🔗 原文链接：https://mp.weixin.qq.com/s/40Mhj0V7...​

原创 EverAI EverAI酱2025年12月31日 16:02 福建​

不夸张地说，2025的AI 圈太“卷”了​

几乎是按“天”在刷新认知：模型迭代、智能体爆发、视频和 3D 一路狂飙​

新概念层出不穷，热点更是多到一眨眼就错过。​

为了方便大家在年末把重要节点一次性梳理清楚！​

这篇文章我们将2025 年 AI 行业年度要点回顾，把最关键的趋势与代表性事件快速复盘！​

​🐱•模型不再只回答，而是能在推理中调用搜索、代码、图像等工具完成实际性的任务。​•Agent 智能体从“概念”走向“实际可用产品”，并且有了各自的细分方向。​•视频进入“有声时代”，不再仅有画面，更有对白，背景音效。​•一致性与可控性成为创作产品（图像，视频类）的核心竞争点：参考图/多主体一致、动作迁移、文字表现、局部编辑、镜头/叙事控制等被反复强化。​•“画布化/节点化”的一站式创作工具崛起，用户在一个工作区里完成构思到成片/成图/成音频等的闭环，工具开始“产品化”。​•3D 生成从“能用（高清细节化）”走向“进入传统管线”：混元3D、Tripo Studio 等强调 PBR、自动绑定/低模等，目标是能直接对接 CG/游戏流程。​•世界模型显著升温：方向从单纯的“生成3D内容”走向“生成可探索世界交互”。​•监管开始常态化：政策明确推进“人工智能+”深度融合与普及目标，同时生成内容标识办法落地，行业进入“发展+规范”并行阶段。​​

  • •模型不再只回答，而是能在推理中调用搜索、代码、图像等工具完成实际性的任务。​
  • •Agent 智能体从“概念”走向“实际可用产品”，并且有了各自的细分方向。​
  • •视频进入“有声时代”，不再仅有画面，更有对白，背景音效。​
  • •一致性与可控性成为创作产品（图像，视频类）的核心竞争点：参考图/多主体一致、动作迁移、文字表现、局部编辑、镜头/叙事控制等被反复强化。​
  • •“画布化/节点化”的一站式创作工具崛起，用户在一个工作区里完成构思到成片/成图/成音频等的闭环，工具开始“产品化”。​
  • •3D 生成从“能用（高清细节化）”走向“进入传统管线”：混元3D、Tripo Studio 等强调 PBR、自动绑定/低模等，目标是能直接对接 CG/游戏流程。​
  • •世界模型显著升温：方向从单纯的“生成3D内容”走向“生成可探索世界交互”。​
  • •监管开始常态化：政策明确推进“人工智能+”深度融合与普及目标，同时生成内容标识办法落地，行业进入“发展+规范”并行阶段。​

（趋势还有很多~~你可以在评论区分享你看到的~）​

现在带你从 1 月一路回顾到 12 月，看看 2025 到底是怎么被 AI 推着往前跑的？​

1月｜开年就把“推理 ， 智能体”这条路定了​

今年一开场，大家就不再只聊“模型更大更强”，而是开始认真聊：模型能不能自己想、还能不能自己动手做事。​

推理模型、智能体产品开始冒头，很多人第一次有了“AI 不只是聊天，它可能真的能替你全做了”的感觉。​

🌟​

要点内容​

  • •【AI 模型及应用】DeepSeek：R1推理模型发布​

在数学、代码、自然语言推理等任务上，性能比肩 OpenAI o1 正式版。​

  • •【AI 模型及应用】OpenAI：发布首个AI智能体Operator​

用户只需要输入需求，可以上网为用户自主执行任务​

  • •【AI 创作】阿里：开源通义万相视频模型Wan 2.1​

首次实现了中文文字视频生成功能​

  • •【AI 3D/游戏】Tripo AI（国产AI建模工具）更新 v2.5版本​

在3D模型生成的细节刻画和几何精度上具有极大提升​

  • •【AI 3D/游戏】腾讯：混元3D生成大模型2.0版本推出​

比起1.0版本，在几何结构上更加精细，纹理色彩更加丰富。​

  • •【AI 3D/游戏】微软 ：介绍第一个世界与人类行动模型（WHAM）命名为“Muse”​

一个能够生成游戏视觉、控制器动作的视频游戏生成式AI 模型​

📒其他内容​

【AI 模型及应用】​

谷歌：Google Gemini 2.0 Flash Thinking EXP-01-21 版本更新，相较o1 pro 5倍以上的上下文（100 万token），高应答能力，增加对原生代码执行支持​

MiniMax-01 ：开源，4M上下文新模型，包含基础语言模型与多模态模型，比肩DeepSeek-v3​

智谱：发布AI多模态模型GLM-Realtime，近乎即时的视频理解和语音​

月之暗面：发布多模态推理模型Kimi k1.5​

豆包：发布基础模型 Doubao-1.5-pro​

字节跳动：推出对标Cursor的AI编程竞品工具Trae​

【AI 创作】​

可图1.5（AI绘图工具）：可控生图能力上线，通过用户上传的图像，来控制AI生图的人物长相及角色特征。​

可灵：上线多图参考生成视频能力，该功能支持最多上传 4张参考图片（如：人物、物品、道具或场景 ），结合文本描述，实现更为定制性和个性化创意的视频内容制作​

海螺：发布S2V-01 视频生成模型，只需一张参考图像即可生成人物形象一致的视频​

字节跳动:开源口型同步技术LatentSync,可以根据音频输入，自动匹配视频中角色的嘴型运动​

Vidu：2.0视频模型上线，仅需 10 秒即可生成视频，强化一致性控制​

luma AI：推出Ray2视频模型，可创建具有自然连贯运动的逼真视频​

Runway：发布图像生成基础模型Frames，提升风格控制和视觉保真度​

Pika:V2.1发布,主要提升动作复杂度与逼真人像​

【AI 3D/游戏】​

Stability AI ：与英伟达合作推出SPAR3D AI建模技术，一秒内从单张图片生成可编辑的 3D 模型.直接编辑点云,并从点云形成3D网格​

2月｜“深度研究”火了：AI 不只回答，还要会查、会整理，节点式画布工具逐步出现​

2 月大家很明显在追一种能力： Deep Research（深度研究） 。​

也就是 AI 不只给你一个答案，而是能帮你 去网上找资料、对比、总结、写成一份像样的报告​

同期还出现了一个很产品化的方向： 普通模式 + 推理模式切换 ，让 AI 既能快，也能在需要时认真想。​

节点式画布工具逐步出现，把模型变成节点，自由拼接在一起，一站式完成想法。​

🌟​

要点内容​

  • •【AI 模型及应用】OpenAI：发布GPT-4.5，并提出深度研究能力​

只需提供一个提示，ChatGPT 就会查找、分析并整合数百个在线来源，生成具有研究分析师水平的分析报告​

  • •【AI 模型及应用】Anthropic：推出全球首个混合推理模型Claude 3.7 Sonnet​

一种模型，两种思考方式。既是普通LLM 也是推理模型。​

  • •【AI 创作】节点画布式AI创作工具逐步出现​

如：Flora，Kaiber AI（Superstudio Pro）等，在一个画布上实现构思到视频制作的全流程，内置AI视频，AI绘画，AI音频等工具，打破工具间使用局限，一站式完成创作。​

