本周全球科技企业密集发布AI领域新成果，腾讯、昆仑万维、快手、Meta、智谱AI、生数科技、DeepSeek、Runway、NVIDIA、华为、Mistral AI、阿里、火山引擎、可灵AI等推出多模态、3D生成、视频生成、推理优化等方向新模型，聚焦性能提升与商业化适配；技术上，华为发布MoE推理优化技术、商汤开源原生多模态架构；同时，阶跃星辰开源 GUI 智能体，拍我AI、Anuttacon推出AI创作与聊天工具，覆盖生成式AI、具身智能、行业应用等核心场景，一起来回顾本周发生的AI新鲜事儿吧！

AI大模型

腾讯「混元3D Studio 1.1」接入「PolyGen 1.5」，直出艺术家级3D资产

11月28日，腾讯混元正式推出「混元3D Studio 1.1」，并接入最新的美术级3D生成大模型「混元3D PolyGen 1.5」，能够直出艺术家级的3D资产。「PolyGen 1.5」首创端到端原生四边形网格生成方法，可直接学习四边形拓扑，生成连贯边缘环，布线效果大幅度提升，支持混合拓扑，适用于软/硬表面模型，进一步提升3D生成模型的专业可用性。

图：PolyGen1.5与mesh自回归SOTA方法效果对比

参考：混元3D Studio升级，可直出艺术家级3D资产

昆仑万维发布「Mureka V7.6/O2」双模型，音质与效率双提升

11月28日，昆仑万维发布「Mureka V7.6」与「Mureka O2」模型，新模型在音乐性、编曲能力、音质质感和Prompt贴合度等多个维度相较前序版本实现显著提升，响应速度和推理效率大幅增强，更适合大规模商业化使用。自今年3月发布O1与V6以来，「Mureka」已吸引近700万新增注册用户，覆盖百余国家和地区。

参考：Mureka V7.6和Mureka O2模型正式发布，开启AI音乐创作黄金时代

快手发布「Keye-VL-671B-A37B」模型，升级跨模态对齐能力

11月28日，快手发布了新一代旗舰多模态大语言模型「Keye-VL-671B-A37B」，模型基于DeepSeek-V3-Terminus打造，拥有671B参数，在保持基础模型通用能力的前提下，对视觉感知、跨模态对齐与复杂推理链路进行了升级，实现了较强的多模态理解和复杂推理能力。

参考：视频理解霸榜！快手Keye-VL旗舰模型重磅开源，多模态视频感知领头羊

智谱AI发布「清影2.0」，一句话生成1080P视频自带AI音效

11月28日，智谱AI推出视频生成模型「清影2.0」，基于自研CogVideoX大模型架构，实现了用文本直接生成1080P高清视频的突破，还集成了CogSound音效模型，开创了"文生音画"一体化体验的新时代。「清影2.0」支持最长10秒的1080P分辨率视频生成，可满足大多数短视频内容创作；集成的CogSound音效模型能够根据视频内容智能匹配背景音乐、环境音效等音频元素，实现音画同步的沉浸式体验。

参考：您的国产“Sora”来了！智谱清影2.0！！！

生数科技「Vidu Q2」全球同步上线，生图功能升级，5秒极速生成

12月1日，生数科技「Vidu Q2」全球同步上线，升级参考生图功能，新增文生图、图像编辑功能，以超强主体一致性、5秒极速生成、任意比例及4K输出等优势，在Artificial Analysis全球图像编辑榜单跻身前四超越「GPT-5」，还打通“生图-保存主体-生视频”一站式工作流，覆盖多商业化场景。

参考：Vidu Q2生图掀起「一致性革命」，限时无限免费来袭，全球同步上线

「DeepSeek-V3.2」双模型正式发布，强化Agent能力，融入思考推理

12月1日，深度求索正式发布「DeepSeek-V3.2」及常思考增强版 「DeepSeek-V3.2-Speciale」两款模型，前者平衡推理能力与输出长度，适合日常使用及通用Agent任务；后者融合数学定理证明能力，在IMO、ICPC等国际赛事中斩获金牌，推理性能媲美「Gemini-3.0-Pro」。新模型突破过往局限，首次实现思考模式与非思考模式的工具调用融合，通过大规模Agent训练数据合成方法构造1800+环境、85000+复杂指令，大幅提升泛化能力。

