2024 年的最后一個月，全球 AI 圈好像約好了，一起開啟年底狂卷模式，批量發(fā)布新品。

據(jù) " 四木相對論 " 統(tǒng)計，這場年末上新的 " 戰(zhàn)局 "，至少有 15 家全球 Top 級 AI 公司參與，上新了 20+ 個功能。

在海外，最受關(guān)注的無疑是 OpenAI 開啟 12 天大放送，期貨 Sora 終于兌現(xiàn)。

差不多同期，Google、xAI、World Labs、Meta、Amazon、Pika、Runway 等海外名企也都上新了 AI 功能。

國內(nèi)的 12 月，大廠、六小虎和 AI 鯰魚 DeepSeek，無一不踏入戰(zhàn)局。

" 卷王 " 字節(jié)首當其沖。它在豆包和即夢中上新了圖像理解能力。

六小虎中的 MiniMax、階躍星辰、智譜 AI，有的卷模型，有的卷 Agent 應(yīng)用。Deepseek 和騰訊直接上新并開源了模型。

整體來看，各大公司近期的更新呈現(xiàn)以下特點：

視覺能力和生產(chǎn)力場景是兩大主題；

80% 以上的更新都圍繞 " 視覺 "；

可協(xié)作、可編輯是產(chǎn)品層更新的方向；

解析理解能力依舊是模型層的重點。

但卷歸卷，不少產(chǎn)品也出于缺乏曝光等因素，發(fā)布得 " 悄無聲息 "。

還有些萬眾期待的產(chǎn)品，比如 Sora，收獲了滿屏差評。

在這個轟轟烈烈的 12 月，目前你記住了誰？

海外：OpenAI 擠牙膏，其他家無人 care？

在這個 12 月，已經(jīng)加入 AI 上新戰(zhàn)局的海外公司至少有 OpenAI、Google、xAI、Meta、Amazon、Pika ……

" 營銷專家 "OpenAI 的聲勢最大。

12 月 6 日，它拉開了 " 雙十二 " 的陣仗，要連做十二場發(fā)布會。

目前日程已經(jīng)進入到第七天，發(fā)布成果如下：

Day1：發(fā)布 o1 正式版以及 o1 Pro 版本，以及 200 美金的 ChatGPT Pro 會員。

Day2：介紹強化微調(diào)（Reinforcement Finetuning）功能，即通過少量數(shù)據(jù)讓模型在專業(yè)領(lǐng)域到達專家水平。

Day3：Sora 登場，接入了新模型 Sora Turbo 的 Sora，最高上限支持生成 1080p、20 秒視頻，支持橫屏豎屏各種常見尺寸。

Day4：發(fā)布生產(chǎn)力工具 Canvas，該功能允許用戶與 ChatGPT 合作寫作和編碼。

Day5：ChatGPT 融入蘋果生態(tài)。

Day6：三個功能發(fā)布：實時視頻通話、實時理解屏幕、圣誕老人限定語音。

Day7：推出了 Projects In ChatGPT 功能，可以將 ChatGPT 的各種功能整合至一處，便于用戶創(chuàng)建并管理各類項目。

不僅是 OpenAI，Google、Pika、Midjourney、xAI 也在這周有了新動作。

12 月 14 日，Pika 上新模型 2.0，引入場景元素（Scene Ingredients）功能。

這一功能允許用戶自由選擇角色、物品、服裝和場景元素，根據(jù)需求構(gòu)建特點鏡頭。同時， Pika 2.0 支持多人在同一畫布上協(xié)作。

12 月 12 日凌晨，谷歌發(fā)布了 Gemini2.0，聲稱"Gemini2.0 是我們迄今為止最新、功能最強大的 AI 模型。"

這一模型可以支持圖片、視頻和音頻等多模態(tài)的輸入和輸出，速度也是 1.5Pro 的兩倍，還能直接調(diào)用 Google Search、代碼執(zhí)行等工具。