  • •【AI 3D/游戏】微软：提出AI游戏玩法生成模型WHAM​

模型支持根据用户操控动作形成游戏画面。根据游戏画面形成操控动作，以及动作与画面同时生成。并且保证生成一致、多样性，且持久的输出。​

📒其他内容​

【AI 模型及应用】​

xAI：发布Grok 3模型，Grok APP 实时语音模式上线​

通义千问：上线深度思考模型QwQ-Max-Preview​

微软：发布全球首款拓扑量子芯片Majorana 1​

腾讯：推出快速深度思考模型自研的 Hunyuan T1，基座模型混元Turbo S​

【AI 创作】​

昆仑万维：开源中国首个面向AI短剧创作的视频生成模型SkyReels-V1，基于Hunyuanvideo微调，可实现人物微表情生成，支持33种细腻表情刻画和400+动作组合。​

即梦：内测对口型“大师”版本效果基于OminiHuman-1技术，支持上传图像基于音频驱动生成角色说话效果，支持面部多角度及简单的乐器互动。​

Luma AI：更新 AI视频自动配音功能​

Adobe ：Firefly 上线 AI 视频生成功能（Beta）​

Animate Anyone 2（阿里图片替换视频人物项目）：更新，技术不仅提取原视频中动作，还提取了环境表征，更有效地描述角色与环境之间的关系展示更为真实合理的角色动态效果。​

