作者｜沙丘社区
来源｜沙丘社区（www.shaqiu.cn）
▎Vidu Q3发布：全球首个16秒音视频直出模型
1月30日，Vidu推出Q3视频大模型，以“为剧而生”为定位，成为全球首个支持16秒音视频直出的模型，标志AI视频迈入“完整叙事”时代。
其在Artificial Analysis榜单中斩获中国第一、全球第二（ELO1241），超越Runway Gen-4.5、Google Veo3.1及OpenAI Sora2。核心能力突破：16秒声画同步生成，口型、音效与剧情精准对齐，可直接作为漫剧/短剧/影视独立叙事单元；支持多镜头自动切换，依剧情张力适配运镜；兼容中、英、日多语种文字渲染，无需后期逐帧调整。
来源：https://mp.weixin.qq.com/s/ArvauFAQLdfTUbs0yxuMVw
▎蚂蚁灵波LingBot-VA开源，打通具身智能“预测-行动”最后一公里
1月30日，蚂蚁灵波“开源周”推出收官作——全球首个自回归视频-动作世界模型LingBot-VA，打通具身智能从“看懂世界”到“改变世界”的关键路径。
其核心突破是自回归视频-动作一体化建模：每一步同步生成“下一帧世界画面”与对应机器人动作序列，借MoT架构融合双模态，搭配“预测-执行-感知-修正”闭环防生成幻觉，异步推理设计解决端侧算力瓶颈。
实测中，面对制作早餐、插试管等6项高难任务，仅需30-50条真机演示即适配，成功率较Pi0.5平均提20%；仿真端刷新RoboTwin2.0（超90%）、LIBERO（98.5%）纪录。该模型承接前序LingBot-Depth/VLA/World，形成完整具身开发套件，目前模型、代码已在GitHub、Hugging Face开源。
来源：https://mp.weixin.qq.com/s/c0TSi7qPTEIZUzWyFme4oQ
▎商汤开源SenseNova-MARS：多模态搜索推理超Gemini-3-Pro
1月29日，商汤正式开源多模态自主推理模型SenseNova-MARS（8B/32B双版本），在MMSearch等6项权威基准测试中以69.74分超越Gemini-3-Pro（69.06分）、GPT-5.2（67.64分），登顶开源SOTA。
作为首个动态视觉推理+图文搜索融合的Agentic VLM，它能自主规划工具调用：精准裁剪<5%的微小细节（如赛车服Logo）、图像搜索匹配信息（如识别车手身份）、文本搜索抓关键数据（如公司成立年），可闭环完成“细节识别-检索-推理”复杂任务（如计算年份差值）。
其采用两阶段训练（自动化数据打基础+强化学习练直觉），搭配BN-GSPO算法保稳定。目前模型、代码及数据集已在GitHub、Hugging Face全开源，为开发者提供高可解释性的多模态推理基座。
来源：https://mp.weixin.qq.com/s/w4SWWs8Ib1FmfHB59zydlQ
▎百度文心PaddleOCR-VL-1.5开源：全球首个“歪文档克星”，精度超Gemini-3-Pro
1月29日，百度文心正式发布并开源文档解析模型PaddleOCR-VL-1.5（仅0.9B参数），全球首次实现“异形框定位”，精准识别倾斜、弯折、反光等不规则文档。其在OmniDocBench V1.5榜单中以94.5%综合精度登顶SOTA，超越Gemini-3-Pro、GPT-5.2等主流模型，表格理解、阅读顺序预测等核心指标领先2-5分。
模型新增印章识别、藏语/孟加拉语等多语种支持，解决跨页表格合并、长文档结构断裂问题，适配金融票据、政务流转等场景。目前模型、代码已在GitHub、HuggingFace开源，兼容昆仑芯、昇腾等多硬件平台，开发者可直接下载或通过PaddleOCR官网在线体验。
来源：https://mp.weixin.qq.com/s/6eSBEYf8MSuW71HWAFbc2w
▎宇树开源UnifoLM-VLA-0：单一策略搞定12类人形机器人操作任务
1月29日，宇树正式开源面向通用人形机器人的视觉-语言-动作（VLA）大模型UnifoLM-VLA-0。该模型基于Qwen2.5-VL-7B构建，仅用340小时真机数据训练，集成动力学约束与动作分块预测，实现视觉、语言与动作的深度融合。
核心优势显著：单一策略即可稳定完成12类复杂操作任务，外部扰动下仍保鲁棒性；LIBERO仿真基准平均得分98.7分接近最优，零样本空间推理能力比肩Gemini-Robotics-ER1.5。模型强化了2D/3D空间感知与语义对齐，支持长时序动作规划。目前项目主页、开源代码已上线GitHub，为开发者提供低成本人形机器人操作模型基座。
来源：https://mp.weixin.qq.com/s/cIZbQbO_P1sxJ_VL5_bmrw
*更多生成式AI研究可前往“沙丘智库”小程序查阅
*有任何需求可咨询客服微信：zimu738