在 Gemini2.0 架構(gòu)之上，谷歌還推出或升級了三個新的 AI Agent 原型：通用大模型助手 Project Astra、瀏覽器助手 Project Mariner、編程助手 Jules。

不過，Gemini2.0 的聲量相較于 Sora 小得多。

幾乎在官宣之后不到半小時，Gemini 2.0 詞條的熱度在 Twitter 上就已經(jīng)掉到了第 8。在不斷下降的過程中，網(wǎng)友們還在分享 Sora 的鬼畜視頻，以及 Hunyuan、Hailuo、Kling 與 Sora 的能力對比。

這可能也是因為 Gemini 2.0 的更新雖然好評很多，但從表述上看起來很 " 常規(guī) "：更快速的響應(yīng)、支持聯(lián)網(wǎng)搜索、新上線的 " 深度研究 " 功能支持多輪復(fù)雜推理、代碼生成增強、第三方工具調(diào)用能力補充。

同一天，Midjourney 官宣了 patchwork 功能更新。

這是一個允許多人在線共同創(chuàng)建出一個世界的實驗性功能，所有參與者將在一塊白板畫布上共同創(chuàng)作（有點像 Canva 和 Figma 的共同編輯）。

而且畫布還給每個用戶的世界創(chuàng)建了一個傳送門，可以連接到別人的世界中。

之前 Midjourney 的更新基本都圍繞著圖片生成的能力，比如支持 AI 修圖、支持新畫風(fēng)的模型等等。

但這次的 Patchwork 讓 MJ 在玩法上有了大不同，從一個只能一個人用的圖片生成工具，變成了一個可以讓大家一起玩起來的 AI 藝術(shù)創(chuàng)作產(chǎn)品。

手握巨卡的 xAI，同樣在卷視覺方向。

12 月 10 日，xAI 發(fā)布了首款完全自研圖像生成模型 Aurora。

Aurora 已經(jīng)直接集成到了 Grok 中，這是一個自回歸混合專家模型（MoE），在混合文本和圖像數(shù)據(jù)集上完成了訓(xùn)練。除了圖片生成，Grok 還有編輯能力，用戶可以直接在生成的圖像上進行修改，這一功能也將上線 X。

Meta 也在 12 月 7 日發(fā)布了 Llama 3.3，在性能上開卷。據(jù)說現(xiàn)在 70B 的版本就能實現(xiàn)以前 405B 的性能。

它在指令遵循（IFEval）、數(shù)學(xué)（MATH）、推理（GPQA Diamond）等領(lǐng)域的水平都超過了七月份發(fā)布的 Llama 3.1 405B。在語言（MMLU）、代碼（HumanEval）、長文本和多語種能力上，它的成績也和 Llama 3.1 405B 比較接近。

官方將 Llama 3.3 的進步歸功于新的對齊過程和在線強化學(xué)習(xí)技術(shù)的進步。

Runway 則在前一天，也就是 12 月 6 日更新了自己的 act-one 功能。這個新功能允許用戶將自己拍攝的表演動作或聲音直接 " 套用 " 到已有的視頻角色上（包括 AI 角色）。

在 12 月最早打響發(fā)布 " 競賽 " 的其實是 "AI 教母 " 李飛飛。

12 月 3 日，李飛飛創(chuàng)立的 World Labs 首次官宣了 " 空間智能 " 模型，利用一張圖就能生成一個 3D 世界。

這些 3D 場景都能在瀏覽器中實時渲染，還能實現(xiàn)可控的相機效果，可調(diào)節(jié)的模擬景深。

也是在同一天，亞馬遜對外發(fā)布了多模態(tài)模型 Nova 系列。

亞馬遜這次直接發(fā)了一個大號全家桶，包括：超快速文本生成模型 Amazon Nova Micro，能夠處理文本、圖像和視頻并生成文本的多模態(tài)模型 Amazon Nova Lite、Amazon Nova Pro 和 Amazon Nova Premier，用于生成高質(zhì)量圖像的 Amazon Nova Canvas 和用于生成高質(zhì)量視頻的 Amazon Nova Reel。