参考：DeepSeek V3.2 正式版：强化 Agent 能力，融入思考推理

Runway推出「Gen-4.5」视频模型，登顶文本转视频SOTA

12月1日，美国AI初创公司Runway推出「Gen-4.5」视频模型，在Artificial Analysis文本转视频排行榜中以1247 Elo评分拿下SOTA，超越Google和OpenAI同类产品。该模型擅长理解并执行复杂序列式指令，可在单个提示词中精准指定镜头运镜、场景构图、时间节点和氛围变化，物体移动具备真实重量感与动量特征。

参考：Runway重夺全球第一！1247分碾压谷歌Veo3，没有千亿算力也能干翻科技巨头

NVIDIA开源全球首个VLA模型「Alpamayo-R1」，突破L4自动驾驶“黑箱”困境

12月1日，NVIDIA宣布开源全球首个推理型视觉-语言-动作（VLA）模型「Alpamayo-R1」（AR1），支持摄像头画面与文本指令处理及行车决策输出，主打可解释性，创新引入标注“为什么这样做”的因果链（CoC）数据集、扩散式轨迹解码器及多阶段训练策略，通过高效多相机时序感知的统一编码方式，实现规划精度提升12%、越界率降低35%等多项性能优化，端到端延迟仅99ms，能让自动驾驶AI具备“会开车+会思考+会解释”的能力，推动自动驾驶从“黑箱”迈向可解释的L4级别。

参考：英伟达开源最新VLA，能否破局L4自动驾驶？

华为开源扩散语言模型「openPangu-R-7B-Diffusion」，双模式解码创SOTA

12月2日消息，华为开源扩散语言模型「openPangu-R-7B-Diffusion」，基于 「openPangu-Embedded-7B」经800B tokens续训练，创新融合前文因果注意力掩码架构，突破32K上下文长度限制，具备“自回归+扩散”双模式解码能力（并行解码速度最高达自回归的 2.5倍）及“慢思考”能力，在多学科知识、数学推理、代码生成等权威基准中创下7B参数量级SOTA纪录，其训练推理全流程依托昇腾NPU集群完成。

参考：华为新开源！扩散语言模型突破32K上下文，还解锁了「慢思考」

火山引擎发布豆包图像创作模型「Doubao-Seedream-4.5」，强化多图组合能力

12月3日，火山引擎正式发布豆包图像创作模型「Doubao-Seedream-4.5」，该模型在主体一致性、指令遵循精准度、空间逻辑理解及美学表现力上实现迭代，不仅强化了多图组合生成能力，优化了海报排版与Logo设计功能，支持高精度图文混排，还能精准响应高阶复杂指令，凭借内置的世界知识与空间逻辑实现合理透视关系和物理规律还原，同时显著提升画面立体感与氛围感，可生成电影级质感图像，目前已全面支持广告营销、电商运营、影视制作、数字娱乐及教育等核心场景。

体验链接：https://exp.volcengine.com/ark/vision?mode=vision&modelId=doubao-seedream-4-5-251128&sessionid=&tab=GenImage

参考：豆包图像创作模型Seedream 4.5发布：聚焦商业生产力场景

北邮联合小米提出「C²-Cite」溯源大模型，革新AI内容可信度技术路径

12月3日，北邮百家AI团队联合小米大模型团队提出的溯源大模型「C²-Cite」（已被WSDM 2026收录），首创上下文感知的归因生成技术，不仅能让大模型在生成内容时自动标注精准的信息来源，更能确保生成内容与引用的外部知识高度语义对齐，实现每一处表述都有溯源依据、与参考来源深度协同，从根本上解决大模型生成内容的可信度问题。

