谷歌发布Nano Banana Pro，OpenAI GPT-5.1 Pro与GPT-5.1-Codex-Max同步发布

1. 谷歌发布Nano Banana Pro：深度融合Gemini 3，实现专业级图像生成与控制

谷歌正式推出新一代图像生成模型 Nano Banana Pro（即Gemini 3 Pro Image），深度融合Gemini 3的推理能力与知识库，实现多项专业级升级：支持生成2K/4K高分辨率图像，可融合多达14张参考图并保持5个人物的一致性；提供局部重塑、摄像机角度切换、光照调整等"分子级"创意控制；突破图像内文本生成难点，支持多语言翻译与精准渲染；结合Gemini 3的世界知识与实时搜索，生成更准确的信息图甚至自动生成PPT页面。此外，模型通过SynthID水印和C2PA元数据提升透明度，并面向免费用户、订阅用户、开发者及企业等多场景开放使用，显著降低专业图像创作门槛。

博客：

https://blog.google/technology/ai/nano-banana-pro/

2. DeepSeek开源LPLB：基于线性规划优化MoE训练负载均衡

DeepSeek近日在GitHub上悄然开源了LPLB（基于线性规划的负载均衡器），该工具旨在解决MoE（混合专家）模型训练中的动态负载不均问题。LPLB通过线性规划算法实时优化Token分配，结合专家重排序、副本构建及拓扑优化（支持立方体、超立方体等结构），有效平衡GPU间工作负载，减少因部分专家过载导致的训练效率瓶颈。尽管目前处于研究阶段且存在求解延迟等局限，但其轻量级设计与NVLink通信优化为MoE规模化训练提供了新的技术思路。

GitHub：

https://github.com/deepseek-ai/LPLB

3. 火山引擎提出VQ-Insight：基于渐进式强化学习的AIGC视频画质理解模型

火山引擎多媒体实验室与北京大学合作提出的VQ-Insight模型入选AAAI 2025 Oral，该模型通过渐进式视觉质量强化学习框架（包含图像打分预热、时序学习与联合微调三阶段），仅用少量数据即可实现AIGC视频的偏好比较、多维度画质评估及自然视频打分，并在各项任务中超越现有方法；其创新性地引入生成模型与评估模型的"共同进化"机制，使两者通过联合训练相互促进，为视频生成模型的后训练优化提供了有效的可插拔奖励模块。

论文：

https://arxiv.org/pdf/2506.18564

https://arxiv.org/pdf/2503.22679

GitHub：

https://github.com/bytedance/Q-Insight

Hugging Face：

https://huggingface.co/ByteDance/Q-Insight

4. MetaMind：基于元认知多智能体框架，实现人类级社交推理的AI突破

威斯康星大学麦迪逊分校与清华大学联合提出的MetaMind框架通过模拟人类元认知过程，构建了包含心智理论智能体（生成心理假设）、道德约束智能体（应用社会规范过滤）和响应验证智能体（生成并校验回答）的三阶段多智能体系统，结合动态社交记忆机制，使AI能够深度理解言外之意、推断潜在心理状态。该框架在8项心智理论测试中让LLM达到人类平均水平，显著提升了AI在社交场景中的上下文适应性与共情能力，为开发真正"读懂人心"的通用人工智能提供了新路径。

论文：

http://arxiv.org/abs/2505.18943

GitHub：

https://github.com/XMZhangAI/MetaMind

Hugging Face：

https://huggingface.co/papers/2505.18943

5. OpenAI双引擎升级：GPT-5.1 Pro与GPT-5.1-Codex-Max同步发布

OpenAI同时推出GPT-5.1 Pro对话模型与GPT-5.1-Codex-Max编程模型：前者在写作辅助、数据科学等复杂任务中提供更清晰、结构化的回答，ECI指数与GPT-5持平（151分）；后者为首个原生支持压缩机制的代码模型，可连续工作超24小时处理数百万token，在SWE-bench测试中达77.9%高分，且推理token消耗降低30%。两大模型分别优化了生成质量与长程任务效率，标志着AI在通用能力与工程实用性上的协同进化。

参考