Pika：更新2.2版本，同时更新多款视频修改能力​

Pikaswaps能力，用户只需上传原视频，涂抹要替换区域或描述内容场景。可用于替换视频背景，角色，物体等视频创意修改​

Pikadditions 能力，可以将任何图片物体融合到拍摄视频，不会改变原有视频，且保证新视频创意效果自然。​

P ixverse V4 更新 ，支持带声音的视频生成​

3月｜Manus 爆火！ GPT-4o图像生成能力“现象级”出圈！​

3 月基本就是 Manus 的月份： 通用智能体 这事儿直接被推到大众视野，造成了一码难求的情况​

GPT-4o图像生成能力也让生图/编辑也在往“更好用”方向走： 对话式迭代、中文渲染、可控编辑 开始变成卖点。​

🌟​

要点内容​

  • •【AI 模型及应用】Manus：智能体发布​

一款由国内开发的AI Agent智能体应用发布，引发全球关注，全网都在高价求邀请码​

  • •【AI 模型及应用】DeepSeek ：V3 0324版本更新​

在推理能力，前端web开发，汉语写作能力（中长篇写作质量更高），中文搜索能力，函数调用能力（提高了函数调用的准确性）上皆有改进。​

  • •【AI 模型及应用】智谱：发布全新智能体（AutoGLM 沉思）​

全球首个集深度研究与实际操作能力于一体的Agent，不仅具备深度研究能力（Deep Research），还能实现实际操作（Operator）。​

  • •【AI 创作】OpenAI：推出GPT-4o图像生成能力​

利用GPT-4o的知识内容和聊天上下文作为生图的参考来源，呈现文本，在多轮对话中逐步调整图片内容和风格​

  • •【AI 创作】智谱：开源AI绘图 CogView4，可在图像中生成中文字符​

首个同时支持中英文提示的开源模型，能够很好地理解和遵循中文指令，甚至可以在图像中生成中文字符​

📒其他内容​

【AI 模型及应用】​

谷歌：发布AI模型 Gemini 2.5 系列，首推实验版本Gemini 2.5 Pro Experimental​

Open AI ：宣布支持 MCP ，同时 MCP更新规范​

阿里：推出AI旗舰应用“新夸克”​

阿里：通义推出 QVQ-Max 视觉推理模型​

百度 ：推出文心4.5与推理模型X1​

腾讯：推出自研深度思考模型混元T1​

【AI 创作】​

海螺：推出Image-01多功能文本转图像模型​

可灵：更新“新版本”多图参考能力，上线AI音效能力​

Vidu：新增主体库能力，将视频生成中使用的人物、道具及场景保存至主体库，一键@选择参考主体，创作效率提升​

Luma：发布 Ray2 Flash 视频模型​

腾讯：推出 混元Portrait，音频视频驱动图片肖像形成动画​

Wonder Dynamics：推出快速获取视频摄像机轨道能力（Camera Track）和快速删除视频元素（Clean Plate）功能​

STAbility AI：发布 Stable Virtual Camera ，2D 图像转化3D视频​

【AI 音乐】​

昆仑万维：发布全球首款音乐推理大模型Mureka O1​

Elevenlabs：推出 Actor Mode 功能，用户可以通过录制自己声音样本，来指导 AI 如何表达特定的情感、控制语速和语调。​

【AI 3D/游戏】​

Tripo：开源两大基础3D模型 TripoSG 与 TripoSF​

字节 ：AI 3D建模技术Hi3DGen 上线 Hugging Face​

4月｜推理模型“会用工具”成主流，图像王者MJ V7回归！创作一致性问题逐步攻克​

4月图像王者MJ V7回归！引入P值，建立个人个性化风格值！​

视频模型逐步攻克主体一致性，大幅度的复杂动作效果难题~​

🌟​

要点内容​

  • •【AI 模型及应用】OpenAI：发布o3 和 o4-mini模型 以及 编程智能助手Codex CLI​

o 系列模型首次能够在推理过程中使用工具：网络搜索、Python、图像生成。可连续调用 600 多个工具。可在推理过程中操作图像。​

  • •【AI 创作】Midjourney 发布 V7​

引入P值，建立个人个性化风格值，新增草稿模式(Draft Mode)可以通过语音输入"边思考边创作"，渲染速度提升10倍，成本减半。​

  • •【AI 创作】Vidu Q1 视频生成模型发布​

提升内容创作的可控性，尤其在位置控制、运动布局上。同时增加音效生成，可一句话生专属音效，支持10s时段内自定义和音效叠加​

  • •【AI 创作】可灵：上线AI视频模型可灵2.0大师版及AI绘图模型可图2.0​

具有更强的语义响应，可以实现大幅度的动作效果，懂得电影运镜与美学表现​

  • •【AI 创作】豆包：推出超能创意1.0​

支持批量生图，维持角色一致性的情况下局部改图，提升图片的生成效率和修改效率​

  • •【AI 3D】腾讯混元3D v2.5上线​

建模精细度提升，有效面片数增加超10倍，实现多视图输入生成PBR模型​

📒其他内容​

【AI 模型及应用】​

OpenAI：发布GPT-4.1 ，升级ChatGPT记忆功能，可引用用户所有历史对话​

Anthropic：推出Research功能，类似于ChatGPT的Deep Research，能够主动进行网络和文件的检索，精确处理复杂问题。​

谷歌：发布混合推理模型Gemini 2.5 Flash的早期预览版。​

火山引擎：发布豆包 1.5 深度思考模型​

阿里：Qwen 3 通义千问3 系列开源​

Qwen3-235B-A22B（2350多亿总参数、220多亿激活参）和Qwen3-30B-A3B（300亿总参数、30亿激活参数），以及六个Dense模型：Qwen3-32B、Qwen3-14B、Qwen3-8B、Qwen3-4B、Qwen3-1.7B和Qwen3-0.6B。​

智谱：开源新的9B/32B系列模型，GLM-4-32B、GLM-Z1-32B、GLM-Z1-9B、GLM-Z1-Rumination-32B​

百度：发布文心大模型 4.5 Turbo 与 X1 Turbo ，超级智能体 App「心响」​

Fellou AI：推出的全球首个行动型浏览器（Agentic Browser），融合了AI智能体、浏览器功能与自动化工作流。​

纳米AI：推出了"MCP万能工具箱"，集成多种工具和智能体功能，实现了从"只会聊天"到"动手干活"的转变​

【AI 创作】​

Midjourney：更新"分图层"编辑功能，实现外部图像与内部图像组合拼装​

Adobe：发布商用级 AI 图像生成模型 Firefly Image 4 系列​

Pika：更新Pikaframes工具，支持五帧图像导入实现创意转场制作。同时上线Pika Twists能力，可控制修改原视频中的任何角色或物体​

昆仑万维：开源SkyReels - A2 视频模型与首个使用扩散强迫框架的无限时长电影生成模型SkyReels - V2​

阿里：发布实时文本驱动的说话头像多模态生成框架OmniTalker​

阿里：通义万相开源"首尾帧生视频模型"（Wan2.1-FLF2V-14B）​

Runway：推出Gen-4 Turbo，只需要30秒就能生成10秒的视频， 为Gen-4推出图片参考能力， 提升AI创作时角色，场景一致性​

即梦AI：视频 3.0（seedance 1.0）上线​

【AI 音乐】​

MiniMax Audio ：推出 Speech-02 ，多语言转换，30 多种语言表达力强、自然流畅​

谷歌：针对专业AI音乐人，更新Music AI Sandbox AI音乐制作工具，邀请测试中​

【AI 3D/游戏】​

Tripo：发布 HoloPart，支持将3D模型分解为完整、具有语义意义的部件​

5月｜“类 Manus”的产品批量出现！。AI视频迎来拐点， 有声视频成主流​

各种“类 Manus”产品扎堆出现。​

“Veo3”的出现，让视频方向也迎来一个很明显的拐点： 有声视频 开始成为主流叙事，声画同步、对白、口型这些不再是“加分项”，而是“门槛”。​

同期3D创作工具一体化工作台出现：多功能整合 + 可编辑 +完成闭环。​

🌟​

要点内容​

  • •【AI 模型及应用】类 manus 的通用智能体产品批量发布​

如：MiniMaxAgent， Flowith ， 天工超级智能体​

  • •【AI 模型及应用】Anthropic：发布Claude 4 Opus & Sonnet 大模型​

核心优势在于超长时编程稳定性与复杂任务处理能力，可连续7小时自主编程​

  • •【AI 创作】谷歌：发布VEO3视频模型，原生多模态声画同出​

Veo3不仅可实现视频生成，还能同时生成匹配画面与提示词的真实音效与对白，并支持口型同步。该模型将AI视频创作从“无声时代”推进到具备声音表现的全新高度​

  • •【AI 创作】lovart AI：首个画布式设计类Agents工具​

内置多种AI模型，利用自然语言指令沟通，可实现一句话需求完成图像、视频、音频、3D素材连贯设计，并在过程中通过与AI的沟通进行设计迭代。​

  • •【AI 创作】阿里：发布Wan2.1-VACE 一体化视频创作和编辑模型​

该模型支持控制多主体一致、控制运动轨迹、局部编辑、视频画面及时长拓展等高级组合功能，显著增强视频内容创作的灵活性。​

  • •【AI 创作】Runway：上线 References能力，提升主体一致，场景一致，风格一致的AI创作​

亮点在于用户可上传最多三张参考图像，轻松生成高度一致的角色与场景。可以通过参考图片，@ 角色，输入提示词即可制作角色一致，环境结构，氛围，风格一致的创意图像。​

  • •【AI 3D/游戏】Vast AI：发布AI原生3D工作空间Tripo Studio​

该平台集成3D模型生成、智能分割、魔法笔刷、自动骨骼绑定与低多边形模型生成等功能，致力全面优化和简化3D建模流程。​

  • •【AI 3D/游戏】腾讯：推出混元游戏视觉生成平台​

定位为首个工业级AIGC游戏内容生产引擎，提供AI美术管线、实时画布、AI 2D美术生成及专业角色多视图生成等核心能力，优化游戏美术概念设计环节。​

  • •【AI 音乐】Suno 推出 v4.5​

最长可生成8分钟歌曲，提供更佳的人声和音乐效果​

📒其他内容​

【AI 模型及应用】​

DeepSeek ：R1-0528模型更新，该模型在代码生成、前端功能、长文本推理等能力得到提升​

Open AI ：发布编程智能体 Codex​

谷歌：推出一个跟 Codex 类似的云端编码 Agent Jules​

谷歌：发布Gemini 2.5 Pro I/O特别版，该版本专为编程能力进行了显著增强，专注于前端开发、UI构建、代码转换/编辑和函数调用等方面​

字节：放出代码模型Seed-Coder与视觉-语言多模态大模型Seed1.5-VL​

昆仑万维：开源 Matrix-Game 大模型，工业界首个开源的 10B+ 空间智能大模型​

腾讯：推出AI编程助手CodeBuddy​

ListenHub：快速生成AI播客 工具，大纲/脚本/配音对话一键完成。​

【AI 创作】​

腾讯：开源音频驱动数字人HunyuanVideo-Avatar，用户可上传人物图像与音频，模型会自动理解图片与音频，让图中人物自然地说话或唱歌，生成包含表情、唇形同步及全身动作的视频。​

