基准实验室

字节跳动的 Seed 团队近日推出了其最新成果 Seed3D 1.0 —— 一款兼具物理模拟精确性与可扩展性的 3D 基础模型。只需一张图片，就能生成高精度的 3D 模型，并且自带精细纹理和材质，可以直接用于仿真和机器人训练。 当前 3D 生成技术的核心挑战，在于实现“从一张照片到可用三维世界的跨越”。这要求模型必须解决三个根本性问题：首先，它不能只生成一个…

在当前多模态 AI 已逐步攻克视觉与复杂逻辑推理的背景下，语音识别系统对于口音、噪声等变量所表现出的脆弱性，依然是该领域一个亟待攻克的核心挑战。当 AI 能看图、能推理，为何听懂一段带口音的对话依然如此之难？ 这是所有开发者和用户共同的痛点。在语音转文字（STT）领域，我们似乎总面临一种“技术悖论”：模型能力在纸面上飞速进步，但在真实的会议室、嘈杂的街头、充…

2025年的夏天，当大模型竞赛的主线已从单纯的参数规模转向更深邃的“智能体能力”（Agentic Intelligence）时，一个名字如惊雷般引爆了整个开源社区——Kimi K2。这款由月之暗面（Moonshot AI）公司于2025年7月11日发布的突破性开源大语言模型，不仅是业界第一个宣称达到万亿参数的大模型，总参数量高达惊人的1.04万亿，更重要的是…

从机械单调的合成音，到略带情感的 AI 助手，AI 语音的竞赛始终聚焦于说得更“快”与更“像”的极限。然而，旧有的标杆正在被颠覆：MiniMax 于 10 月 30 日掷出其最新语音模型Speech 2.6，将端到端延迟一举压缩至 250 毫秒以下，重新定义了实时语音交互的速率标准。在人类日常对话中，自然停顿介于 300-500 毫秒之间，而 250 毫秒更…

在我们 9 月末的评测文章《国产AI视频“2.5时代”首战：Wan2.5的“电影感”与Kling 2.5的“稳定美学”，能否击败Veo 3？》中，曾提到国产 AI 视频模型正不约而同迈入 2.5 时代，而在一个多月后的 10 月 28 日，这一阵营中的又一员大将——来自 MiniMax 的 Hailuo 也正式迎来升级，推出 2.3 版本。 Hailuo 2…

MiniMax 日前正式开源了其专为编程任务与 Agent 工作流优化设计的大模型 MiniMax-M2。该模型采用 MoE 混合专家架构，官方称其为“小模型”，是因为仅凭 100 亿激活参数，即可实现媲美顶尖模型的端到端工具调用能力，而其轻量级形态使得部署和扩展变得比以往更加轻松。 MiniMax M2 定位明确，旨在成为 AI 编程与 Agent 开发领…

字节跳动旗下火山引擎于 9 月推出其通用多语言翻译模型 Doubao-Seed-Translation，支持包括中、英、日、韩、德、法等 28 种语言互译，基本覆盖了全球大部分主流语种。官方称模型在中英翻译效果上逼近 Deepseek-R1，而在多语言综合表现上，甚至可以对标顶尖模型 GPT-4o 与 Gemini-2.5-Pro，展现出国际一流的翻译水准。…

距 Claude Sonnet 4 问鼎业界编程翘楚五个月后，Anthropic 再度官宣发布其 Claude 家族轻量级新作——Claude Haiku 4.5，并宣称该模型在编码性能上已媲美 Sonnet 4，而价格仅为后者的三分之一，速度更是提升一倍以上，堪称一款极具竞争力的 Sonnet 4 平替。 Anthropic 官方抛出的数据也直观地力证了 …

相信很多影像工作者近些年对 Topaz Labs 这家公司已不陌生，和一众 2024 年后围绕AI做概念就开始融资的新玩家不同，Topaz Labs 是在AI浪潮来临之前，就已经把专业技能点点满的硬核老兵——它用一系列真实可用的模型工具，在图像修复、局部放大、细节增强、去噪、插帧和视频补帧等领域打下了坚实口碑：模糊镜头能拉清晰、低分辨率素材能补成4K，尤其是…

随着 AI 视频生成技术从基础的提示词理解迈向电影级画面创作，模型的进化方向已不再局限于画质本身，而是延伸至具备导演思维的运镜逻辑与对用户深层意图的感知能力。“电影级”，正成为新一代 AI 视频模型的核心标签。 在九月末密集发布的 AI 视频模型中，Wan2.5 与 Sora 2 凭借音画同步能力的突破，将 AI 视频的叙事质感推向一个新高度。紧随其后，生数…