首先智谱在11月29日发布了Auto-GLM的手机版和电脑版。半个月之后的12月12日，Auto-GLM又更新了一个版本。

　　在大公司里，字节和腾讯是12月最卷的大厂（通义千问在11月28日发布了QWQ模型）。

　　这次的I2V-01-Live更新了二维插画的动态呈现方式，让动画稳定性和细腻表现力有了增强★。一张图+一句线D插画转化为动态视频。

　　Aurora已经直接集成到了Grok中★★★，这是一个自回归混合专家模型（MoE），在混合文本和图像数据集上完成了训练。除了图片生成★，Grok还有编辑能力，用户可以直接在生成的图像上进行修改★★，这一功能也将上线X★★。

　　多模态/视觉类的API都非常贵，号称视觉能力对标GPT-4o mini模型的GLM-4V-FlashAPI免费，也称得上是真卷★。

　　Meta也在12月7日发布了Llama 3.3，在性能上开卷。据说现在70B的版本就能实现以前405B的性能★★★。

　　Day4：发布生产力工具Canvas★，该功能允许用户与ChatGPT合作写作和编码★★。

　　官方将Llama 3★.3的进步归功于新的对齐过程和在线强化学习技术的进步。

　　相比海外★，国内厂商们的“卷”势更早出现★★。各家的方向从模型卷到产品，离不开视觉和生产力两个话题★★★。

　　Day3：Sora登场，接入了新模型Sora Turbo的Sora，最高上限支持生成1080p★★、20秒视频★★，支持横屏竖屏各种常见尺寸★。

　　六小虎中的MiniMax、阶跃星辰★★、智谱AI，有的卷模型，有的卷Agent应用。Deepseek和腾讯直接上新并开源了模型。

　　再往前的12月5日，豆包增加了AI生成文字图功能★。也就是说★，用户现在可以在提示词中加入文本要求，生成带有指定文字的图片，做海报、做表情包都能用。

　　Day7★：推出了Projects In ChatGPT功能，可以将ChatGPT的各种功能整合至一处★★，便于用户创建并管理各类项目。

　　视频生成一定是MiniMax今年的亮点之一。之前，MiniMax的亮点几乎全部集中于Talkie★★，但海螺视频的上线打破了这一印象。

　　Runway则在前一天★★★，也就是12月6日更新了自己的act-one功能★。这个新功能允许用户将自己拍摄的表演动作或声音直接“套用”到已有的视频角色上（包括AI角色）。

　　最新开源的DeepSeek-VL2（12月13日发布）是一个专家混合（MoE）语言模型。

　　大厂之外★★，大模型六小虎中的三虎——智谱AI、MiniMax和阶跃星辰也在本月上新。

　　DeepSeek-VL2比一代DeepSeek-VL多一倍优质训练数据★★★，引入梗图理解、视觉定位★★★、视觉故事生成等新能力★。视觉部分使用切图策略支持动态分辨率图像★★，语言部分采用MoE架构低成本高性能。

　　12月2日晚，即梦上新2.1模型。这次的模型突破体现在中文文字可以稳定生成★★，当然也支持英文★★。

　　获得内测资格的账号每日可免费生成十支视频。内测申请通过后，选择“视频生成”功能，上传一张图片，输入提示词，并添加运镜★★★、分镜信息，就能生成短视频。

　　腾讯混元这个月最大的动作★★，就是正式上线日，腾讯不仅上线亿参数的模型，还把它开源了★★。

　　12月的智谱在模型和应用两端发力。首先是多模态模型——GLM-4V-Flash上线了智谱的开放平台，可以免费调用。

　　从场景上看★★★，它支持包括新闻播报、聊天陪伴、有声读物★★★、在线教育、智能硬件★★★、汽车等语音交互技术需求★★。

　　GLM-4V-Flash模型拥有图像描述生成、图像分类、视觉推理、视觉问答（VQA）以及图像情感分析等图像处理功能。

　　但这次的Patchwork让MJ在玩法上有了大不同，从一个只能一个人用的图片生成工具★★★，变成了一个可以让大家一起玩起来的AI艺术创作产品。

　　12月12日凌晨，谷歌发布了Gemini2.0，声称“Gemini2.0 是我们迄今为止最新、功能最强大的 AI 模型。”

　　从官方介绍来看★★，Step-1o 支持语音、文本等混合形式的输入和输出，能理解和模仿音色、韵律、方言、个性化的口语表达习惯等声音特征。它还能够通过自学和模仿不断提升回复质量★★，提供解决问题的专业建议。