Black Forest Labs：发布FLUX.1 Kontext图像编辑模型，可以实现GPT 4o图像生成和编辑能力​

Midjourney：发布Omni-Reference图像参考能力​

可灵AI：推出2.1系列视频生成模型，2.1大师版在前代基础上针对提示词响应、大幅度动作表现以及画面细节等方面进行优化，同时提出平价版可灵2.1​

腾讯：发布混元图像2.0，实时生图，实时绘画板功能，支持草图与图像组合控制，显著提升了图像生成与交互式编辑的效率和自由度。​

Luma AI：发布"Reframe"功能，任意扩展视频画面​

LTX Studio：发布130亿参数 LTX-Video开源模型​

Pixverse：发布4.5版本AI视频模型​

【AI 音乐】​

豆包：语音播客模型发布​

6月｜进入“对话式编辑”时代：一句话直接改片子/P图​

特别产品化的变化： 开始支持用聊天的方式进行创作（图像与视频）生成与修改​

另一个趋势是：视频开始冲“多镜头叙事”和“更极限动作”​

图像生成上集合“ 智能参考功能 ” 一键进行 平面设计不再是难事​

🌟​

要点内容​

  • •【AI 模型及应用】OpenAI宣布推出其最新的大型语言模型OpenAI o3-pro​

该模型是o3的增强版本，专为需要更深度思考和更高可靠性响应的复杂任务而设计​

  • •【AI 创作】即梦AI：推出视频3.0 Pro版本​

具备三大特性：无缝多镜头叙事、多动作及运镜切换、稳定运动与真实美感。​

  • •【AI 创作】即梦AI：发布图片3.0-智能参考功能​

允许用户基于上传图像中的元素进行定向修改与风格参考，生成新图像。支持一键进行海报与封面设计​

  • •【AI 创作】Midjourney V1 视频生成模型正式发布​
  • •【AI 创作】海螺AI：视频生成大模型Hailuo 02 发布​

能够处理极端物理情况的模拟，并且原生支持生成1080P（6s）的高清AI视频内容，轻松实现极限大幅度动作，当月上线视频代理能力测试版，当时仅基于“模版化”的代理能力进行视频制作。​

  • •【AI 创作】Luma AI：推出“Modify Video”视频编辑功能​

允许用户在保留视频原有动作和构图的基础上，通过文本指令对视频内容进行重绘或风格转换，并支持局部编辑​

  • •【AI 创作】Runway： 引入了全新的“聊天模式” (Chat Mode) 进行AI创作​

让用户能够通过更自然、交互性更强的对话方式，利用图像、视频及参考资料指导AI进行内容创作​

  • •【AI 3D/游戏】腾讯混元：公布Hunyuan-GameCraft，用于在游戏环境中生成高动态互动视频的框架​

可通过键盘和鼠标输入控制摄像机，移动之间自然移动，并支持多动作复杂轨迹操控。保证前后画面，场景特征一致，不会出现光线、场景跳跃，还能衍用至第三人称游戏场景。​

📒其他内容​

【AI 模型及应用】​

MiniMax M1 ：混合注意力推理模型开源，推理 MoE 超越 R1​

谷歌：开源 AI 编程智能体Gemini CLI，并扩展其Gemini 2.5模型家族，推出全新的Gemini 2.5 Flash-Lite模型，Gemini 2.5 系列中最具成本效益和速度最快的模型​

Cursor ：发布 1.0 版本，带来了用于代码审查的 BugBot、一键式 MCP 设置等内容​

火山引擎 ：发布豆包大模型1.6 系列​

百度：文心 4.5系列模型全面开源​

【AI 创作】​

Black Forest Labs ：开源图像编辑模型 FLUX.1 Kontext [dev]，支持迭代编辑，在不同场景和环境中都能出色地保留角色特征。​

谷歌：为其AI视频生成工具Flow新增了"Veo 3 Fast（高速）"模式，大幅降低了用户使用成本，​

可灵：新增多角色对口型能力，可以自动识别画面多个人物角色，针对不同的角色，进行指定时间内的口型同步操作。同时开放可灵1.6模型运动控制功能开放，“视频生音效”功能及60秒对口型能力​

可灵：上线可图2.0 多图参考更新，支持用户上传多张参考图（至少2张参考图），融合多种特征及元素(主体、风格、场景)，并可通过文本描述指定画面内容，一键生成创意图片!​

PixVerse：国内版“拍我AI”正式上线​

【AI 音乐/音频】​

ElevenLabs ：推出 Voice Design v3，角色配音设计工具​

ElevenLabs：推出Conversational AI 2.0，打造更接近真人交谈体验的AI语音代理​

ElevenLabs：更新Eleven v3（alpha）文本转语音模型。支持 70 多种语言、多说话人对话以及 [兴奋]、[叹息]、[笑] 和 [低语] 等音频标签。​

腾讯：开源音乐生成模型SongGeneration​

Suno ：收购基于浏览器的AI加速数字音频工作站（DAW）WavTool​

【AI 3D/游戏】​

PartPacker：Nvidia技术，通过单张图片创建零件级 3D 对象​

Runway：内测角色扮演游戏创建能力 Runway Game World​

7月｜Agent 再升级，从“能执行”走向“更系统、更协作”！视频多主体一致性被初步攻克！​

7 月 Agent 的方向更明确了：从“能执行”走向“更系统、更协作”。​

你会看到很多模型/产品都在强调： 更强的代理能力、更稳定的长任务、更复杂的工具链整合 。​

视频多主体一致性被初步攻克！​

🌟​

要点内容​

  • •【AI 模型及应用】Grok 4系列发布​

发布Grok 4 和 Grok 4 Heavy 两款推理模型，Grok4 Heavy支持多代理同时工作​

  • •【AI 模型及应用】OpenAI：宣布上线全新的ChatGPT Agent代理能力​

ChatGPT Agent能使用自身的虚拟计算机，根据用户指令自主调用浏览器、代码终端等工具，执行从访问网页抓取信息到分析数据、生成报告等完整流程。​

  • •【AI 模型及应用】智谱：开源 GLM-4.5 系列模型，专为智能体设计的基础模型​
  • •【AI 模型及应用】Kimi K2：全球首个完全开源的Agentic模型​

