阿里通义 LHM 3D 数字人解析：一张正面照片数秒生成可驱动角色，人脸保真度最高
结论先行：阿里通义团队开源的 LHM，把 3D 数字人的制作门槛压到了前所未有的低度——只需一张正面照片，数秒内端到端生成完整且可直接驱动的 3D 数字人，无需多角度拍摄、无需标注数据、无需后处理。它基于多模态 Transformer 与高…
最新文章 第 108 页 共 169 页
阿里通义 Wan2.2 开源视频生成模型解析：MoE 架构还原电影镜头语言，Apache 2.0 开放权重
结论先行：2025 年 7 月 28 日，阿里巴巴通义实验室正式开源了视频生成模型 Wan2.2。它的差异化不在”画质又好了一些”，而在把混合专家（MoE）架构引入注意力模型，用来理解并还原电影镜头语言——光影、色彩…
OpenAI o3 与 o4-mini 推理模型解析：MMMU 82.9% 超越 o1，图像直接接入推理链
结论先行：2025 年 4 月 16 日，OpenAI 发布了 o 系列的两款新推理模型——o3 与 o4-mini。真正值得关注的不是”又涨了几个点”，而是 o3 做出了一个此前没有过的动作：把图像直接放進思维链，…
Grok 4.7 正式发布解析：2.1 万亿参数涨 40% 不涨价，与 Fable 5.1 基准全对比
结论先说：SpaceXAI（xAI）已于 2026 年 9 月 21 日正式发布 Grok 4.7，参数从 Grok 4.6 的 1.5 万亿涨到 2.1 万亿（+40%），但 API 价格一分未涨——输入 2 美元 / 百万 token、…
Laya 开源决策模型 vs Jev 对比：32.8ms 推理快 7.8 倍，Apache 2.0 权重可自托管
结论先说：Laya 是 2026 年 9 月 18 日由 Convai Innovations 发布的开源「System 1 决策模型」，Apache 2.0 授权、权重可下载、单卡 T4 上单次推理 32.8 毫秒，约为 TypeSafe…
Qwen VLo 多模态模型解析：逐行渐进式生成，支持任意分辨率输入输出的图文统一模型
结论先行：Qwen VLo 是阿里达摩院通义千问团队在 2025 年 6 月 26 日发布的多模态模型，主打”从感知到生成“的统一——同一个模型既能理解图像内容，也能根据自然语言指令完成高质量的图像生成与编辑。它的两…
蚂蚁 AQ AI 健康助手解析：接入 5000 家医院与近百万医生，200 位三甲名医 AI 分身可问询
结论先行：蚂蚁集团在 2025 年 6 月 26 日发布的 AI 健康应用 AQ，核心并不是”又一个聊天机器人”，而是把大模型能力接到真实医疗资源上。官方公布的数据显示，它已接入全国超 5000 家医院、近百万医生资…
腾讯混元游戏视觉生成平台解析：建模准备从 12 小时压到 30 分钟，九大能力矩阵开放
结论先行：腾讯在 2025 年 5 月 20 日发布的”混元游戏”视觉生成平台，主打首个面向游戏工业级内容生产的 AIGC 引擎。官方给出最具冲击力的一组对比是：部分传统流程中需要耗时 12 小时的建模准备工作，在该…
微软 UFO² 桌面 AgentOS 解析：自动化成功率 32.7%，超越 OpenAI Operator 且 MIT 开源
结论先行：微软在 2025 年 4 月发布的 UFO²（Desktop AgentOS），把桌面智能代理从”自动化脚本”升级为一套操作系统级方案。官方测试数据显示，在两组不同的自动化任务场景中，UFO² 的成功率分别…
MiniMax-M1 开源推理模型解析：4560 亿参数、100 万 Token 上下文，54 万美元完成训练
结论先行：MiniMax（稀宇科技）在 2025 年 6 月 17 日发布的 MiniMax-M1，是一枚主打开源的大规模混合架构推理模型。它把参数量做到 4560 亿（456B），上下文输入上限拉到 100 万 Token，推理输出长度做…