腾讯研究院AI速递 20251209

主要观点总结

本文主要报道了微软开源VibeVoice-Realtime-0.5B等七个与人工智能相关的新闻，包括模型开源、功能升级、应用场景等。同时，也报道了普渡发布最新行业级自主导航四足机器人PUDU D5系列和Karpathy关于AI提示词策略的观点。

关键观点总结

关键观点1: 微软开源VibeVoice-Realtime-0.5B模型，支持多角色自然对话，适用于AI助手、会议记录、播客生成等场景。

该模型首包延迟仅300毫秒，支持边输入文本边朗读，具备情绪识别与表达能力，长时上下文记忆可达90分钟。

关键观点2: 智谱GLM-4.6V系列多模态大模型上线，包括基础版和轻量版，训练时上下文窗口提升至128k tokens，相较GLM-4.5V降价50%。

该模型首次在架构中融入Function Call能力，实现多模态工具调用，打通视觉感知到可执行行动的链路。

关键观点3: 可灵O1推出“主体库”功能，支持上传多角度参考图构建专属角色、道具和场景，新增AI补图功能，并实现Prompt、参考图、主体等所有输入与终极成品的Before & After高效同框对比。

该功能助力作品成为爆款。

关键观点4: 美团发布LongCat-Image模型，在图像编辑基准测试中达到开源SOTA水平。

该模型采用文生图与图像编辑同源架构设计及渐进式学习策略，在中文文字生成方面表现领先。

关键观点5: 腾讯自研大模型混元2.0正式发布，采用MoE架构，支持256K超长上下文窗口，推理能力领先。

DeepSeek V3.2同步接入腾讯生态内，提升推理表现与长文本生成质量。

关键观点6: 阿里通义团队发布Qwen3-TTS全新文本转语音模型，提供高保真角色化音色，支持多种语言和方言。

该模型保留真实语调与地域口音，在韵律控制上有明显提升。

关键观点7: 英伟达4B小模型在ARC-AGI 2测试中击败GPT-5 Pro登顶榜首。

该模型采用零预训练深度学习方法，通过大规模合成高质量数据和测试时微调技术快速适应任务。

关键观点8: 普渡发布行业级自主导航四足机器人PUDU D5系列，提供轮足/点足两个版本，支持部署端侧大模型。

该机器人具备精准定位、环境重建、高负载、长续航等多项功能，适用于多种场景应用。

关键观点9: Karpathy强调大语言模型不应被视为实体，而应采用更有效的提问策略来利用LLM引导或模拟多种视角。

他提醒注意模型的“你”是设计、工程化并硬加上去的，不是随时间构建的涌现性“心智”。