月之暗面发布旗下首个万亿参数开源模型Kimi K2 ，擅长通用Agent 任务​

  • •【AI 创作】阿里 ：通义万相开源Wan 2.2​

全球首个 MoE 视频模型 ，首创了“电影美学控制系统”​

  • •【AI 创作】Vidu ：Q1 参考生视频上线​

更优秀的多主体控制视频生成，该功能允许用户上传多达7张图片作为参考元素，以生成更清晰、更主体一致、更稳定的视频。​

  • •【AI 创作】Runway： 发布 Act-Two，升级版视频动作捕捉模型​

Act-Two在先前的Act-One基础上进行改进，支持对头部、面部、身体和手部的全方位动作捕捉和驱动，达到更好的画面稳定性与动作流畅度。​

  • •【AI 创作】Runway： 发布 Aleph​

用户可用文本对视频进行任何编辑/转换/生成​

  • •【AI 3D/游戏】Mirage：全球首款 AI 原生 UGC 游戏引擎​

实现实时UGC游戏玩法，它支持动态、交互和持续的游戏体验，允许通过自然语言、键盘或控制器输入，实时生成和修改整个世界。​

  • •【AI 音乐】Suno 推出 v4.5+​

可为伴奏加人声，为人声加伴奏，提升用户的音乐创作体验。​

📒其他内容​

【AI 模型及应用】​

智谱AI：开源视觉语言大模型 GLM-4.1V-Thinking 系列​

OpenAI：发布学习模式（Study mode）​

Google：正式发布Gemini 2.5 Flash-Lite的稳定版本​

Grok：推出数字伙伴（Companions），允许用户与AI角色进行互动对话。​

Anthropic ：发布 MCP 连接器目录（MCP Connector Catalog），以扩展Claude的功能。​

MiniMax Agent：上线Agent全栈开发功能。​

通义千问：发布代码模型 Qwen3-Coder​

阿里：通义千问推出全新推理模型 Qwen3-30B-A3B-Thinking-2507​

TRAE 2.0 ：SOLO模式上线，编码代理，集成了编辑器、终端、文档、浏览器和工具，在一个工作区中理解和执行任务。​

谷歌：推出Opal，帮助用户快速构建和分享AI迷你应用​

字节跳动：将Coze（扣子）开源，采用Apache 2.0许可​

【AI 创作】​

百度：视频生成模型「MuseSteamer」发布，实现中文音视频一体化生成的视频模型​

可灵：可图2.1上线，提升人像美感​

美图：AI Agent工具RoboNeo上线，可以帮用户一句话修图，设计，做视频。​

Midjourney Video：视频推出首尾帧和循环能力​

可灵AI：推出灵动画布，一个画布中完成AI图像，视频，音效的全流程操作，支持多人协同​

Luma：现已推出“根据指令修改视频“（Modify with Instructions）功能​

【AI 音乐】​

阿里通义：开源旗下音频生成模型ThinkSound，可用于音频生成和编辑​

昆仑天工：推出AI音乐模型 Mureka V7​

B站：IndexTTS2，文本到语音（TTS）模型，实现零样本语音克隆，精准控制语音持续时间与情感表达。​

8月｜ 你不用手动选什么模式，AI 会自己判断思考模式！Nano Banana图像模型炸场！​

8 月的又一大关键词是： 更聪明的“自动选择” 。​

简单说就是：你不用手动选什么模式，AI 会自己判断​

这月也特别能感受到“多模态一体化”的速度：图像编辑、角色一致、多图融合越来越成熟​

世界模型赛道逐渐火热了起来~​

🌟​

要点内容​

  • •【AI 模型及应用】OpenAI：发布GPT-5​

GPT-5 无需手动调节形式，系统会根据任务类型自动选择快速模式或深度推理模式。​

  • •【AI 模型及应用】谷歌：发布Gemini 2.5 Deep Think模型​

多项能力超越 o3 和 Grok 4​

  • •【AI 模型及应用】智谱：发布 AutoGLM 2.0，手机通用 Agent​

可以在云端自动执行操作、跨应用协作并完成任务，不再干扰用户前台操作，实现了人与 AI 的异步并行协作模式。​

  • •【AI 创作】Google： 发布Nano Banana （Gemini 2.5 Flash image ）图像生成和编辑模型​

该模型支持将多张图像融合为一张、保持角色一致性以进行丰富的故事创作、使用自然语言进行有针对性的转换，以及利用 Gemini 的世界知识生成和编辑图像。​

  • •【AI 创作】阿里 ：图像编辑模型Qwen-Image-Edit开源​
  • •【AI 3D/游戏】谷歌：发布Genie 3 世界模型​

给出文本提示即可生成动态交互式3D世界​

  • •【AI 3D/游戏】腾讯混元：上线 Hunyuan 3D 世界模型 1.0 Lite 版本​

混元3D世界模型1.0，首个开源且兼容传统CG管线的可漫游世界生成模型。该模型能够根据文本描述或单张图片生成沉浸式、可探索和交互式的3D世界。​

  • •【AI 3D/游戏】AI3D建模模型喷涌上新​

Vast推出AI 3D大模型Tripo3.0，Meshy 5 （AI建模工具）推出​

  • •【AI 政策】国务院发布《关于深入实施“人工智能+”行动的意见》​

提出到 2027 年率先实现人工智能与科学技术、产业发展、消费提质、民生福祉、治理能力、全球合作六大重点领域的广泛深度融合；到 2030 年新一代智能终端和智能体普及率超过 90%，智能经济成为经济发展的重要增长极。​