参考：句子级溯源+生成式归因，C²-Cite重塑大模型可信度

Mistral AI全量开源「Mistral 3」系列模型，硬刚DeepSeek

12月3日，法国公司Mistral AI发布开源「Mistral 3」系列模型，包含旗舰模型「Mistral Large 3」（总参数675B，激活参数41B，MoE架构）及3B、8B、14B尺寸的「Ministral 3」小模型（均有 pretraining、instruct、reasoning 三个版本，支持图像理解与40+语言）。训练使用3000张NVIDIA H200，LMArena排名开源非推理模型第二、总榜第六，且该系列模型已与NVIDIA 等合作优化部署，支持多种硬件设备与算力平台API服务，此次开源被视为对DeepSeek激进开源策略的战略应对。

参考：Mistral 3 发布｜对标的，全是中国模型

阿里通义千问上线「Qwen3-Learning」，推出拍题批改双功能

12月3日，阿里巴巴通义千问上线学习大模型「Qwen3-Learning」，推出拍题答疑和作业批改两大功能。该模型采用混合专家（MoE）架构，总参数量2350亿，激活仅需220亿，支持拍照识别题目内容，兼容印刷体与手写体，覆盖小学至高中全学科作业批改与解题辅导，融合多国考试体系与真题数据，实现跨文化、多语言精准解答。

参考：千问再放大招！阿里最强学习模型上线，能讲题、会批改、懂专业，直接把老师“请回家”

快手旗下可灵AI全能灵感周，连发多款新模型与新功能

快手旗下可灵AI全能灵感周，连续5天发布新模型与新产品，分别是统一多模态视频大模型「可灵O1」、新一代全能型图片模型「可灵图片O1」、音画同出模型「可灵2.6」、「可灵数字人2.0」等。

12月1日，可灵AI正式上线全球首个统一多模态视频大模型「可灵O1」，打破功能割裂，构建全新生成式底座。 该模型采用MVL（多模态视觉语言）交互架构与 Chain-of-thought 技术，支持照片、视频、文字等多模态输入，可实现创意视频生成、局部编辑、镜头延展、动作捕捉等功能，能解决视频一致性难题，支持多主体组合及3-10秒、多种比例的视频生成。

参考：Day1｜可灵AI视频 O1 模型正式上线！

12月2日，可灵AI全量上线「可灵图片O1」全能型图像模型，兼具特征全保真、细节全掌控、风格全复刻、创意全融合四大优势，支持图像生成、编辑、风格转换及创意呈现等一站式操作。

图1为参考图，输出图2为毛毡风格

体验链接：https://app.klingai.com/cn/?sessionid=

参考：Day2｜可灵图片 O1 模型全量上线，让创意精准落地！

12月3日，「可灵2.6」全量上线，Web端与App端同步推出首个音画同出模型，支持文生音画、图生音画两条高效创作路径，能单次生成画面、自然语音、匹配音效及环境氛围，实现音画同步，涵盖单人独白、旁白解说、多人对白、音乐表演、创意场景等多种适用场景，新手也可一键成片，创作效率翻倍，同时需注意禁止利用该AI生成功能从事违法活动。

参考：Day3｜可灵 2.6 全量上线！听见画面，看见声音

12月4日，可灵AI全量上线「可灵数字人2.0」，用户仅需上传角色图、添加配音内容、描述角色表现三步即可生成视频。该版本实现三大突破性升级，表演力全面进化，能精准控制体态动作、手势、表情及镜头语言，口型和手部细节更真实自然，同时打破时限支持最长5分钟单次视频生成，可覆盖深度科普、广告营销等多类长内容场景，评测得分超同类产品。

参考：Day4｜可灵数字人 2.0 功能正式上线！不止会说，更会演！

12月5日，可灵AI全新上线可灵O1「主体库」和「对比模板」两大功能，其中「主体库」支持上传多角度参考图构建专属角色、道具和场景，可一键复用、自由组合（视频O1至多参考7个主体，图片O1至多参考10个主体），还能通过AI补图扩展视角、生成描述，同时提供海量官方主体素材；「对比模板」可一键整合多模态创作的输入与成品，实现Before& After高效同框对比，助力爆款传播。

