盘点丨12月一些有趣、重磅的AI产品
极客见识约 7 分钟2024年即将结束，最近的 AI 产品可谓是层出不穷，很多科技公司正竞相在推出自家的 AI 产品，OpenAI、谷歌、Meta、Anthropic、腾讯、月之暗面、字节等国内外科技公司都在做最后的冲刺，年底了，大家都在赶 KPI ，为了回家过个好年，2024 AI 元年在12月变得混沌起来了。
今天，我们就来盘点盘点最近的一些有趣的产品。
由于谷歌、OpenAI最近发布的东西比较多，就分为谷歌、OpenAI、还有一些国内外有趣的AI产品3部分。
沉睡的巨人正在觉醒：谷歌
OpenAI 连续12天的发布会被 Google 狙击了，谷歌发布了以 Gemini 2.0 为中心的版本（数量多得令人惊讶） ，这是谷歌的下一代 AI 模型。
Flash 1.5 比 Gemini 1.5 Pro 更快、更便宜，但在任何基准测试中都不如 Gemini 1.5 Pro。现在，Gemini 2.0 Flash 几乎在所有指标上都优于 1.5 Pro：
比 1.5 Pro 便宜
速度是 1.5 Pro 的两倍
各项基准测试中的表现均比 1.5 Pro 好得多
简而言之：更便宜、更快、更好，并且加入了Agent。
01
Project Mariner 是由 Google DeepMind 开发的一款能够直接导航 Web 界面的原型项目，它基于 Gemini 2.0 技术构建，旨在探索未来人机交互的新方式，特别是从浏览器开始。这个项目的核心能力在于能够理解和推理浏览器屏幕上的信息，包括每个像素点、文本内容、代码、图像和表单等网络元素，然后通过实验性的 Chrome 扩展程序使用这些信息来完成任务。
Project Mariner 现在在执行复杂的 Web 任务时成功率达到 83.5%。Project Astra 可充当真正的 AI 助手，能够记住 10 分钟的对话内容，并与 Google 的生态系统无缝集成。两者都升级了 2.0 Flash，效果有了明显的提升。
02
现在可以使用 Gemini 2.0 Flash 来提升游戏体验。Gemini 2.0 Flash 本身也是多模态的 —— 它可以接收文本、音频、图像和视频。谷歌的多模态能力还是可以的，它已经在理解图像和视频方面做的非常不错，当然，对于中文的理解能力有时候不太行。
Gemini 2.0 不仅能理解图像和视频；它还能实时推理它们——无需等待响应。流式 API 支持并发音频/视频会话（每个会话 15-20 分钟的音频、2-3 分钟的视频）。对于许多开发人员来说，这些都是全新的能力，之后，我们应该可以看到一些我们从未见过的新工具的出现。
03
Google 还单独发布了 Deep Research，这是一个有用的 Agent AI 工具。给它一个研究主题，它将通过数百个网站进行爬虫，根据学到的内容细化搜索，然后提供一个全面的报告和引用。但也有缺点，写作输出的内容 AI 味还是重了些，但它将三小时的研究任务缩减为三分钟的任务。
Deep Research：
https://blog.google/products/gemini/google-gemini-deep-research/
04
谷歌推出了一款量子计算芯片 Willow ，它可以在几分钟内完成超级计算机需要数十亿年才能完成的计算。虽然尚未准备好投入商业使用，但这一突破使量子计算更接近实际应用，例如天气预报、药物研发和供应链优化，同时比传统超级计算机消耗更少的能源。
AI独角兽：OpenAI
OpenAI 年底连续12天工作日的发布会，可谓是真正的年货节了，毕竟拿了那么多钱，画了那么多饼，年底了，肯定要有所交代。
12天的直播已经进行了7天，我们来看看者7天的发布了什么。
Day 1
o1、o1pro正式上线，还上了一个 GPT Pro 会员，200刀，Plus 用户只能使用o1模型，并且每周限制50条，Pro 用户使用o1、o1pro 就没有次数限制。
Day1：AI自媒体熬了个寂寞
Day 2
o1强化微调，不过还是一个期货产品，到2025年第一季度才逐步开放，强化微调可以基于少量数据将模型微调成一个邻域专家，这个还是挺实用的。
Day 3
鸽了快1年的期货产品 Sora 这个是上线。Plus 用户可以生成50个视频，时长为5秒，分辨率最高720p；Pro 用户可以生成500个视频，时长为最高为20秒，分辨率最高1080p。不过经过几天大家的测试，效果一般，可能是之前第一个打出这个概念，又是当时的 AI 老大，大家所报的期望太高了，不过热度还是有的，发布第2天就宕机了。
Day 4
ChatGPT 上线 Canvas 画布功能，向所有用户开放，这个功能在文字工作、审稿、编程测试等方面还是挺好用的。
Day 5
苹果设备接入 ChatGPT ，一键唤醒，不过国内的都用不了。
Day 6
GPT 4o 上线实时视频通话和屏幕共享，发布后一周陆续发放，还有一个圣诞老人的语音模式，月底就下架了。
Day 7
ChatGPT 上线 Projects 新建文件夹功能，可以将聊天记录、文件、自定义的指令拉到同一个地方，方便协作管理，向Plus、Pro用户开放。
一些有趣的AI新产品
01
DeepSeek 发布 V2.5的最终版微调模型 DeepSeek-V2.5-1210，提升了模型各个方面的能力，包括数学、代码、写作、角色扮演等，同时，还支持上传文件和联网搜索。