📒其他内容​

【AI 模型及应用】​

Claude Opus 4.1发布，在代理任务、实际编码和推理方面有所改进​

xAI：发布 Grok Code Fast 1 编程模型​

DeepSeek：V3.1 发布，混合推理架构，更高的思考效率和Agent能力​

Manus：发布“Wide Research”功能，支持上百个独立Manus智能体同时工作​

智谱：开源多模态推理模型GLM-4.5V​

昆仑万维：升级 Skywork Deep Research Agent v2，多模态深度调研代理​

纳米 AI：更新为 L4 级多智能体蜂群，实现从“单兵作战”到“群体协同”的进化​

【AI 创作】​

BFL&Krea：重磅开源图像模型FLUX.1-Krea [dev]，主打“高真实感”​

阿里：通义千问开源图像生成模型Qwen-Image，长文本生成效果优秀​

阿里：开源OmniAvatar音频驱动全身Avatar视频生成模型​

阿里：发布Wan 2.2 S2V ，音频驱动数字人视频生成​

字节：发布 OmniHuman-1.5 音频驱动角色动画技术，支持多角色场景​

百度：MuseSteamer 2.0音视频一体化模型发布，可生产中文有声视频​

昆仑万维：发布SkyReels-A3语音驱动数字人模型，实现任意时长的全模态音频驱动数字人创作​

Midjourney ：推出了 HD （高清化）视频模式​

Higgsfield：上线Draw-to-Video能力，通过草图进行AI视频生成控制​

谷歌：发布 Imagen 4 Fast模型，生成图片成本单图仅需 0.02 美元​

PixVerse（AI视频工具）：V5 更新，重点提升运动流畅度，同时保持角色一致性​

【AI 音乐/音频】​

OpenAI ：宣布 Realtime API 正式可用，并发布新的语音转语音模型“gpt‑realtime”​

Elevenlabs：推出AI 音乐模型Eleven Music​

MiniMax：发布语音生成模型Speech 2.5，在多语种表现力、音色复刻精度和语种覆盖范围上实现了显著提升​

昆仑万维：AI 音乐模型 Mureka V7.5 上线，提升中文歌曲气息韵律与情感表达​

【AI 3D/游戏】​

Mirage 2：可在线畅玩的实时通用领域生成世界引擎​

微软：Copilot 3D 免费AI建模工具上线​

群核科技：发布空间语言模型SpatialLM 1.5，并开源3D场景生成模型SpatialGen​

昆仑万维：开源交互世界模型Matrix-Game 2.0，用于3D世界的生成与探索Matrix-3D模型​

腾讯混元：开放Hunyuan‑GameCraft 1.0源码，致力于高动态互动游戏视频生成​

9月｜ 专业级3D AI工作台来袭！开始追求一套技术框架做多件事​

9月，代码模型圈持续发力！​

视频与图像，3D模型持续性增强~向更高质、更可控推进​

🌟​

要点内容​

  • •【AI 模型及应用】Anthropic： 发布 Claude Sonnet 4.5 模型，代码能力优秀​
  • •【AI 模型及应用】智谱：旗舰模型GLM-4.6上线，代码能力提升​
  • •【AI 模型及应用】阿里：发布参数超万亿的模型 Qwen3-Max​
  • •【AI 创作】即梦：图片4.0（能力基于Seedream 4.0）发布​

首次支持多模态生图,同一模型实现文生图、图像编辑、多图融合、组图生成，能够通过自然语言灵活控制画面细节。​

  • •【AI 创作】生数科技：发布新一代视频模型Vidu Q2​

能够实现流畅的多人打斗动作，以及复杂表情与运镜变化，2-8 秒生成视频时长自由选择​

  • •【AI 创作】Luma AI ：推出 Ray3视频模型​

具有推理能力的视频模型，可通过视觉标注进行视频生成控制，并支持HDR​

  • •【AI 创作】阿里：通义万相全新动作生成模型Wan2.2-Animate正式开源​

该模型能够根据角色图像和参考视频，进行动作迁移或角色替换。​

  • •【AI 创作】阿里：发布Wan2.5 preview系列模型，可生成音画同步视频​

首次采用原生多模态架构，在同一套框架下支持理解和生成等多种任务。涵盖文生视频、图生视频、文生图和图像编辑四大模型。​

  • •【AI 3D/游戏】混元3D 3.0模型正式上线，同期还推出混元3D Studio专业级3D AI工作台​

几何分辨率达 1536³，支持约 36 亿体素超高清建模。3D AI工作台，覆盖3D管线组件生成、UV展开、绑骨蒙皮等七大核心环节。​

  • •【AI 3D/游戏】腾讯：开源新混元世界模型-Voyager​

具备原生3D重建能力，更大探索范围，支持场景风格化修改​

  • •【AI 政策】《人工智能生成合成内容标识办法》9 月 1 日起正式施行​

该办法规定，所有AI生成的文字、图片、视频等内容都必须明确标注AI生成标识。​

  • •【AI 音乐】Suno 推出 v5版本，同时发布Suno Studio 生成式音频工作站将多种音乐生成工具整合到一体，V5 提供更沉浸式的音频、更真实的歌声和创意控制​

📒其他内容​

【AI 模型及应用】​

OpenAI：发布GPT-5-Codex，智能体式编程模型​

OpenAI：ChatGPT 支持分支对话，方便在不同方向继续讨论而不影响原有聊天记录​

xAI：发布 Grok4Fast，效率提升40%，比 Grok 4 便宜 47 倍​

DeepSeek ：发布 V3.2-exp 模型，API 价格大幅度降低​

阿里：Qwen3-Omni首个原生端到端全模态 AI，处理包括文本、图像、音频和视频在内的各种输入​

百度：发布文心大模型X1.1（深度思考模型）​

【AI 创作】​

Midjourney：推出首个风格探索器（--sref库），实现画风自由​

Vidu：发布Q1 参考生图，支持混合和匹配多张图片（至多7张图像）以创建新场景​

腾讯：混元开源图像模型2.1，支持原生2K图像生成，能够处理长达1000个token的复杂提示，并精确控制（分别描述）单个图像中多个主体的生成。​

腾讯：混元图像3.0（HunyuanImage 3.0）开源，官方宣传其为首个开源商用级原生多模态生图模型。​

即梦AI：web上线新数字人能力，基于 OmniHuman-1.5 音频驱动角色动画技术，支持多角色场景以及动作运镜设计。​

可灵：公布数字人（ Kling AI Avatar）功能，允许用户通过上传头像图片（人物，动物皆可）和音频（音频限制1分钟内），并输入情感和表情提示，来使数字人栩栩如生。​

阿里：AI图像编辑模型Qwen-Image-Edit-2509更新，多图编辑支持，单图一致性提升​

可灵AI：可灵2.5 Turbo视频模型发布，更高品质、更低价格，价格比可灵2.1同档位便宜30%​

【AI 音乐】​

StabilityAI：推出Stable Audio 2.5，为企业级声音制作构建的音频模型​

昆仑万维：上线 Mureka Agent Studio，AI 音乐创作助手​

ElevenLabs：推出音视频制作一站式工具 Studio 3.0​

阿里：文本转语音模型Qwen3-TTS，提供 17 种声音并支持多种语言和方言​

【AI 3D/游戏】​

腾讯：混元游戏视觉生成平台宣布全面升级至2.0版本，新增了游戏图生视频、自定义模型训练、角色一键精修等能力​

腾讯：混元3D开源 Hunyuan3D‑Omni （多条件可控 3D 模型生成框架）与 Hunyuan3D‑Part（3D模型零件拆解技术）​

Rodin（AI建模工具）Gen-2 上线，支持3D模型零件拆分更细致，可多次拆分​

Hitem3D v1.5：高清化AI建模模型发布​

10月｜视频模型继续迭代！音视频同步和多镜头叙事方面大幅提升 ！​

10月AI 浏览器冒头！Agent 直接住进你的上网过程​

Sora 2爆火！视频模型继续迭代！音视频同步和多镜头叙事方面大幅提升！真实感、叙事、可控性，成本效率这些更偏“工业化”的指标。​

🌟​

要点内容​

  • •【AI 模型及应用】Anthropic：推出小型模型Claude Haiku 4.5，编程比肩Sonnet 4​
  • •【AI 模型及应用】OpenAI ：推出AI浏览器ChatGPT Atlas，将ChatGPT集成到网页浏览中​
  • •【AI 创作】OpenAI：视频模型Sora 2上线​

