https://www.youtube.com/watch?v=ZKfd9S9lOtc 00:48 | Multiworld：大規模多代理多視角影片世界模型 技術核心：由香港大學與 Sreal AI 合作開發。這是一個可擴展的世界模型，能 生成動作可控且多視角一致的影片。 關鍵機制：引入了 多代理條件模組 (MACM) 來精確控制多個個體，以及 全局狀 態編碼器 (GSE) 確保不同視角間的觀測連貫性。 應用場景：適用於多人遊戲模擬與多機器人協作任務，支援代理數量與視角的靈 活擴展。 02:46 | OpenGame：開放式遊戲代理編程框架 技術核心：中大 MMLab 推出的首個開源代理框架，能將自然語言直接轉化為可 運行的網頁遊戲。 模型驅動：搭載了專為遊戲引擎設計的 GameCoder-27B 模型。 創新點：具備「遊戲技能」進化機制，包含模板技能（積累項目骨架）與偵錯技 能（建立驗證修復協議），解決了傳統 LLM 在生成複雜遊戲時常見的跨文件不一致問題 。 04:25 | UniGenDet：圖像生成與偵測的協同演化 技術核心：清華大學提出的統一框架，將「圖像生成」與「偽造偵測」結合在一 個閉環中。 協同效應：利用生成知識來縮小偵測器的分布差距，同時透過偵測器的反饋來提 升生成圖像的真實度。 解決痛點：有效緩解了偵測器開發總是落後於生成技術進步的「偵測滯後」問題 。 06:16 | Kimi K2.6：開源編碼與代理群體技術 技術核心：月之暗面 (Moonshot AI) 的最新旗艦模型。主打長程執行能力（能 處理超過 1000 次工具調用）與 代理群體 (Agent Swarm)。 群體智慧：架構可水平擴展至 300 個子代理 同步執行，並能處理高達 4000 個 協調步驟。 實測表現：能自主完成極其複雜的任務，例如在 13 小時內優化八年前的金融撮 合引擎，程式碼修改量達 4000 行。 09:35 | Open CoDesign：開源 AI 設計工具 定位：Claude Design 的開源替代方案，強調「自備模型 (BYO Model)」與「本 地優先」。 功能特色：提供 12 種內建設計技能模組（如儀表板、登陸頁等），具備 AI 調 校滑桿（AI-tuned sliders），讓使用者能直接調整參數而無需重複輸入指令。 10:30 | Mimo v2.5：小米的最強 AI 代理模型 技術核心：顯著提升了長程相干性（Long-horizon coherence）與軟體工程能力 。 效率優勢：在相同任務表現下，其 Token 消耗比 GPT-5.4 或 Claude 4.6 減少 了 40-60%。 案例證明：能自主在 4.3 小時內從零開始用 Rust 語言寫出一個完整的 SysY 編譯器。 12:55 | ML Intern：Hugging Face 的機器學習實習代理 技術核心：基於 smolagents 框架，旨在自動化 LLM 的後訓練工作流。 自動化流程：能自動閱讀 arXiv 論文、尋找數據集、編寫代碼並在本地或雲端 GPU 上執行模型訓練任務。 戰績：在科學推理基準測試 (GPQA) 中，表現優於 Anthropic 的 Claude Code 。 14:39 | 人形機器人超越人類馬拉松紀錄 技術突破：榮耀 (Honor) 開發的人形機器人「Lightning」在北京半程馬拉松中 以 50 分 26 秒 奪冠，打破人類世界紀錄。 硬體創新：採用液冷系統處理高速運動產生的熱能，並模擬精英運動員的腿部長 度比例。 16:16 | Unitree 輪式人形機器人 技術突破：宇樹科技展示了具備輪足切換能力的機器人，能執行 360 度旋轉、 單腿旋轉，甚至完成 前空翻 等高難度特技動作，顯示出極強的平衡與動力控制能力。 18:14 | Higgsfield：電影級 AI 影片控制 技術核心：專為創作者設計的影片生成平台。提供「草圖轉影片」、「角色一鍵 替換」以及「虛擬語音唇形同步」等功能，賦予創作者精確控制攝影機運動與特效疊加的 能力。 (業配) 20:08 | GPT 5.5：OpenAI 的全自動化旗艦 最新動態：OpenAI 推出 GPT-5.5，分為「Thinking」與「Pro」版本。 核心強化：專注於端到端的複雜工作自動化，特別是在代理編碼、電腦模擬操作 以及早期科學研究方面有顯著提升，強調「多步規劃與自我驗證」能力。 20:42 | UniGeo：統一 3D 幾何推理與生成框架 UniGeo 提出了一個將 2D 視覺感知與 3D 幾何結構統一起來的創新模型。它不僅能理解 複雜的空間幾何關係，還能根據幾何約束生成精確的 3D 內容，顯著提升了生成模型在空 間一致性與幾何精度上的表現。 22:15 | EditCrafter：高保真圖像編輯與內容遷移技術 EditCrafter 專注於提供極高精確度的圖像編輯功能。它能夠根據使用者提供的指令，對 圖片中的局部細節進行無痕修改或風格遷移，同時確保圖片整體的結構完整性與光影真實 感，是創作者進行高品質影像後製的強力工具。 23:40 | GPT Image 2：影像生成理解力再進化 此部分介紹了 GPT Image 2 在複雜構圖理解上的突破。相較於前代，它在執行長文本指 令與處理細節特徵（如圖像中的文字嵌入）方面有更強的邏輯性，讓生成結果更符合使用 者的預期。 24:41 | LTX HDR：高動態範圍視訊生成方案 LTX HDR 針對視訊生成的視覺品質進行了大幅優化。其核心技術在於生成具備高動態範圍 （HDR）效果的影像，在光影過渡、色彩飽和度及暗部細節上展現出影視級別的質感。 25:43 | VisionBanana：前沿視覺辨識與多模態理解基準 VisionBanana 是一項專為提升圖像辨識與理解能力而設計的技術（名稱趣味地呼應了 NanoBanana）。它透過更精細的特徵提取算法，加強了模型對圖像中複雜物件與背景關係 的辨別度，是目前衡量視覺語言模型（VLM）性能的重要技術指標。 28:41 | HY3：騰訊混元大語言模型最新進化版 HY3 是騰訊混元（Hunyuan）系列中新一代的大語言模型。此版本在邏輯推理、長文本理 解以及中文語境的處理能力上進行了全面優化，能提供更自然、更具深度的人機對話體驗 ，並支援更複雜的創意寫作與專業分析任務。 30:53 | DeepSeek V4：深度求索模型全面升級 DeepSeek V4 正式發布，重點提升了邏輯推理、複雜代碼編寫及數學問題解決能力。作為 最新一代模型，它在多語言對話的自然度與知識儲備的深度上皆有顯著進步。 33:35 | CoInteract：人物與物品互動（電商銷售）影片生成技術 CoInteract 專攻於生成極其自然的人物與物品互動影片。該技術特別適用於電商與銷售 場景，能精確模擬人物展示商品、操作物品的動態過程，解決了以往生成影片中人物手部 動作與物體接觸不自然的痛點。 35:01 | Qwen 3.6 27B：通義千問高效能平衡版 阿里巴巴 Qwen 3.6 系列中的 27B 參數模型。該版本在模型體積與運算效率間取得了絕 佳平衡，在多項第三方評測中，其邏輯處理能力展現出挑戰更大型模型的實力。 36:42 | UniMesh：統一 3D 網格生成與重建技術 UniMesh 旨在簡化 3D 建模流程，能從多樣化的輸入（如單張影像或點雲資料）直接生成 高品質、具備拓撲結構的 3D 網格。這對於遊戲開發與自動化工業建模具有極大的應用價 值。 -- Gemini整理 吹Deepseek的影片也看一些了 總覺得越做越強就更危險 像是學Mythos搞網攻什麼的 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 220.136.196.138 (臺灣) ※ 文章網址: https://www.ptt.cc/bbs/AI_Art/M.1777178942.A.6C9.html ※ 編輯: error405 (220.136.196.138 臺灣), 04/26/2026 12:51:11