还有一个视觉模型，DeepSeek-VL2，VL2 采用 MoE 架构配合动态切图，从视觉定位到梗图解析，从 OCR 到故事生成，从3B、16B 再到27B，DeepSeek-VL2 也正式开源。
模型下载：https://huggingface.co/deepseek-ai
GitHub主页：https://github.com/deepseek-ai/DeepSeek-VL2
02
Liblib推出“星流”beta 版 AI 图像生成平台，以帮助创作者进入心流状态而设计。星流 beta 版，上手门槛低，提供多样化的图片生成风格，并拥有无限画布功能，集成了专业工作流和各类编辑工具。目前处于Beta测试阶段，正式版预计明年第一季度上线。
体验地址：https://www.xingliu.art/
03
在 OpenAI 发布 Sora 前几天，腾讯推出了开源 AI 视频生成模型“浑元”。虽然 Sora 擅长照片级真实感，但在捕捉流畅的动作方面却很一般，“混元”是迄今为止最大的公开视频模型，可以更好地捕捉逼真的动作，展示人们冲浪和气球飘走的场景。
https://www.scmp.com/tech/big-tech/article/3289260/tencent-launches-its-answer-openais-sora-text-video-tool
04
Meta 宣布推出 Motivo，这是一种人工智能模型，旨在为数字世界中的数字化身和非玩家角色创建栩栩如生的动作。
https://www.reuters.com/technology/artificial-intelligence/meta-releases-ai-model-enhance-metaverse-experience-2024-12-13/
Meta 还推出了大型概念模型 (LCM)，该模型经过训练可以预测下一个抽象的“概念”，而不是预测下一个语义标记。
https://ai.meta.com/blog/meta-fair-updates-agents-robustness-safety-architecture/
05
Midjourney 正在试验 Patchwork， 这是一款协作式故事讲述应用和“世界构建工具”，其中每个“世界”都由自己的无限画布表示，最多可与 100 位创作者共享。Patchwork 仍处于研究阶段，其 AI 生成的角色以及自定义叙事和设置功能可满足游戏设计师、品牌战略家和其他创意专业人士的需求。
https://x.com/midjourney/status/1866964271948763553
https://venturebeat.com/ai/midjourney-is-launching-a-multiplayer-collaborative-worldbuilding-tool/
还有，在最近两起诉讼指控该平台助长未成年人自残行为后， Character.AI为青少年开发了一款新聊天机器人。这款专为青少年设计的聊天机器人将于明年年初推出，更为保守，会过滤掉浪漫内容，并包含自杀预防资源和家长控制等功能。
https://www.theverge.com/2024/12/12/24319050/character-ai-chatbots-teen-model-training-parental-controls
06
Devin和Replit 的Agent均已公开发布。前者是 Cognition Labs 生产的 AI 软件工程助手，而后者是一款 AI 编码工具，仅通过聊天即可实现端到端软件创建。这两款产品代表了两种对未来编码的相互竞争的愿景，Devin 的自动化与 Replit 的互动方式。
https://www.cognition.ai/blog/devin-generally-available
https://blog.replit.com/new-ai-assistant-announcement
07
Friend，这个有争议的AI可穿戴设备,旨在对抗孤独， 额外筹集了540万美元。CEO Avi Schiffman在今年夏天，Friend 推出时声名狼藉，当时他花费了180万美元购买域名，Friend.com，这是其最初的190万美元投资的一部分。从那时起，这款社交应用因其可疑的 AI 聊天机器人角色而受到关注。
https://www.theverge.com/2024/12/9/24315126/friend-pendant-artificial-intelligence-companionship-avi-schiffmann
08
哈佛大学和谷歌计划制作一个包含 100 万本公共领域书籍的开源 AI 训练数据集，其规模是用于训练Meta 的开源 Llama 模型的数据集的五倍。该数据集由哈佛法学院的机构数据计划 (IDI) 支持，该计划是一项让学术研究人员更接近 AI 的研究项目，其目标是为任何想要培训法学硕士的人“提供公平的竞争环境”。
https://www.wired.com/story/harvard-ai-training-dataset-openai-microsoft/
好了，有趣的AI产品就先盘点到这里，有落下的欢迎大家评论区补充。
今晚凌晨2点，是OpenAI直播的第8天，接下来还有5天，有什么值得期待的呢？猎户座模型（GPT5）？Agent？Computer Use？Dalle 4？希望OpenAI能在最后给我们发一个大年货，大家都好回家过个好年。