品圖片自動生成高品質的行銷 短片或用戶原創內容（UGC）風格的展示影片。 13. Anthropic Claude Opus 4.7：智慧的極限(20:22) Anthropic 再次推升了大型語言模型的上限。Opus 4.7 在推理深度、複雜代碼編寫與視 覺理解上取得了突破性進展。相比前代，它在處理長文本時的邏輯一致性大幅提升，是目 前追求「極致智慧」的首選工具。 (*某些項目相對4.6則有所弱化) 14. Alibaba Qwen 3.6：MoE 效率之王(24:38) 阿里巴巴推出的 Qwen 3.6 (35B-A3B) 展示了混合專家模型（MoE）的極致效率。憑藉其 強大的 35B 總參數與僅 3B 的激活參數，Qwen 3.6 在多語言處理與數學推理上展現了驚 人的性價比，為開源社群提供了性能強悍且部署靈活的新選擇。 15. Unitree Sprinter：速度與激情的演繹(26:14) 宇樹科技（Unitree）再次刷新我們對四足機器人的認知。Sprinter 專注於極速移動與地 形適應，展現了卓越的動力學控制，讓機器狗在複雜環境下的奔跑更趨近於生物本能。 16. Humanoid Marathon：人形機器人的耐力賽(26:57) 人形機器人不再只是會走路，現在它們開始挑戰「馬拉松」。這部分展示了機器人在長距 離行走中的能量管理與結構穩定性，標誌著人形機器人正朝著具備長時間作業能力的目標 邁進。 17. Automated Humanoid Factory：機器人生產機器人(27:51 ) 這不僅是工業自動化，更是未來的縮影。全自動化的人形機器人工廠實現了「自我複製」 的第一步。透過 AI 驅動的機械手臂與自動化組裝線，人形機器人的生產規模與精準度正 以指數級速度增長。 18. TokenLight：重新定義環境光照(29:17) TokenLight 透過創新的神經網絡技術，能僅從單張影像中準確估計環境光照。這對 AR 和 VR 領域至關重要，讓虛擬物體能更完美地融合進現實光影中，消除「違和感」。 19. GameWorld：多模態 AI Agent 的競技場(31:30 ) 項目的本質：由新加坡國立大學（NUS）團隊開發，旨在解決過去 AI 玩遊戲時缺乏 統一操作標準、難以自動驗證成效的問題。 龐大的測試庫：包含了 34 款瀏覽器遊戲（如《神廟逃亡》、《吃豆人》、《2048》 等），涵蓋了跑酷、街機、平台跳躍、益智解謎及模擬等五大類別，總共設有 170 個具 體任務。 兩種操作模式： Computer-Use Agent：像人類一樣直接輸出鍵盤和鼠標指令。 Generalist Agent：透過語義動作（Semantic Action）進行邏輯化控制。 核心目標：測試 AI 在視覺感知、長程規劃、實時反應以及物理規則理解方面的表現 。 20.Gemini 3.1 Flash TTS：毫秒級的真實人聲(33:09) Google 帶來的 Gemini 3.1 Flash TTS（文字轉語音）將延遲降到了極致，且音色更加富 有情感與自然韻律。這項技術讓 AI 語音助手不再生硬，而是能像真人一樣進行流暢、即 時且具備情緒起伏的對話。 -- Gemini整理 騰訊阿里巴巴Nvidia紛紛參戰世界模型 捲爆 MotifVideo看起來像是更輕量的wan2.2? 可能有點用 AniGen看起來像騰訊混元3D之類 有給線上測試 https://huggingface.co/spaces/VAST-AI/AniGen 出來不怎樣 可能受限於免費仔品質 Gemini出語音外其實Grok也出了 https://www.techritual.com/2026/04/18/509864/ -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.36.243.215 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/AI_Art/M.1776573696.A.F9A.html