　　NBA球队最新市值排名★★★：勇士91★.4亿领跑湖人第3 篮网57亿飙升至第4

　　刺杀俄三防部队司令嫌疑人被捕★★★！是乌兹别克斯坦公民★★★，受乌克兰情报部门招募★★，被许诺10万美元和赴外国生活

　　几乎在官宣之后不到半小时，Gemini 2.0词条的热度在Twitter上就已经掉到了第8。在不断下降的过程中，网友们还在分享Sora的鬼畜视频，以及Hunyuan、Hailuo★★★、Kling与Sora的能力对比★。

　　不同于某些AI公司只强调功能或者模型的偏好，这次DeepSeekV2.5-1210模型更新后，它的Chat窗口呈现出两个Tag——“深度思考”和★“联网搜索”★。

　　这是一个允许多人在线共同创建出一个世界的实验性功能★★，所有参与者将在一块白板画布上共同创作（有点像Canva和Figma的共同编辑）。

　　目前★★★，模型已上线腾讯元宝APP，用户可在AI应用中的“AI视频”板块申请试用。企业客户通过腾讯云提供服务接入，API同步开放内测申请。

　　周五（12月13日）阶跃星辰发布了端到端语音大模型——Step-1o 。

　　这一模型可以支持图片、视频和音频等多模态的输入和输出，速度也是1★★★.5Pro的两倍，还能直接调用Google Search、代码执行等工具。

　　本内容为作者独立观点，不代表虎嗅立场★★。未经允许不得转载★★，授权事宜请联系

　　Day2★：介绍强化微调（Reinforcement Finetuning）功能，即通过少量数据让模型在专业领域到达专家水平。

　　据“四木相对论★★★”统计★，这场年末上新的★“战局★★★”★★，至少有15家全球Top级AI公司参与★，上新了20+个功能。

　　之前Midjourney的更新基本都围绕着图片生成的能力，比如支持AI修图、支持新画风的模型等等。

　　用户打开AutoGLM后，可以通过语音发指令★，让智能体接管自己的手机★，并在可操作的App上自动执行购买外卖，订高铁票、目的地导航等任务。

　　在海外，最受关注的无疑是OpenAI开启12天大放送，期货Sora终于兑现。

　　根据DeepSeek提供的评测对比，DeepSeek-VL2在相似或更少的激活参数下实现了最先进的性能。

　　这些3D场景都能在浏览器中实时渲染★，还能实现可控的相机效果★，可调节的模拟景深。

　　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”正式开源★★。12月又上新文生视频能力，正式加入了卷视频模型的队列。

　　国内AI圈另一无法忽视的角色——DeepSeek★★，在短短半月内进行了两次上新★。

　　经过★“四木相对论”测试，更新之后，Auto-GLM支持的应用更稳定★★。同时它还增加了自定义高频短口令，快速触发常用任务等功能。

　　在这个12月，前者在豆包和即梦上先后更新功能，后者一下子开源了视频生成模型。

　　12月3日，李飞飞创立的World Labs首次官宣了“空间智能★★★”模型，利用一张图就能生成一个3D世界★★。

　　据官网介绍，这次更新通过Post-Training全面提升了模型各方面能力表现，包括数学、代码、写作、角色扮演等。同时，新版模型优化了文件上传功能，并且全新支持了联网搜索★，可以服务各类工作生活场景★★。

　　这一功能允许用户自由选择角色★、物品、服装和场景元素，根据需求构建特点镜头。同时， Pika 2.0支持多人在同一画布上协作★★。

　　智谱CEO张鹏在发布会现场的AI发红包操作一度刷屏，“四木相对论”也复刻成功了★★★。

　　2024年的最后一个月，全球AI圈好像约好了，一起开启年底狂卷模式，批量发布新品★★★。

　　这可能也是因为Gemini 2.0的更新虽然好评很多，但从表述上看起来很★★★“常规★★”：更快速的响应、支持联网搜索、新上线的“深度研究”功能支持多轮复杂推理★、代码生成增强、第三方工具调用能力补充。

　　线月才刚刚过半，接下来，AI圈的上新还会继续★★★。毕竟，OpenAI的年末发布刚刚走过一半★★★。字节也会在下周举行大会★★，强调豆包、即梦的更新。

　　搭载鲲鹏超能混动C-DM 奇瑞风云T11PT车下线PLUS Ultra官图发布 预计12月上市

　　它在指令遵循（IFEval）、数学（MATH）、推理（GPQA Diamond）等领域的水平都超过了七月份发布的Llama 3★★.1 405B★★。在语言（MMLU）、代码（HumanEval）、长文本和多语种能力上，它的成绩也和Llama 3.1 405B比较接近。

　　另外，DeepSeek V2.5系列的最终版微调模型——DeepSeek-V2.5-1210也在2月10日更新。