Sora在物理真实感、音视频同步和多镜头叙事方面大幅提升。同步上线独立iOS应用，用户可生成、浏览和分享视频，还能以虚拟形象“客串”他人作品​

  • •【AI 创作】Veo 3.1 视频模型上线，​

Veo 3.1具有更丰富的原生音频，可生成逼真的对话和精确同步的音效，提供更强大的视频制作控制能力​

  • •【AI 创作】Vidu： Q2 参考生视频上线​

聚焦于参考生视频高一致性，速度更快，至多可延长至5分钟​

  • •【AI 3D/游戏】World Labs（李飞飞团队）：全新实时生成式世界模型RTFM​

能够在用户交互时实时生成视频，用于探索生成的3D世，单张H100即可支持​

📒其他内容​

【AI 模型及应用】​

OpenAI：OpenAI宣布已完成资本重组简化其公司结构，并与PayPal达成合作，ChatGPT成为集成支付平台​

Anthropic ：推出 Claude “Skills”系统 。支持根据任务相关性自动调用技能，支持自定义技能​

n8n：推出 AI Workflow Builder（测试版），将需求自动转变为动态工作流​

Manus 1.5发布，增强全栈Web应用程序开发能力​

智源：开源原生多模态世界模型 Emu3.5​

Minimax： M2 模型发布​

Cursor：宣布推出 2.0 版本以及其首个自研编码模型 Composer。​

【AI 创作】​

海螺：推出海螺2.3（Hailuo 2.3） AI视频模型，Hailuo Video Agent 正式升级为全模态创作Media Agent​

GAGA-1：国产AI视频模型，专攻人像表演，一键同步生成音频和视频，生成完整数字表演。​

Runway :推出“Apps"工具，汇集了各种特定用例的AI创作工作流，同时上线AI工作流节点画布工具​

Adobe公布Firefly Image Model 5新图像生成模型​

【AI 音乐】​

豆包：语音合成模型2.0发布，语义理解+情感演绎双突破，会读复杂公式​

MiniMax Speech 2.6语音模型发布​

MiniMax Music 2.0音乐生成模型发布，可生成5分钟以上乐曲​

Udio ：与环球音乐集团 (UMG) 达成合作​

【AI 3D/游戏】​

腾讯：开源混元世界模型1.1（WorldMirror），单卡可跑，支持多视图及视频输入，秒级3D世界生成。​

字节跳动：发布AI生成3D模型 Seed3D 1.0​

Rodin ：发布3D模型局部编辑重做能力​

11月｜ Nano Banana Pro再掀风浪！ 世界模型 Marble正式出现！​

11 月，Nano Banana Pro再掀风浪！继续加码图像生成与编辑行业能力​

世界模型Marble正式出现！从“生成内容”到“生成世界”有了实感，可以亲自上手体验。​

模型大厂开始应用工具化，将模型能力应用到日常的产品端（如：蚂蚁集团：发布 AI 助手APP“灵光”）​

🌟​

要点内容​

  • •【AI 模型及应用】A nthropic：Claude Opus 4.5 上线​
  • •【AI 模型及应用】谷歌：发布多模态模型 Gemini 3 Pro​
  • •【AI 模型及应用】OpenAI ：GPT-5.1（更智能、更会聊天），GPT-5.1 Pro及新代码模型GPT-5.1-Codex-Max​
  • •【AI 创作】谷歌：发布图像模型Nano Banana Pro​

图像生成和编辑模型，基于 Gemini 3 Pro具备增强的推理能力、世界知识和实时信息连接能力，支持4K，长文本汉字渲染。​

  • •【AI 3D/游戏】World Labs（李飞飞团队）：正式推出 Marble，多模态世界模型，轻松生成可交互3D世界​
  • •【AI 3D/游戏】Meta：推出SAM 3D，点击2D图像元素即可完成3D建模，获得3D模型或进行人体动作姿态的3D估计​
  • •【AI 3D/游戏】谷歌：推出SIMA 2智能体，能在3D游戏世界里协作陪玩、分析推理、自我提升​

📒其他内容​

【AI 模型及应用】​

OpenAI ：发布 GPT‑5‑Codex‑Mini，高性价比编程模型，当月还推出ChatGPT 群聊能力​

xAI：推出Grok 4.1新AI模型，提升情感智能和可靠性，以及 Grok 4.1 Fast 与 Agent Tools API​

月之暗面：发布旗舰级开源思维模型Kimi K2 Thinking​

百度：发布文心大模型 5.0 (ERNIE 5.0)​

阿里：通义千问 Qwen3-Max 官网上线深度思考（Deep Thinking）模式​

蚂蚁集团：发布 AI 助手APP“灵光”，任何人30秒内生成专属小应用​

Manus：发布 Browser Operator ，将本地浏览器变成“AI浏览器”​

OpenAI：ChatGPT “购物研究”功能上线​

夸克：与千问深度融合，推出全新AI浏览器​

【AI 创作】​

Black Forest Labs：发布FLUX.2系列图像生成模型，生图编辑一体，开源版“Nano Banana”​

阿里：推出新图像模型Z-Image，小参数，16G 显存的消费级设备可跑​

昆仑万维：新SkyReels平台上线，同时更新SkyReels V3多模态视频生成模型，一站式提供图片生成、视频生成、数字人、音乐生成等多种AI创作方式​

即梦AI：「无限画布」功能，Web版上线​

Vidu：上线智能多帧视频制作能力，最多支持10张图片，63秒长视频制作​

Midjourney ：发布新“风格创建器（Style Creator ）”功能，帮助AI创作者构建自己的的风格代码​

腾讯混元：开源视频模型HunyuanVideo 1.5，同时上线元宝​

【AI 音乐】​

Suno：与华纳达成合作，AI 音乐进入“付费下载”时代​

阶跃星辰：推出开源音频编辑模型 Step-Audio-EditX，超越豆包-Seed-TTS-2.0​

ElevenLabs：发布 Scribe v2 Realtime 实时语音转文本模型​

【AI 3D/游戏】​

腾讯：混元3D Studio更新 1.1版本，基模升级为混元3D 3.0版本，支持36亿体素超高清建模。接入最新的PolyGen1.5，首创端到端原生四边形网格生成方法​

Tripo Studio：更新具有高清纹理，纹理放大功能及新增100 多个带自动绑定功能的动画​

Meta：WorldGen，从文本生成可探索交互3D世界​

12月｜大家开始卷“产品交付”！模型、图像、视频、3D全面收官更新！​

12 月就是典型的“年度升级大会”：模型、图像、视频、3D 全面年度收官更新，产品线新品升级，全是顶货👇​

🌟​

要点内容​

  • •【AI 模型及应用】OpenAI ：发布 GPT‑5.2 系列，最强大的专业知识工作模型系列​
  • •【AI 模型及应用】DeepSeek：发布 DeepSeek V3.2 模型，首个将思考融入工具使用的模型​
  • •【AI 创作】阿里 ：发布万相2.6 （Wan 2.6）系列模型​

