算法论文8

DeepMind：Veo 3或开启视觉领域新变革

AIGC开放社区2025-10-13

AI 摘要

谷歌DeepMind研究团队发现，视频模型Veo 3能零样本处理多种视觉任务，能力分四层。定量评估显示其性能提升大。研究认为机器视觉或迎范式转变，视频模型有望成通用模型。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

谷歌拆分DeepMind，布林力促Gemini

DeepMind换帅一周后震荡持续，谷歌将拆分它，把部分非技术团队转入谷歌汇报体系。谷歌联合创始人谢尔盖·布林重新介入Gemini。此外，Gemini因算力、内讧、官僚等问题落后。

7月31日MiniMax H3和字节跳动Seedance 2.5同日发布，3天后H3开源，8月7日Seedance 2.5开放api。模型变强使产品层要做的事更多，视频Agent需解决生产问题，竞争走向模型层之上。

本文实测 MiniMax H3 视频模型，它 8 月 3 日开源，成本低至 0.5 元/秒，在编辑榜成绩佳。它定位全模态生成，能多素材输入。实测效果好，价格约为 Seedance 2.5 的三分之一，还支持原生剪辑，适配多芯片与工具。

本文介绍了专门测量「主动观察」能力的视觉推理基准 ActiveVision，评测显示无外部工具时，大模型与人类准确率有近 9 倍差距，用工具后虽提升但仍远不如人类，还说明了其出题与避免取巧的方式。