除夕的烟花尚未绽放，AI战场早已硝烟弥漫。2026年马年春节，表面上是百度5亿、腾讯元宝10亿红包、阿里30亿免单的混战，实则是国产大模型阵营一次史无前例的“集体亮剑”。我投给那些让对手感到脊背发凉的玩家。
继Seedance2.0视频模型、Seedream5.0Lite图像模型之后，今日字节跳正式发布豆包大模型2.0系列。豆包2.0针对大规模生产环境的使用需求进行系统性优化，以更好地完成真实世界的复杂任务。豆包2.0Lite更具性价比，综合性能超越两个月前发布的上一代主力模型豆包1.8，百万tokens输入价格仅为0.6元。
前几天国产AI来了一波爆发，智谱GLM-5、Minimax2.5及DeepSeek在11日同一天都发布了新的大模型，其中DeepSeek的自然最受关注。此前我们已经报道过了，这次更新主要是提升了上下文能力，达到了1M之前的DeepSeeV3系列也就是128K，这方面相对前代V3系列大模型提升了7倍。传闻中的DeepSeekV4满血版是1.5万亿参数，比V3系列翻倍还多会使用之前DeepSeek研究的Engram、mHC等新技术，性能全面提升的同时成本还低，这个期待值还是很高的。
字节跳动旗下视频生成大模型Seedance2.0已接入剪映App，用户更新至18.8.0版本后即可体验。该模型在视频编辑维度实现重大革新，支持像素级元素增删，官方称“让视频精修如P图般简单”。春节期间剪映推出积分限免活动，但明确暂不支持真人面孔生成功能，以规避伦理争议。模型上线后引发全球关注，马斯克转发演示视频并评论“进化速度惊人”。海外创作者实测显示，其生成的15秒视频在运镜、光影和角色一致性上达专业水准，部分作品被赞“媲美好莱坞特效”。面对外界赞誉，字节跳动保持谨慎态度，指出当前版本在细节稳定性、多人口型同步等方面仍存不足，需持续优化。研发团队透露，正构建更精细的物理世界模拟引擎，以解决流体流动、布料褶皱等动态效果难题。
本期AI日报涵盖多项重要动态：字节跳动发布具备视觉推理与实时联网能力的图像创作模型Seedream5.0Lite；小红书要求AI生成内容须显著标识；美图工具“开拍”接入Seedance 2.0大模型以提升视频创作效率；OpenAI在ChatGPT中上线广告业务以应对成本压力；OpenAI与Cerebras合作推出专为实时编程优化的GPT-5.3-Codex-Spark；蚂蚁集团开源全球首个基于混合线性架构的万亿参数思考模型Ring-2.5-1T；Google发布在编程与科研领域实现突破的Gemini 3 Deep Think；同程旅行全面接入腾讯元宝，通过AI实现秒级行程规划与预订。
字节跳动旗下火山引擎近日发布的视频生成大模型Seedance2.0，凭借“导演级”创作能力引发全球AI圈震动。这款在1.5Pro版本基础上迭代升级的模型，不仅攻克了人物一致性、视听同步等长期困扰行业的难题，更通过自动生成专业镜头切换功能，被业内人士评价为“可能抢走专业导演饭碗”的突破性产品。
本期AI日报聚焦多项技术进展：字节跳动火山引擎发布“豆包”系列2.0版本，旨在降低专业内容生产门槛；MiniMAX M2.5模型开启海外内测，加速全球化布局；小米开源首款机器人VLA大模型，突破物理智能延迟瓶颈；百度千帆推出集成主流大模型的AI编码订阅服务Coding Plan；智谱发布GLM-5，迈向工程构建的Agentic Ready时代；DeepSeek上下文长度跃升至1M，处理能力大幅提升；Rokid眼镜新增�
本文汇总了AI领域最新动态：蚂蚁集团开源全模态大模型Ming-flash-omni 2.0，在多模态理解与生成方面表现优异；智谱AI的GLM-5模型引发关注，股价飙升；科大讯飞发布星火X2大模型，基于国产算力深耕专业场景；京东推出“AI付”语音支付产品，提升便捷与安全；DuckDuckGo上线注重隐私的免费AI语音聊天功能；阿维塔车载系统升级，融合大模型与华为智驾；ChatGPT上线保险比价应用，冲击传统中介；OpenAI升级研究工具，引入GPT-5.2驱动并新增全屏报告交互体验。
本期AI日报聚焦多领域进展：可灵AI 3.0发布，开启15秒视频AI导演时代；阿里AI品牌统一为“千问”，战略升级；Mistral AI推出低延迟语音转文字模型；上海AI实验室发布全球最大开源科学多模态模型“书生Intern-S1-Pro”；谷歌Gemini月活用户突破7.5亿，并推出低价订阅方案；华为Mate 80系列新增AI消除屏幕摩尔纹功能；米兰冬奥会将启用阿里“千问”大模型；我国生成式AI用户规模破6亿，普及率超四成，算力水平全球领先。
今日，蚂蚁集团开源发布全模态大模型 Ming-Flash-Omni 2.0。 在多项公开基准测试中，该模型在视觉语言理解、语音可控生成、图像生成与编辑等关键能力表现突出，部分指标超越 Gemini 2.5 Pro，成为开源全模态大模型性能新标杆。 Ming-Flash-Omni 2.0 也是业界首个全场景音频统一生成模型，可在同一条音轨中同时生成语音、环境音效与音乐。 用户只需用自然语言下指令，即可对音色�
