本週的生成式 AI 領域迎來多項重大技術突破與應用更新，其中最令人意外的莫過於通訊軟體巨頭 Zoom 的 AI 模型在困難的基準測試中超越業界領先者。同時，中國快手科技的影片生成模型 Kling 2.6 實現了影音同步生成的里程碑，而 Google 則持續將其 Gemini 模型深度整合至旗下產品線，從虛擬試衣到即時翻譯，全面加速 AI 技術的商業化落地。
本週最令人矚目的消息之一，是通訊軟體公司 Zoom 在 AI 領域的驚人表現。其「Federated AI」模型在一項名為「人類最後的考試」（Humanity’s Last Exam，HLE）的 AI 高難度基準測試中，以 48.1% 的準確率拔得頭籌，表現超越了備受期待的 Gemini 3 Pro 與 GPT-5 Pro 模型，成為意想不到的黑馬，也讓外界開始重新評估其在 AI 領域的技術實力。
與此同時，Google 持續強化其 AI 生態系。最新進展是將 Gemini AI 與其筆記工具 NotebookLM 進行整合，使用者未來將能直接在 Gemini 的介面中附加 NotebookLM 的上下文資料，利用其強大的分析能力處理大量文件、會議記錄或程式碼，並從中提取洞見。此功能目前正逐步向使用者推送。
在消費者應用方面，Google 推出了全新的 AI 虛擬試衣工具。該工具利用 Google 龐大的購物資料庫 Shopping Graph，為使用者提供高度個人化的試衣體驗，並支援不同體型的模特兒與全身照片，大幅提升電子商務的購物便利性。此技術以 Nano Banana 模型為基礎，目前僅在美國地區提供。此外，Gemini 的即時語音翻譯功能也已作為 Beta 版本在 Google Translate 應用程式中推出，能更精準地捕捉人類說話的語氣與細微差異，實現更自然的跨語言溝通。
影音生成：Kling 2.6 引領影音同步
由中國快手科技開發的 AI 影片生成工具「Kling AI」，其最新模型「Kling 2.6」正式亮相。此版本最大的突破在於其「原生音訊生成」（native audio generation）功能，能在透過文字或圖片生成影片的同時，自動產出對白、音效、環境音與背景音樂，並確保影音完美同步，解決了過往版本需要後製配音的痛點，大幅簡化了創作流程。
影像處理與 3D 內容生成工具百花齊放
除了主流平台的更新，本週亦有多款針對特定需求的 AI 工具與框架發布：
- GenLit： 一種創新的單一圖像再打光（relighting）框架，能將靜態圖片轉換為動態影片，透過控制虛擬點光源的位置來改變場景中的光影效果。
- SHARP： 由 Apple 研究人員開發，此技術能從單張 2D 圖片中即時合成逼真的新視角，在不到一秒的時間內完成場景的 3D 渲染。
- ComfyUI-ProportionChanger： 針對 AI 繪圖工具 ComfyUI 開發的客製化節點，允許使用者直接操作關鍵點數據來調整人物的體型比例與姿勢，克服了傳統姿勢估算模型難以處理特殊體型的限制。
- Omni-Attribute： 一款視覺概念個人化模型，能精準學習參考圖片中的特定屬性，例如服裝圖案、表情或髮型，並將其應用於新的圖像生成中。
- ProtonGraph： 一款基於節點的程序化 3D 內容生成軟體，使用者可以透過連接簡單的節點來創建複雜的 3D 模型，類似於 3D 領域的視覺化腳本工具。
- MoCapAnything： 一個統一的 3D 動態捕捉框架，可從單一鏡頭的影片中為任何骨架結構的物體進行高精度動態捕捉，突破了傳統動態捕捉技術對特定物種或模板的依賴。
創作者與開發者輔助工具
為提升 AI 內容創作的效率，社群也推出了多款實用工具：
- PromptCraft： 一個視覺化的提示詞（prompt）管理系統，幫助使用者在使用 Midjourney、DALL-E 等平台時，能更直觀地整理、參考並管理帶有視覺參照的提示詞。
- Nano Banana Elements： 這是 KREA AI 的一項新功能，允許使用者上傳少量圖片來創建自定義的風格、物件或角色元素集，並可在提示詞中直接調用，實現更具體的創意生成。
機器人與底層模型研究新進展
在更前瞻的研究領域，微軟發布了專為機器人操作設計的「VITRA-VLA」模型，該模型能從非結構化的人類活動影片中學習，讓機器人模仿人類手部動作以執行複雜任務。另外，阿里巴巴 PAI 團隊也推出了「Z-Image-Turbo-Fun-Controlnet-Union-2.0」，這是一款支援多重控制條件的高性能 ControlNet 模型，但目前傳出因模型過於龐大而難以在 ComfyUI 上運行的問題。
從本週發布的眾多 AI 工具與研究中可以看出，產業發展正朝向幾個關鍵方向邁進：首先，多模態能力的整合日益深化，如 Kling 2.6 的影音同步生成，預示著內容創作將更加無縫高效；其次，AI 的應用場景持續擴展至各個垂直領域，從電子商務的虛擬試衣到機器人操作，技術落地速度加快。
最後，開源社群的活力依然是推動創新的重要力量，各種客製化節點與框架的出現，為開發者與創作者提供了更靈活的工具。隨著競爭者不斷湧現，AI 技術的迭代速度預計將持續攀升。
資料來源： fujito (2025年12月15日). 【生成AIニュース+】『Kling 2.6』『Gemini+NotebookLM』他. note.
