2025年底，最令人印象深刻的AI圈大事莫过于Gemini 3 Flash的发布。
大模型的通用性和泛化性越来越强大了。
在李飞飞团队 WorldLabs 推出 Marble、引爆「世界模型（World Model）」热潮之后，一个现实问题逐渐浮出水面：世界模型的可视化与交互，依然严重受限于底层 Web 端渲染能力。
在大语言模型和文生图领域，强化学习（RL）已成为提升模型思维链与生成质量的关键方法。
你的生成模型真的「懂几何」吗？还是只是在假装对齐相机轨迹？
尽管扩散模型在单图像生成上已经日渐成熟，但当任务升级为高度定制化的多实例图像生成（Multi-Instance Image Generation, MIG）时，挑战随之显现：
Anthropic让Claude独立经营小卖部，没想到全球顶尖的智能体，在实验中不仅免费送PS5和各种商品，连小卖部的AI「老板」也被一张伪造的PDF文件「骗」下了台。在人类面前，再顶级的大模型仍显得过于「天真」和「单纯」，很容易就被套路和操纵。
刚刚，上海大模型独角兽MiniMax，正式通过港交所聆讯，吹响了IPO冲刺号角。但直到招股书披露，更重要的资本吸引力原因才完全明确——不仅因为全模态能力全球领先，更关键的是，累计花费只用了5亿美元，不到OpenAI的1%。
2025年就要结束了，原来真正的高手，隐藏在「民间」！不是谷歌、不是OpenAI，是Anthropic王者编程模型Claude Opus 4.5。在METR最新公布报告称，Claude Opus 4.5已能够持续自主编码「长达5小时不崩」。
近日，来自 Meta、香港科技大学、索邦大学、纽约大学的一个联合团队基于 JEPA 打造了一个视觉-语言模型：VL-JEPA。据作者 Pascale Fung 介绍，VL-JEPA 是第一个基于联合嵌入预测架构，能够实时执行通用领域视觉-语言任务的非生成模型。
