AI 日報：探索 2025 年 3 月 12 日的人工智能新熱點

2025 年 3 月 12 日，多家科技巨頭在人工智能領域的最新進展引發業界關注。無論是開源模型的發佈還是全新工具的推出，都為人工智能的全球競爭格局帶來了新看點。

🔍 谷歌開源 Gemma 3 系列模型

谷歌於今日宣布正式開源 Gemma 3 系列多模態模型，該系列支持圖片及文本輸入，並生成文本輸出。Gemma 3 提供 1B、4B、12B 和 27B 四種模型大小，並在大型語言模型競賽中表現優異，得分超越 DeepSeek V3。此舉標誌著谷歌進一步提升在 LLM 競技場中的技術領先地位。

🔑 關鍵特點：

• 支持圖片與文本混合輸入。
• 四種模型規模靈活適應各類應用場景需求。
• 在多項基準測試中超越行業標杆模型。

🛠 OpenAI 推出一系列 Agent 工具

OpenAI 新發布了一系列工具，涵蓋 Responses API、Web Search 工具、File Search 工具與 Computer Use 工具，旨在幫助開發者構建具備自動化任務執行能力的智能體系統。這些新工具的推出展示了其在從回答問題轉向執行複雜任務上的顯著進步。

🔑 核心更新：

• Responses API 強化多功能對話能力及實時數據檢索。
• Agents SDK 提供智能體之間的協作框架。
• Computer Use 工具支持 AI 在用戶端計算機上直接完成任務。

🎥 阿里通義 Wan 團隊推出 VACE 模型

阿里通義 Wan 團隊發布 VACE 模型，具備按條件生成和多種方式編輯視頻的能力。該模型即將開源，未來將支援控制運動軌跡、替換視頻主體、擴展畫面等操作功能，為視頻生成與編輯提供強大的支持。

🔑 功能亮點：

• 支持視頻條件生成，提升創意實現的可能性。
• 可替換、擴展畫面內容，細化編輯控制力。
• 開源後將為開發者帶來更多商業化應用潛力。

📹 Google Veo 2 圖片生成視頻功能正式投入使用

Google Veo 2 功能已上線 Fal.ai 平台，能夠將圖片生成視頻，單個 8 秒視頻的價格為 2.5 美元。該技術效果穩定，成品視頻極少出現常見生成問題（如手部異常）。

🔑 核心優勢：

• 每段僅需不到 3 美元，定價合理。
• 生成效果穩定，適合商用或個人創作。
• 為數字媒體內容生產提供高效解決方案。

🤖 阿里通義開源 R1-Omni 模型 提升多模態情感識別

阿里通義實驗室推出了 R1-Omni 模型，顯著提升了多模態情感識別的準確性與泛化性能。該模型結合加強學習與可驗證獎勵方法，針對多場景情感推理進行優化，並在測試中取得超過 35% 表現提升。

🔑 模型特性：

• 冷啟動與 RLVR 分階段訓練，兼顧效率與穩定性。
• 多模態整合推理能力顯著提升，應用場景廣泛。
• 提供視頻數據微調功能，助力實踐應用。

📊 百度 AI 發布 PP-TableMagic 表格識別模型

百度 AI 推出新表格識別方案 PP-TableMagic，專注於端到端表格結構化信息提取。該技術採用多模型架構，突破傳統表格識別在複雜場景下的限制，並提供全方位定制化支持。

🔑 技術特點：

• 支持實現高精度表格識別。
• 可根據需求進行深度微調，靈活適應不同場景需求。
• 提供簡化安裝及操作教程，方便開發者快速上手。

🌐 Nanobrowser 推出免費 AI 自動化工具

Nanobrowser 為用戶帶來了一款免費的開源 AI 工具，專注於提供高效網頁瀏覽與自動化處理功能。通過集成主流 LLM API，該工具適合小白用戶快速上手，且保證數據安全和隱私保護。

🔑 工具優勢：

• 支持配置 OpenAI、Anthropic 等主流模型。
• 本地執行保障數據隱私。
• 免費使用，降低成本障礙。

人工智能的發展日新月異，從技術創新到應用落地，各種進展均為行業帶來新可能性。我們預期未來將有更多令人耳目一新的突破和應用面世，敬請關注【AI 日報】。