参考：Day5｜可灵 O1 主体库&对比模板全新上线

AI Agent

阶跃星辰开源GUI智能体「GELab-Zero」，同步推出AndroidDaily评测标准

11月29日，阶跃星辰推出开源GUI智能体「GELab-Zero」，可适配几乎所有App，该系统由轻量级推理基础设施与4B参数规模的GUI Agent模型（GELab-Zero-4B-preview）构成，最大亮点在于可在消费级设备上高效运行，实现低延迟响应与用户隐私保护。此外，阶跃还同步开源了基于真实业务场景的自建评测标准「AndroidDaily」，以期推动GUI领域模型评测向消费级、规模化应用发展。

参考：告别GUI Agent工程基建噩梦：阶跃开源4B Agent模型，跑通所有安卓设备，手搓党一键部署

AI 工具

「拍我AI V5.5」发布，一键生成“分镜+音频”，AI视频迈入内容生成时代

12月1日，拍我AI（PixVerse）推出「V5.5」版本，成为国内首个能一键生成“分镜+音频”、实现完整叙事的AI视频大模型。该模型具备“导演思维”，能理解镜头、声音与叙事的逻辑关系，支持多角色音画同步、多镜头自主编排，兼容图片转视频、一句话生成剧情短片等场景，在广告片、影视预演等商业化场景中表现出高完成度，推动AI视频从“素材生成”迈入“内容生成”时代，降低专业创作门槛，让普通人也能轻松开展视频创作。

参考：不止 Sora2！拍我AI V5.5 更新：人人都能用 AI 视频当导演了

Anuttacon推出「AnuNeko」聊天AI，双聊天模式主打人格化交互

12月1日，米哈游创始人蔡浩宇创立的AI公司Anuttacon推出AI聊天产品「AnuNeko」，主打人格化交互与情绪价值，产品提供Orange Cat（温和友善的橘猫）和Exotic Shorthair（毒舌暴躁的异国短毛猫）两种人格模型，响应迅速且支持多语言交互，但不具备联网、读链接、图片识别、复杂逻辑推理及高效代码编写能。该产品是Anuttacon探索AI构建沉浸式虚拟世界的重要布局。

参考：「原神之父」做了个毒舌 AI 猫娘，聊了两天的我被怼了八百回

技术突破

华为发布准万亿级MoE推理优化技术「Omni Proxy智能调度」和「AMLA加速算法」

11月28日，华为发布了准万亿参数规模的MoE模型「openPangu-Ultra-MoE-718B-V1.1」及其量化版本，并开源了两大核心优化技术「Omni Proxy智能调度」和「AMLA加速算法」，通过六大创新解决传统调度痛点，推理加速套件覆盖服务扩展、任务调度等全栈能力，将硬件算力利用率推至86.8%、优化推理链路中的计算与通信效率，有效解决了超大规模MoE模型在部署时面临的计算、访存和并行策略等挑战，为模型的生产级落地提供了可行路径。

参考：华为放出「准万亿级MoE推理」大招，两大杀手级优化技术直接开源

商汤开源行业首个原生多模态架构「NEO」，1/10数据量追平旗舰级性能

12月1日，商汤科技与南洋理工大学S-Lab合作研发并开源全新原生多模态模型架构「NEO」，打破传统“视觉编码器+语言模型”拼接架构局限。通过原生图块嵌入、三维旋转位置编码、多头注意力三大底层创新及双阶段融合训练策略，实现视觉与语言的深层统一，显著提升图像细节捕捉能力与跨模态关联效率，仅需3.9亿图文对（仅业界1/10的数据量）即可达到甚至超越现有原生VLM的综合性能，支持任意分辨率与长图像输入并可无缝扩展至视频、具身智能等领域，目前已开2B与9B规格模型。

参考：从“数据融合”迈向“原生架构”：商汤发布 NEO 架构，重新定义多模态模型效能边界