【1】AI秒级生成3D场景！厦大x腾讯开源FlashWorld

【2】南洋理工&腾讯ARC：分钟级实时生成突破

【3】2025站酷设计周开幕，AI设计Agent发布

【4】Lovart平台上线“编辑元素”新功能

【5】IXDC2025：AI赋能设计全流程大会

【6】OpenAI发布GPT-5.1，智商情商双提升

【7】谷歌“嵌套学习”突破LLM遗忘瓶颈

【8】英伟达发布OmniVinci全模态大模型

【9】Meta开源1600语言语音识别系统

【10】Utopai Studios发布影视专用AI模型与工作流

1. AI秒级生成3D场景！厦大x腾讯开源FlashWorld

近日，AI为3D内容生成领域又迎来了一项突破性进展。来自厦门大学和腾讯合作的一项研究，共同提出了一种名为FlashWorid的新模型。它能从单张图片或一段文字描述中，在短短几秒内生成高质量的3D场景。厦门大学与腾讯联合研发的FlashWorld模型横空出世，仅凭单张图片或一段文字，就能在5-10秒内生成高质量3D场景，速度较以往提升10到100倍，同时染质量更加惊艳。这项研究的问世，或许意味着我们离那个“人人都能快速创造3D世界”的时代又近了一步。

2. 南洋理工&腾讯ARC：分钟级实时生成突破

近日，南洋理工大学&腾讯ARC实验室：合作研发RollingForcing技术，通过联合去噪、注意力池、高效训练策略，单GPU实现分钟级实时长视频生成，解决误差累积问题，生成视频质量高。Rolling Forcing成功突破了实时长视频生成的不可能三角，在保持16 fps实时生成速度的同时，显著降低了长序列生成中的误差累积，实现了分钟级别的高质量视频流生成，为交互式世界模型、神经游戏引擎等应用提供了基础。

3. 2025站酷设计周开幕，AI设计Agent发布

近日，2025站酷设计周在北京正式开幕，主题聚焦“AI时代的超级设计师”。活动期间，站酷正式推出面向专业设计师的AI设计工具“站酷设计Agent”，”，同步发布《AI时代的超级设计师研究手册》，其认为AI已成为驱动设计创新的核心变量。本次发布的“站酷设计Agent”并非通用图像生成工具，而是面向专业设计场景的AI工作流引擎。其核心能力在于：支持设计师根据具体项目（如品牌视觉、UI界面、包装结构等）自定义AI处理节点；无缝对接站酷社区，实现工作流的发布、复用与协作；通过社区沉淀优质AI流程模板，形成可积累、可进化的行业知识库。

4. Lovart平台上线“编辑元素”新功能

近日，针对海外市场的AI设计平台Lovart宣布上线新功能“编辑元素”，能够将图片中的不同元素自动分离独立图层，并灵活调整细节。这一更新也解决了AI生图“难以局部修改”的常见痛点，Lovart的“编辑元素”功能，能够像PS分图层一样，自动识别生成图片中的各个元素，并将其拆分为独立图层。每个图层均可单独编辑并保存，且修改某一元素时不会干扰其他部分，大大提升了控制的精细度。

5. IXDC2025：AI赋能设计全流程大会

11月1日上午，IXDC2025国际体验设计大会在北京国家会议中心隆重举行。四大平行工作坊同步开启，聚焦AI重塑设计、智能体构建、生成式AI原型创作与智能语音体验前沿领域。来自阿里云、微软、Canva、Loopy等知名企业的设计专家齐聚，为参会者带来一场关于设计与人工智能融合的思想盛宴。工作坊涵盖从“价值场景识别”到“智能转型落地”的全链路，通过标杆案例拆解，展示行业智能化转型方法论在电力、能源等领域的落地实效。参会者亲身体验“设计 x AI”智能工具实操，从场景研判到方案生成，感受AI对设计工作的全流程赋能。

6. OpenAI发布GPT-5.1，智商情商双提升

11月12日，OpenAl正式官宣推出新一代旗舰模型GPT-5.1系列，官方表示此次升级旨在“让ChatGPT更智能，对话体验更有趣”。此次发布距上一代GPT-5仅数月时间，此前GPT-5因缺乏“人味”、“刻板而缺乏创造力”引发用户争议，而GPT-5.1则实现了智能水平与沟通风格的双重升级。OpenAI公司CEO萨姆•奥尔特曼表示，GPT-5.1升级给力，尤其是指令遵循和自适应思考的改进，整体的智力和沟通风格，提升也很显著。

7. 谷歌“嵌套学习”突破LLM遗忘瓶颈

近日，谷歌推出了一种全新的用于持续学习的机器学习范式——嵌套学习，模型不再采用静态的训练周期，而是以不同的更新速度在嵌套层中进行学习，即将模型视为一系列嵌套问题的堆叠，使其能够不断学习新技能，同时又不会遗忘旧技能。而这或将标志着人工智能朝着「真正像大脑一样进化的方向」迈出了一大步。嵌套学习代表了谷歌对深度学习理解迈进了新阶段，通过将架构与优化视为统一的、层次化的优化系统，打开了一个全新的设计维度。

8. 英伟达发布OmniVinci全模态大模型

近日，英伟达（NVIDIA）开源了OmniVinci，一款能理解多模态世界的全模态大语言模型（Omni-Modal LLM）。该模型实现了视觉、音频、语言在同一潜空间 （latent space）中的统一理解，让AI不仅能识别图像、听懂语音，还能推理、对话、生成内容。这个9B的视觉-语音理解全模态模型刚上线就爆火，Huggingface模型权重目前已经有超过10000次下载量！

9. Meta开源1600语言语音识别系统

近日，Meta基础人工智能研究（FAIR）团队推出了“全语种自动语音识别系统”（Omnilingual ASR），该系统可支持1600多种语言的语音转写，大幅拓展了当前语音识别技术的语言覆盖范围。据Meta介绍，在其支持的1600种语言中，有500种系首次被任何AI系统所覆盖。FAIR团队将该系统视为迈向“通用语音转写系统”的重要一步，有望助力打破全球语言壁垒，促进跨语言沟通与信息可及性。

10. Utopai Studios发布影视专用AI模型与工作流

近日，AI原生影视工作室Utopai Studios宣布推出专为电影与电视制作而设计的AI模型和工作流。与目前主流的通用视频模型不同，Utopai的AI模型并非为了生成短视频或视觉效果，而是专为影视创作而生，具备“理解剧本、解析故事，并协助导演规划镜头和生成场景”的能力。将这些环节整合为一体后，系统可以强化故事结构、表演呈现与镜头连贯性——这些都是专业影视制作的关键能力。

转载请注明出处，违者必究，谢谢您的合作。申请转载授权后台回复【转载】。

Powered by Froala Editor