AI News: 6 New Models & A Nano Banana Killer
三句話摘要
一週AI產業快速更新:從圖像編輯到新大型語言模型,多個開源模型與工具的發布。 --- 本週 AI 產業的核心趨勢是:圖像編輯體驗革新、語言模型競爭格局重塑、開源生態加速擴張,以及工作流工具的整合深化,預示 AI 應用層面的實用性正從實驗階段邁向生產就緒。 Crea 3 重新定義圖像編輯體驗:不同於過往需要重新生成整張圖像的做法,Crea 3 讓用戶能直接在圖像上選擇特定物件(如手機、眼睛、文字、標誌)並輸入編輯指令。系統會精準修改指定區域,保留其他內容不變,數秒內生成多個變體,成為製作縮圖等快速編輯的新工具首選。
重點整理
Crea 3 重新定義圖像編輯體驗:不同於過往需要重新生成整張圖像的做法,Crea 3 讓用戶能直接在圖像上選擇特定物件(如手機、眼睛、文字、標誌)並輸入編輯指令。系統會精準修改指定區域,保留其他內容不變,數秒內生成多個變體,成為製作縮圖等快速編輯的新工具首選。
大型語言模型陣營激烈競爭:Gemini 4 Argon 追上 GPT-6 Astra 與 Claude Opus 5.5 的基準測試表現,Meta 的 Muse Wonder 更在多項基準測試(Deep Seek、Harvey Lab、Financial Analyst Research)中達到業界最先進水準,打破市場長期由 OpenAI 與 Anthropic 主導的格局。
開源模型生態快速擴張:Llama Spark Open 成為最強大的美國開源模型,可在 Apple M5 Ultra 上運行;Microsoft MAI Base 2 完成預訓練但尚未完成後訓練;Nvidia Neotron 3.5 SuperVL 強調速度優勢;Ultramarines One Flash 標榜 Fable 級別效能卻便宜 60 倍,顯示開源與商業模型的競爭日趨激烈。
工具層面的實用創新:GenSpark Design 整合設計、代碼與協作;Kylon 推出多代理協調系統;Grok Voice 3.0 打造快速響應的語音助手;11 Labs 推出自動配樂與音效同步功能。這些工具逐步實現從構想到產品的完整工作流程自動化。
--
實用技巧與重點
- 圖像模型
- Crea 3:公開測試,網址 korea.ai,支援圖像編輯、文字修改、標誌替換
- Flux 3 Image clin(Black Forest Labs):開源權重,RTX 4070 上文生圖 7.3 秒、編輯 16.2 秒,Hugging Face Spaces 免費試用
- Quinn Image 2.1 Turbo(Alibaba):加速版本,Hugging Face 提供試用
- 大型語言模型
- Gemini 4 Argon:API $2/百萬輸入token、$10/百萬輸出token(11月底前限時價格),之後價格翻倍;可透過 API 和 Gemini AI Ultra/Pro 方案使用
- Meta Muse Wonder:S 級模型,$4/百萬輸入token、$20/百萬輸出token,Deep Seek 基準測試 79%;Artificial Analysis 評分與 Claude Opus 5.5 並列最高
- Llama Spark Open:816 億參數,100 萬 token 上下文,支援 Apple M5 Ultra 運行,Deep Seek 基準測試落後於 Kimmy K3
- Microsoft MAI Base 2:800 億活躍參數,預訓練完成但尚未進行後訓練,暫無測試數據
- Neotron 3.5 SuperVL:1200 億參數,強調輸出速度優勢,Artificial Analysis 評分 26
- Ultramarines One Flash(Paper Instruments):15 美分/百萬輸入token、50 美分/百萬輸出token,宣稱達 Fable 級別 60 倍便宜
- 決策模型
- Microsoft Decision 1:支援是/否、選擇題、評分與根據規則評分
- Nimble V4 & Nimble V4 Max(Bespoke Labs):超越 Jev 性能,錯誤率更低
- 其他工具