不管這一波海外的年底上新如何轟轟烈烈，看起來，很多人只關(guān)注了 Sora。

好吧，OpenAI 的營銷又贏了。

國內(nèi)：六小虎大廠混戰(zhàn)視覺

相比海外，國內(nèi)廠商們的 " 卷 " 勢更早出現(xiàn)。各家的方向從模型卷到產(chǎn)品，離不開視覺和生產(chǎn)力兩個話題。

" 四木相對論 " 也對近半個月的新品進行了匯總：

在大公司里，字節(jié)和騰訊是 12 月最卷的大廠（通義千問在 11 月 28 日發(fā)布了 QWQ 模型）。

在這個 12 月，前者在豆包和即夢上先后更新功能，后者一下子開源了視頻生成模型。

先看字節(jié)。

12 月 10 日，豆包官方表示，電腦版的視頻生成功能已經(jīng)開啟內(nèi)測。

獲得內(nèi)測資格的賬號每日可免費生成十支視頻。內(nèi)測申請通過后，選擇 " 視頻生成 " 功能，上傳一張圖片，輸入提示詞，并添加運鏡、分鏡信息，就能生成短視頻。

再往前的 12 月 5 日，豆包增加了 AI 生成文字圖功能。也就是說，用戶現(xiàn)在可以在提示詞中加入文本要求，生成帶有指定文字的圖片，做海報、做表情包都能用。

（四木用豆包做的圖，強調(diào)了 " 四木廚房 "）

類似的功能還體現(xiàn)在即夢上。

12 月 2 日晚，即夢上新 2.1 模型。這次的模型突破體現(xiàn)在中文文字可以穩(wěn)定生成，當然也支持英文。

騰訊混元這個月最大的動作，就是正式上線視頻生成能力。

12 月 3 日，騰訊不僅上線了這個 130 億參數(shù)的模型，還把它開源了。

目前，模型已上線騰訊元寶 APP，用戶可在 AI 應(yīng)用中的 "AI 視頻 " 板塊申請試用。企業(yè)客戶通過騰訊云提供服務(wù)接入，API 同步開放內(nèi)測申請。

" 四木相對論 " 觀察到，騰訊混元系列模型在這兩個月動作比較頻繁。

11 月初，它宣布最新的 MoE 模型 " 混元 Large" 以及混元 3D 生成大模型 "Hunyuan3D-1.0" 正式開源。12 月又上新文生視頻能力，正式加入了卷視頻模型的隊列。

大廠之外，大模型六小虎中的三虎——智譜 AI、MiniMax 和階躍星辰也在本月上新。

先來看智譜。

12 月的智譜在模型和應(yīng)用兩端發(fā)力。首先是多模態(tài)模型—— GLM-4V-Flash 上線了智譜的開放平臺，可以免費調(diào)用。

GLM-4V-Flash 模型擁有圖像描述生成、圖像分類、視覺推理、視覺問答（VQA）以及圖像情感分析等圖像處理功能。

多模態(tài) / 視覺類的 API 都非常貴，號稱視覺能力對標 GPT-4o mini 模型的 GLM-4V-FlashAPI 免費，也稱得上是真卷。

產(chǎn)品方面，Auto-GLM 是智譜近期的重點。

首先智譜在 11 月 29 日發(fā)布了 Auto-GLM 的手機版和電腦版。半個月之后的 12 月 12 日，Auto-GLM 又更新了一個版本。

用戶打開 AutoGLM 后，可以通過語音發(fā)指令，讓智能體接管自己的手機，并在可操作的 App 上自動執(zhí)行購買外賣，訂高鐵票、目的地導(dǎo)航等任務(wù)。

