AI 週報：DiffusionGemma 與開源大模型衝擊

本週 AI 密集發布核心訊息：Google DiffusionGemma 改變文字生成底層邏輯（速度 4x 開源），Gemini 3.5 實時翻譯打破語言壁壘，開源模型集體逼近閉源天花板，三維/影片生成全面平民化，真實工作流測試宣告 AI 玩具時代結束。

DiffusionGemma 速度提升

18x

MeshFlow 3D 生成加速

100萬

M3 上下文窗口（詞）

70+

Gemini 實時翻譯語言數

Agents Last Exam 行業數

1000+

tok/s（H100 推論）

🏆 五大核心結論

速度就是護城河：DiffusionGemma 4x + MeshFlow 18x，算力成本大幅降低
開源已逼近閉源：萬億參數+寬鬆協議 → 不需要給巨頭交過路費
AI 玩具時代結束：Agents Last Exam 真實工作流測試成新標準
一人團隊成為可能：TTS+動捕+3D+影片，一台電腦搞定全流程
工具編排是下一戰場：Luma Agents / Arbor 代表智能體協作方向

1️⃣ DiffusionGemma — 文字生成底層革命

原理：將圖像擴散模型應用於文字。不再逐 token 輸出，一次起草整塊（256 詞）→ 多輪去噪打磨
比喻：傳統=一塊磚一塊磚砌牆；DiffusionGemma=直接用模具灌水泥
速度：H100 達 1000+ tok/s，比同規模傳統模型快 4 倍
品質：260 億參數，科學/數學/代碼能力逼近同等規模常規大模型
開源：Apache 2.0，52GB 模型檔，頂級顯卡即可商用
商業衝擊：靠賣 API 調用的小模型公司被逼到牆角；伺服器成本砍半

2️⃣ Gemini 3.5 實時翻譯

說話同時翻譯，只延遲幾秒
保留聲音、語調、情緒，甚至結巴和嘆氣都能複刻
支援 70+ 語言
不是逐字死板翻譯，會根據上下文調整句式
衝擊：跨國電商直播一人搞定；本地化團隊需求大減；語言障碍恐進博物館

3️⃣ 開源 TTS — 20 億參數聲音克隆

極小模型（5GB），家用顯卡可跑
零樣本聲音克隆：幾秒語音即可複製音色、發音習慣、氣息特徵
跨語言：英文聲音參考 → 輸出中/法/西文
能處理質問語氣、結巴、壓低聲音等複雜表達
衝擊：有聲書/遊戲配音/虛擬偶像成本打到地板價（MIT 開源）

4️⃣ 開源大模型集體衝刺

模型	參數	亮點
Kimi K2.7（月之暗面）	萬億（激活 320 億）	混合專家架構，逼近 GPT-5.5
MiniMax M3	4270 億	100 萬詞上下文窗口，稀疏注意力機制

意味著拿不到大廠配額的公司，直接用上第一梯隊腦力

5️⃣ 三維/影片生成平民化

技術	功能	速度/特色
World Tracing	照片→3D 建模（含背面推斷）	多層深度堆疊，無破洞
Meta MeshFlow	文字/點雲→工業級網格	比同行快 18x
VideoMDM（MIT）	2D 影片→3D 動作生成	免動捕設備，文字指令驅動
Movius	單張圖→360° 全景	RTX 4090 實時 8fps
MiliVid	長影片連貫生成	分層自動編碼器，解決物體消失

6️⃣ Agents Last Exam — 真實工作流基準

模擬 55 個細分行業（神經科學/UE5/建築/製造業流程規劃）
包含十幾步驟、跨軟體操作的真實業務
GPT-5.5 壓倒性領先
Claude Fable 5 因安全限制表現掙扎（拒絕執行/劣質方案）
宣告：幹不了複雜業務的模型，吹再凶也會被拋棄

7️⃣ Arbor 自主研究系統 + Luma Agents

Arbor：邏輯樹式工作流 — 主管定方向 → 執行體測試假設 → 記錄成敗 → 換分支
具備連貫記憶 + 橫向對比，碾壓單線程模式
Luma Agents：互聯畫布串聯策劃→設計→影片生成
底層理解物理空間和鏡頭運動
人類只需做創意總監

🎯 行動項目（對我們的啟發）

#	項目	優先級
1	DiffusionGemma 本地部署評估 4x 推論速度+開源，可用於遊戲 NPC 即時對話、AI 輔助開發	高
2	開源 TTS 用於遊戲配音 MIT 協議，幾秒克隆聲音，大幅降低配音成本	高
3	MeshFlow 3D 生成追蹤 18x 速度工業級網格，可能革命 3D 美術流程	中
4	VideoMDM 動捕替代方案從 2D 影片生成 3D 動作，免設備，MIT 開源	中
5	Kimi K2.7 / M3 百萬上下文開源萬億模型用於長文件分析/代碼生成	觀察
6	Agents Last Exam 作為選型依據選 AI 工具時參考真實工作流測試，不看跑分看落地	觀察
7	智能體編排方向（Arbor/Luma）多 Agent 協作的工作流是下一階段重點	觀察

💡 影片金句

「速度快 4 倍意味著伺服器成本直接砍掉一大半」
「一個人加一台高配電腦，包攬整個動畫制作底層流程的時代，已經不再是紙面概念」
「AI 的玩具時代結束了，幹不了實打實複雜業務的模型，吹得再凶也會被拋棄」
「市場格局正在以週為單位被撕裂和重組」
「看清底層工具的演進邏輯和落地能力，遠比盲目追逐參數要實在的多」

📊 關鍵數據總覽

數據	來源	意義
4x 速度	DiffusionGemma	文字生成從序列→並行
1000+ tok/s	DiffusionGemma (H100)	單卡推論速度
700+ tok/s	DiffusionGemma (RTX 5090)	消費級顯卡也能飆
260 億參數	DiffusionGemma	開源可商用
70+ 語言	Gemini 3.5 翻譯	實時語音翻譯
20 億參數	開源 TTS	家用 GPU 即可跑
萬億參數	Kimi K2.7	開源逼近閉源天花板
100 萬詞	MiniMax M3 上下文	一次處理十幾本書
18x 速度	Meta MeshFlow	3D 網格生成
8fps 實時	Movius (RTX 4090)	單圖→360° 渲染
55 行業	Agents Last Exam	真實工作流測試覆蓋

🔗 相關技術開源協議

技術	協議	商用限制
DiffusionGemma	Apache 2.0	幾乎無限制
開源 TTS	MIT	無限制
VideoMDM	MIT	無限制
Kimi K2.7	開源（具體待確認）	—

🚀 AI 週報：谷歌掀桌子