AI前沿周刊 | 25年第51周 多模态模型与AI工具创新

本周AI行业迎来多项重要进展，包括多模态模型的升级、AI工具的创新以及行业合作的深化。模型层方面，英伟达、小米、字节跳动等公司发布了多款性能提升的开源模型，涵盖语音、视频、图像生成等领域。应用层中，商汤、蚂蚁集团、即梦等公司推出了AI工具的更新，提升用户体验与效率。行业动态方面，爱诗科技与阿里云达成深度合作，Lovable完成新一轮融资，显示AI编程工具赛道的热度持续升温。

模型层

商汤Seko2.0重磅发布，合作短剧登顶抖音AI短剧榜No.1。 2025年12月15日，商汤科技发布Seko 2.0多剧集生成智能体，专为短剧创作者设计，支持角色一致性与精准对口型功能，大幅缩短制作周期。

Google Gemini TTS升级：支持24种语言，语音更拟真。 2025年12月15日，谷歌发布升级版Gemini 2.5 Flash和Pro文本转语音模型，提升表达能力、语速控制和多语言场景表现。

LiblibAI 上线「Wan 2.6」视频模型，中国版 SORA2 来了！ 2025年12月16日，LiblibAI平台全球首发通义万相Wan 2.6视频生成模型，支持视频参考生成、声画同步和多镜头智能调度。

英伟达发布 Nemotron 3 开源 AI 模型系列，吞吐量达上一代 4 倍。 2025年12月17日，英伟达发布Nemotron 3开源AI模型系列，包含Nano、Super和Ultra三种规格，采用混合专家架构，吞吐量提升显著。

小米正式发布并开源新模型 MiMo-V2-Flash。 2025年12月17日，小米发布开源大模型MiMo-V2-Flash，采用MoE架构，总参数3090亿，编程能力突出。

OpenAI 最强 AI 生图模型GPT Image 1.5登场。 2025年12月17日，OpenAI发布全新旗舰图像生成模型GPT Image 1.5，提升提示词遵循、细节保留和文本渲染能力。

Google 发布了高速、低成本模型 Gemini 3 Flash。 2025年12月18日，谷歌发布Gemini 3 Flash，性能超越前代，响应速度提升3倍，成本显著降低。

美团 LongCat-Video-Avatar 发布，实现开源SOTA级拟真表现。 2025年12月18日，美团发布并开源虚拟人视频生成模型LongCat-Video-Avatar，提升动作拟真度、长视频稳定性和身份一致性。

Meta 发布 SAM Audio，多模态音频分离新突破。 2025年12月18日，Meta发布首个统一多模态音频分离模型SAM Audio，支持文本、视觉或时间段提示提取目标声音。

苹果开源 SHARP 模型，1 秒内 AI 让照片变 3D“活”起来。 2025年12月19日，苹果开源SHARP模型，能在一秒内将2D照片转换为逼真的3D场景，处理速度提升三个数量级。

应用层

蚂蚁旗下 AI 健康助手 AQ 启用中文名“蚂蚁阿福”。 2025年12月15日，蚂蚁集团旗下的AI健康助手AQ更新版本并启用中文名“蚂蚁阿福”，上线“健康小目标”功能，提供健康咨询、档案管理及云陪诊服务。

商汤小浣熊3.0来了，AI办公智能体一键生成高质量PPT。 2025年12月16日，商汤科技发布AI办公智能体“小浣熊3.0”，支持一键生成高质量PPT，具备长链条思考能力，深度理解复杂任务。

即梦网页版全面升级，打造一站式AI片场。 2025年12月17日，即梦AI网页版全面升级，上线基于Seedance 1.5 Pro的“视频3.5 Pro”模型，支持音视频联合生成及方言口型匹配。

腾讯混元世界模型1.5发布，国内首个开放实时体验。 2025年12月17日，腾讯发布混元世界模型1.5（WorldPlay），支持实时交互体验，用户可通过文字或图片生成专属3D互动世界。

扣子编程，开启免费公开测试。 2025年12月19日，扣子开发平台升级为“扣子编程”并开启免费公开测试，推出全新的Vibe Coding开发范式，用户可通过自然语言描述生成智能体和跨端应用。

行业动态

通义百聆语音双子星，同步开源！ 2025年12月16日，阿里云通义百聆开源语音双子星模型Fun-CosyVoice3与Fun-ASR，提升音色克隆、语言识别及流式识别性能。

估值达465亿！明星AI编程独角兽Lovable再拿新融资。 2025年12月18日，瑞典AI编程初创公司Lovable完成新一轮融资，估值达66亿美元，成为欧洲最具价值初创公司之一。

爱诗科技携手阿里云达成全栈AI合作 AI视频全球化再启航。 2025年12月18日，爱诗科技与阿里云签署全面合作协议，双方将在AI视频生成领域建立深度协同，助力PixVerse模型的全球化部署。