重点推出角色扮演与分镜控制能力，读取用户上传的参考视频中，角色的外貌、表情、动作、音色等特征，生成 单人或多人 的新视频​

  • •【AI 创作】可灵：发布 O1 全模态视频模型，图片 O1 模型​

最长支持一次生成3-10s有声视频，支持同时文本、图片、视频的输入，既能生成视频也能实现复杂的视频编辑功能（如：镜头续写，角色替换，动作迁移，元素去除）。​

  • •【AI 创作】可灵：可灵 2.6 “音画同出”模型​

支持在一次生成过程中同时输出画面、自然语音、音效和环境氛围，用户可以规定对白内容，说话者，角色动作，背景事件以及运镜​

  • •【AI 创作】可灵：发布数字人2.0（ Avatar 2.0 ），角色表演力提升，手部不容易崩坏，及口型达到相对精准控制​
  • •【AI 创作】OpenAI：发布GPT Image 1.5 图像模型​

生成速度提升约 4 倍，指令遵循，细节保留更强，并在 ChatGPT 中上线“图像”功能。​

  • •【AI 创作】字节：推出豆包图像创作模型 Seedream 4.5​

具有融合常识和推理能力，同时整合文生图、图生图、组图输出，图像编辑等功能。改善之前版本“小人脸与小字崩坏、一致性不足、多参考图混淆”等问题。​

  • •【AI 创作】阿里：发布Qwen-Image-Edit-2511，​

在 Qwen-Image-Edit-2509 基础上的增强版本，主要聚焦于提升图像编辑的一致性。​

  • •【AI 3D/游戏】腾讯：在SIGGRAPH Asia发布业界首个AI全流程3D动画管线VISVISE​

把骨骼生成、智能蒙皮、动画生成、智能插帧能力全面打通。​

  • •【AI 3D/游戏】腾讯：混元世界模型1.5（Tencent HY WorldPlay ）发布​

只需输入文字描述或图片即可创建专属的互动世界，户可通过键盘、鼠标或手柄实时控制自由探索世界。同时支持实时文本触发事件和视频续写功能。​

  • •【AI 3D/游戏】NVIDIA：发布 NitroGen ，面向通用游戏代理的开放基础模型，轻松上手千款游戏​
  • •【AI 音乐】Meta：推出SAM Audio ，从复杂的音频中分离和编辑声音​
  • •【AI 喜报】Manus：被Meta斥资数十亿美金“闪电”收购​
  • •【AI 喜报】智谱：启动港股招股 ，市值突破511亿港元，1月8日港交所挂牌​

📒其他内容​

【AI 模型及应用】​

谷歌：发布 Gemini 3 Deep Think 模型（Gemini 3 Pro的强化推理版本），轻量级模型Gemini 3 Flash。​

MiniMax：MiniMax M2.1模型发布，同期上线 Agent 平台​

智谱：发布 GLM-4.7大模型 ，亮点能力在编码领域​

OpenAI：发布GPT-5.2-Codex，智能体编码模型​

Manus：升级旗舰 Agent（Manus 1.6 Max），同时支持移动应用开发和 Design View能力​

火山引擎：发布豆包大模型1.8（Seed1.8）​

腾讯：发布自研大模型混元2.0（Tencent HY 2.0）​

飞象老师：正式上线，国内专为教师研发的AI工具​

阿里：推出学习大模型 Qwen3-Learning，更新拍照答疑和作业批改能力​

智谱：开源 AutoGLM，支持手机全流程操作的开源代理模型​

智谱：公布GLM‑4.6V 系列，支持原生工具调用的开源多模态大模型​

ListenHub PPT正式上线，一键制作自定义样式讲解PPT​

昆仑万维：发布Skywork Mobile App 5.0超级人工智能代理应用​

【AI 创作】​

Runway：公布最新AI视频模型Gen-4.5（支持原生音频生成+多镜头视频编辑）​

Luma ：推出新版视频编辑能力 Ray 3 Modify，允许用户通过关键帧和角色参考，快速视频润饰、精准元素替换和场景重设计。​

可灵：发布动作控制功能，用户可上传3–30秒的动作视频参考+角色图片，来生成角色动作视频，同时支持通过文字提示微调场景细节。​

商汤：AI 视频智能体Seko2.0 升级 ，上线多剧集模式，一次性创建多个剧集视频内容​

Black Forest Labs：发布图像模型FLUX.2 [max]​

阿里：Wan2.6-Image现已推出​

Vidu：Q2生图模型上线 ，支持文生图，参考生图，图像编辑等一站式多参工作流​

爱诗科技：发布PixVerse V5.5 ，“多镜头+音画同步一键直出”的AI视频大模型​

Adobe ：宣布与 OpenAI 合作，将 Photoshop、Acrobat 和 Express 等核心功能集成到 ChatGPT 中​

迪士尼：与OpenAI达成合作，授权200+经典角色支持Sora视频生成​

One‑to‑All Animation：超越 Wan-Animate，视频驱动角色舞蹈技术​

智谱:开源SCAIL ，面向影视级标准的角色动画生成框架，能够处理大动作变化和多角色交互，已有ComfyUI节点​

【AI 音乐】​

阶跃星辰：开源 Step‑Audio‑R1，首个解锁链式思维推理的音频大模型，可做歌曲鉴赏，访谈分析​

昆仑万维：发布Mureka V7.6和Mureka O2 AI音乐模型​

阿里：发布Qwen3-TTS-VD-Flash与Qwen3-TTS-VC-Flash，语音设计与音色克隆新突破​

阿里：发布端到端语音交互模型Fun‑Audio‑Chat，实时理解用户语音，具备情感感知能力​

【AI 3D/游戏】​

微软：发布3D生成模型 TRELLIS 2，专注于高保真的图像到3D生成​

苹果：推出ml-sharp ，单张图片秒内即可生成“3D场景”​

Meshy AI：AI建模纹理编辑工具升级，支持模型纹理自由编辑，推出一键生成低模3D资产新功能​

Hitem 3D：v2.0 上线 ，提升纹理与3D几何细节​

群核科技：推出Aholo空间智能开放平台、及基于3D技术的AI内容创作工具LuxReal​

育碧：开源PBR材质模型CHORD，助力游戏制作​

Runway：发布通用世界模型GWM-1​

腾讯：推出文生动作模型混元Motion 1.0​

结尾！​

最后，感谢大家这一年来的关注与陪伴。​

本次 2025 年 AI 圈年度要点回顾就先到这里啦～​

AI 的变化真的太快，但也正因为快，才更值得我们一起记录、一起见证。​

新的一年，小编也会继续保持更新节奏，把最新的 AI 行业资讯、产品动向第一时间整理给大家。​

2026，我们继续同行！​

⚠️部分内容由AI生成​

💗有任何疑问，请提前联系邮箱：alolg@163.com​

求一波关注！点赞！转发​