腾讯研究院AI速递 20250710

主要观点总结

该文章介绍了多个关于AI领域的最新进展和相关信息，包括升级后的Veo 3系统，新功能特点，开源模型等的关键信息及其功能介绍等。本文根据文章抽取了几个关键点：新版升级、多模态模型、视频制作工具、端侧多模态模型、AI系统突破等。

关键观点总结

关键观点1: Veo 3新升级，用照片生成音频和视频，人物在多镜头下保持一致性。

Veo 3升级支持仅用一张图片即可生成音频和视频，人物在多镜头下保持高度一致性。用户实测显示人物表情自然、表演到位，被认为是AI叙事领域的重大突破。

关键观点2: Hugging Face开源的SmolLM模型性能卓越，支持双模式系统和上下文窗口功能。

Hugging Face开源的SmolLM模型采用双模式系统，支持在深度思考和非思考模式间灵活切换。模型性能超越Llama-3.2-3B和Qwen2.5-3B，支持大上下文窗口功能。

关键观点3: 昆仑万维Skywork-R1V 3.0正式开源，在物理推理和数学解题方面表现突出。

昆仑万维开源的Skywork-R1V 3.0多模态模型在物理推理、逻辑推理和数学解题方面表现突出，超越部分闭源模型。该模型通过强化学习策略GRPO和关键熵驱动机制实现高性能。

关键观点4: Vidu Q1实现颠覆式分镜效果，VIVO发布端侧多模态模型。

Vidu Q1多参考生视频功能可实现角色一致性强的视频生成。同时，vivo发布了端侧多模态模型BlueLM-2.5-3B，支持GUI界面理解并在多项评测中表现优异。

关键观点5: DeepSeek-R1超级外挂系统在人类最后的考试上首次突破30分。

上海交大联合深势科技团队开发的X-Masters系统基于DeepSeek-R1模型构建了工具增强推理智能体X-Master，能在内部推理和外部工具使用间流畅切换。该方案在HLE上首次突破30分并完全开源。

关键观点6: 市场报告指出，Gemini系列模型占据大模型API市场近一半份额。

报告指出，在2025年上半年，Gemini系列模型在大模型API市场中占据领先地位。同时，细分领域的竞争格局也呈现差异化，如编程、翻译和营销领域有各自领先模型。

免责声明