往期回顧：

一、AI秒級生成3D場景！廈大x騰訊開源FlashWorld

近日，AI為3D內容生成領域又迎來了一項突破性進展。廈門大學與騰訊聯合研發的FlashWorld模型橫空出世，僅憑單張圖片或一段文字，就能在5-10秒內生成高質量3D場景，速度較以往提升10到100倍，同時渲染質量更加驚艷。

這項研究的問世，或許意味著我們離那個“人人都能快速創造3D世界”的時代又近了一步。

開源地址：https://imlixinyang.github.io/FlashWorld-Project-Page/

二、南洋理工&騰訊ARC：分鐘級實時生成突破

近日，南洋理工大學&騰訊ARC實驗室：合作研發RollingForcing技術，通過聯合去噪、注意力池、高效訓練策略，單GPU實現分鐘級實時長視頻生成，解決誤差累積問題，生成視頻質量高。Rolling Forcing成功突破了實時長視頻生成的不可能三角，在保持16 fps實時生成速度的同時，顯著降低了長序列生成中的誤差累積，實現了分鐘級別的高質量視頻流生成，為交互式世界模型、神經游戲引擎等應用提供了基礎。

官方介紹：https://github.com/TencentARC/RollingForcing

三、Lovart平臺上線“編輯元素”新功能

近日，針對海外市場的AI設計平臺Lovart宣布上線新功能“編輯元素”，能夠將圖片中的不同元素自動分離獨立圖層，并靈活調整細節。

這一更新也解決了AI生圖“難以局部修改”的常見痛點，Lovart的“編輯元素”功能，能夠像PS分圖層一樣，自動識別生成圖片中的各個元素，并將其拆分為獨立圖層。每個圖層均可單獨編輯并保存，且修改某一元素時不會干擾其他部分，大大提升了控制的精細度。

四、OpenAI發布GPT-5.1，智商情商雙提升

11月12日，OpenAl正式官宣推出新一代旗艦模型GPT-5.1系列，官方表示此次升級旨在“讓ChatGPT更智能，對話體驗更有趣”。

此次發布距上一代GPT-5僅數月時間，此前GPT-5因缺乏“人味”、“刻板而缺乏創造力”引發用戶爭議，而GPT-5.1則實現了智能水平與溝通風格的雙重升級。

OpenAI公司CEO薩姆?奧爾特曼表示，GPT-5.1升級給力，尤其是指令遵循和自適應思考的改進，整體的智力和溝通風格提升也很顯著。

五、谷歌“嵌套學習”突破LLM遺忘瓶頸

近日，谷歌推出了一種全新的用于持續學習的機器學習范式——嵌套學習，模型不再采用靜態的訓練周期，而是以不同的更新速度在嵌套層中進行學習，即將模型視為一系列嵌套問題的堆疊，使其能夠不斷學習新技能，同時又不會遺忘舊技能。

這或將標志著人工智能朝著「真正像大腦一樣進化的方向」邁出了一大步。嵌套學習代表了谷歌對深度學習理解邁進了新階段，通過將架構與優化視為統一的、層次化的優化系統，打開了一個全新的設計維度。

六、英偉達發布OmniVinci全模態大模型

近日，英偉達（NVIDIA）開源了OmniVinci，一款能理解多模態世界的全模態大語言模型（Omni-Modal LLM）。

該模型實現了視覺、音頻、語言在同一潛空間 （latent space）中的統一理解，讓AI不僅能識別圖像、聽懂語音，還能推理、對話、生成內容。

這個9B的視覺-語音理解全模態模型剛上線就爆火，Huggingface模型權重目前已經有超過10000次下載量！

開源地址：https://github.com/NVlabs/OmniVinci

七、Meta開源1600語言語音識別系統

近日，Meta基礎人工智能研究（FAIR）團隊推出了“全語種自動語音識別系統”（Omnilingual ASR），該系統可支持1600多種語言的語音轉寫，大幅拓展了當前語音識別技術的語言覆蓋范圍。

據Meta介紹，在其支持的1600種語言中，有500種系首次被任何AI系統所覆蓋。FAIR團隊將該系統視為邁向“通用語音轉寫系統”的重要一步，有望助力打破全球語言壁壘，促進跨語言溝通與信息可及性。

八、Utopai Studios發布影視專用AI模型與工作流

近日，AI原生影視工作室Utopai Studios宣布推出專為電影與電視制作而設計的AI模型和工作流。

與目前主流的通用視頻模型不同，Utopai的AI模型并非為了生成短視頻或視覺效果，而是專為影視創作而生，具備“理解劇本、解析故事，并協助導演規劃鏡頭和生成場景”的能力。

將這些環節整合為一體后，系統可以強化故事結構、表演呈現與鏡頭連貫性——這些都是專業影視制作的關鍵能力。