腾讯研究院AI速递 20251218

主要观点总结

本篇文章涵盖了多个关于人工智能领域的最新动态，包括OpenAI推出的ChatGPT Images、Meta的SAM Audio模型、小米的MiMo-V2-Flash模型、腾讯的混元世界模型1.5等的最新消息和技术细节。

关键观点总结

关键观点1: OpenAI发布ChatGPT Images模型，图像生成速度提升4倍，支持精准编辑和文本渲染能力增强。

该模型以GPT Image 1.5的形式提供，API价格降低20%，内置多种预设滤镜和提示词。

关键观点2: Meta开源SAM Audio模型，支持文本、视觉和时间跨度提示三种方式，可从复杂音频混合中分离任意声音。

该模型的PE-AV核心引擎运行速度快于实时处理，并在多种音频分离任务上达到SOTA水平。

关键观点3: 小米开源MiMo-V2-Flash模型，采用MIT协议，具有多项技术创新，包括混合滑动窗口注意力机制和轻量级多Token预测。

该模型支持较长的上下文窗口，并采用多教师在线策略蒸馏，成本较低。

关键观点4: 腾讯混元世界模型1.5发布，支持文本或图片输入创建实时交互的3D世界。

该模型具有创新性的记忆机制和数据训练体系，已开放申请体验。

关键观点5: Vidu Agent开启全球内测，主打“一键成片”能力，支持分镜级可控力和精细化编辑力。

该模型还具有多语言多场景定制功能，支持视频复刻功能。

关键观点6: Google在Gemini中推出Super Gems功能，整合Opal应用与Gems管理器。

全新Workflow Builder工作流构建器支持自动生成工作流步骤和即时预览测试。

关键观点7: OpenAI推出FrontierScience基准评估专家级科学能力，包含物理化学生物题目。

GPT-5.2和Gemini 3 Pro在评估中表现优秀。

关键观点8: 原DeepSeek成员罗福莉加入小米演讲，解读MiMo-V2-Flash的核心方向，强调AI进化的未来趋势。

她认为真正的护城河是科学研究文化与将未知问题转化为可用产品的能力。