- GenSpark Design:AI 設計工具,支援元件與設計權杖導出
- Kylon:多代理協調系統
- Grok Voice 3.0:語音模型,內建沙箱可免費試用
- 11 Labs 即時配樂:自動為上傳視頻生成配樂與音效同步
- OpenAI 28 天發布計畫(第 5 至 11 天)
- 第 5 天:Composer 預測、手機創建 GPT、Codeex 委託工作功能
- 第 6 天:重設
- 第 7 天:GPT 6.1 預設上下文從 272 倍增至 500,000(透過 Codeex 與 Work)
- 第 8 天:重設
- 第 9 天:ChatGPT 與 Codeex 桌面版磁碟存儲優化,減少 60%
- 第 10 天:重設
- 第 11 天:增加計算資源,降低「模型達容量」錯誤率
- --
結論
本週 AI 產業的核心趨勢是:圖像編輯體驗革新、語言模型競爭格局重塑、開源生態加速擴張,以及工作流工具的整合深化,預示 AI 應用層面的實用性正從實驗階段邁向生產就緒。
完整解析
這一週 AI 產業再次迎來密集的模型與工具發布。在圖像生成領域,Crea 3 成為本週最令人驚豔的產品。與傳統圖像編輯模型不同,Crea 3 採用直覺的點選與指令方式。用戶只需在圖像中選擇特定物件(如手機、臉部、文字、標誌),輸入修改指令(「將手機背景改為藍色」「將眼睛改為紅色充血」),系統便在數秒內精準修改指定區域,保留其他部分完全不變。與 ChatGPT Image 或 Nano Banana 相比,Crea 3 提供了更乾淨、更可控的編輯體驗,特別適合快速製作縮圖或調整視覺元素。此外,Black Forest Labs 的 Flux 3 Image clin 與 Alibaba 的 Quinn Image 2.1 Turbo 作為開源模型發布,降低了圖像生成的使用門檻。
在大型語言模型方面,本週見證了市場格局的轉變。Google 的 Gemini 4 Argon 追上了 GPT-6 Astra 與 Claude Opus 5.5 的基準測試表現,成本也更具競爭力($2/百萬輸入 token vs Opus 5.5 的 $15)。但最驚人的是 Meta 的 Muse Wonder,根據 Artificial Analysis 的綜合評分,它與 Claude Opus 5.5 打成平手,領先 Gemini 4、GPT-6 Astra,甚至超越了數月前令人驚豔的 Claude Fable 5.1。Muse Wonder 在 Deep Seek 編程基準測試中達 79%,在法律工作、財務分析等專域基準測試也達業界最先進水準。這表明 Meta 已成功追上長期由 OpenAI 與 Anthropic 把持的最高性能階級。
開源模型陣營也展現強大動能。Meta 的 Llama Spark Open(816 億參數)支援在 Apple M5 Ultra 上運行,雖然編程能力略遜於 Kimmy K3,但作為最強大的美國開源模型,其應用前景廣闊。Microsoft 的 MAI Base 2 雖未完成後訓練、暫無可用版本,但在預訓練階段已聲稱超越所有已測試的開源模型。Nvidia Neotron 3.5 SuperVL 與 Ultramarines One Flash 則各自強調速度與成本優勢,展現出開源社群在細分領域的創新。
工具層面的進展同樣矚目。GenSpark Design 整合了設計、代碼與資源生成,用戶可將網站截圖上傳,由 AI 重構為行動優先的應用設計,並層級化編輯各個屏幕,最後匯出設計令牌或接入 GenSpark Code 開始開發。Grok Voice 3.0 提供快速響應的語音對話,實測中語音助手能在毫秒級別內回應用戶提問,構建了一個簡單有效的客服機器人。Kylon 則推出多代理協調系統,讓多個代理與多個人員在統一的聊天界面中協作與溝通。
OpenAI 的 28 天發布計畫進入第二週,更新則顯得節奏緩和。第 5 至 11 天的更新包含 Composer 預測(AI 預先推薦下一個提示詞)、手機端 GPT 創建功能、Codeex 代理委託、GPT 6.1 上下文加倍至 500,000,以及計算資源的擴充以降低容量超載錯誤。這些更新多數為功能改進或服務穩定性提升,缺乏前幾週發布的革命性特性。