經(jīng)過 " 四木相對論 " 測試，更新之后，Auto-GLM 支持的應(yīng)用更穩(wěn)定。同時它還增加了自定義高頻短口令，快速觸發(fā)常用任務(wù)等功能。

智譜 CEO 張鵬在發(fā)布會現(xiàn)場的 AI 發(fā)紅包操作一度刷屏，" 四木相對論 " 也復(fù)刻成功了。

Minimax 同樣在這個月卷起了多模態(tài)。

12 月 3 日，海螺 AI 圖生視頻模型 I2V-01-Live 上線了。

視頻生成一定是 MiniMax 今年的亮點之一。之前，MiniMax 的亮點幾乎全部集中于 Talkie，但海螺視頻的上線打破了這一印象。

這次的 I2V-01-Live 更新了二維插畫的動態(tài)呈現(xiàn)方式，讓動畫穩(wěn)定性和細膩表現(xiàn)力有了增強。一張圖 + 一句話就能將 2D 插畫轉(zhuǎn)化為動態(tài)視頻。

一直略顯低調(diào)的另一只小虎階躍星辰也有模型層的更新。

周五（12 月 13 日）階躍星辰發(fā)布了端到端語音大模型—— Step-1o 。

從官方介紹來看，Step-1o 支持語音、文本等混合形式的輸入和輸出，能理解和模仿音色、韻律、方言、個性化的口語表達習(xí)慣等聲音特征。它還能夠通過自學(xué)和模仿不斷提升回復(fù)質(zhì)量，提供解決問題的專業(yè)建議。

從場景上看，它支持包括新聞播報、聊天陪伴、有聲讀物、在線教育、智能硬件、汽車等語音交互技術(shù)需求。

近期，Step-1o 還將接入躍問 App 端，實現(xiàn)實時語音通話服務(wù)。

國內(nèi) AI 圈另一無法忽視的角色—— DeepSeek，在短短半月內(nèi)進行了兩次上新。

最新開源的 DeepSeek-VL2（12 月 13 日發(fā)布）是一個專家混合（MoE）語言模型。

DeepSeek-VL2 比一代 DeepSeek-VL 多一倍優(yōu)質(zhì)訓(xùn)練數(shù)據(jù)，引入梗圖理解、視覺定位、視覺故事生成等新能力。視覺部分使用切圖策略支持動態(tài)分辨率圖像，語言部分采用 MoE 架構(gòu)低成本高性能。

這次，大模型價格 " 卷王 " 更是在視覺模型上開 " 卷 "。

根據(jù) DeepSeek 提供的評測對比，DeepSeek-VL2 在相似或更少的激活參數(shù)下實現(xiàn)了最先進的性能。

另外，DeepSeek V2.5 系列的最終版微調(diào)模型—— DeepSeek-V2.5-1210 也在 2 月 10 日更新。

據(jù)官網(wǎng)介紹，這次更新通過 Post-Training 全面提升了模型各方面能力表現(xiàn)，包括數(shù)學(xué)、代碼、寫作、角色扮演等。同時，新版模型優(yōu)化了文件上傳功能，并且全新支持了聯(lián)網(wǎng)搜索，可以服務(wù)各類工作生活場景。

不同于某些 AI 公司只強調(diào)功能或者模型的偏好，這次 DeepSeekV2.5-1210 模型更新后，它的 Chat 窗口呈現(xiàn)出兩個 Tag —— " 深度思考 " 和 " 聯(lián)網(wǎng)搜索 "。

這似乎在告訴外界：產(chǎn)品日常場景和模型推理能力我全都要。真的是卷王了。

12 月才剛剛過半，接下來，AI 圈的上新還會繼續(xù)。

畢竟，OpenAI 的年末發(fā)布剛剛走過一半。字節(jié)也會在下周舉行大會，強調(diào)豆包、即夢的更新。

最卷 12 月，AI 永不眠。

來源：四木相對論