2026-01-13
扩散模型并行推理革新
腾讯微信AI团队提出WeDLM，首次用因果注意力重构扩散语言模型，兼容KV缓存，实现并行生成与高效推理兼得，突破GPT类自回归模型速度瓶颈，为大模型端侧部署提供新范式。
2026-01-03
视觉生成新范式
NEPA 提出「下一嵌入预测」自回归框架，谢赛宁团队参与，验证无需扩散也能做强视觉模型；同期多项研究探索自回归图像/视频生成，有望重塑生成式 AI 技术路线与算力需求。
2025-12-28
AI医疗跨界再思辨
清华百川楼启用圆桌中，王小川提出AI医疗应摆脱“医生复刻”思维，强调技术自主性；AI制药领域亦见扩散模型用于柔性蛋白-配体对接的新成果。学界与产业界共同呼吁AI在医疗、药物研发中突破传统框架，独立探索创新路径。
2025-11-20
小模型逆袭与架构革新
微博15亿参数VibeThinker数学基准反超6710亿DeepSeek-R1；何恺明团队提出无Tokenizer扩散范式，Just Image Transformers简化生成链路；蚂蚁OceanBase三行代码构建AI应用，显示“小即美”与架构简化正成为新趋势。
2025-11-09
AI科研范式革命
谷歌“联合科学家”AI两天破解人类十年难题，字节量子化学模拟登Nature子刊，蛋白轨迹扩散模型PTraj-Diff高效生成动力学，显示生成式AI正从辅助工具升级为科研合作者，显著缩短试错周期，推动医药、材料、化学等领域进入AI驱动发现新时代。
2025-11-05
超级模型与多模态突破
llama.cpp 实现本地多模态革命，360 FG-CLIP2 拿下 29 项中英双语第一，谷歌 Gemini Nano Banana2 升级图像生成，北大&兔展 Uniworld V2 刷新中文细节 SOTA，扩散语言模型推理效率大幅提升。端侧与云侧同步跨越，多模态能力正成为下一代模型标配。
2025-11-01
Transformer架构再突破
月之暗面开源Kimi Linear注意力，首次在同等训练下超越全注意力，长文KV缓存降75%、推理加速6倍；上海AI Lab混合扩散语言模型SDAR突破6600 tgs。新机制冲击传统Transformer垄断，为长上下文、实时交互与端侧部署打开全新可能。
2025-09-12
开源大模型技术突破
阿里Qwen3-Next、字节HuMo、阿里妈妈SDH等多款开源大模型密集发布，MoE与扩散架构成为新主流，训练成本骤降90%，性能逼近GPT-5，标志国产开源进入全球第一梯队，将加速行业落地与生态繁荣。
2025-08-13
国产大模型技术突围
华人团队用扩散模型将上下文潜力提升3倍，商汤发布国内首个“图文交错”多模态大模型日日新6.5，腾讯混元3D、52B视觉模型及阿里Qwen Code相继开源或免费，显示国产模型在3D生成、代码、多模态等细分赛道加速追赶并局部领先。
2025-08-10
生成模型与多模态创新
腾讯X-Omini用强化学习复兴离散自回归生成，扩散模型被证数据效率3倍于自回归且可重复训练数百次仍提升，显示生成式AI在图像-文本统一、长序列建模上仍有巨大潜力，为内容创作、长文本多模态应用提供新基座。
2025-08-02
3D与多模态生成突破
Ultra3D、Nexus-Gen V2、腾讯MixGRPO等模型在3D资产、图像生成/编辑/理解三合一方向取得SOTA，训练时间减半、成本降至几分钱，为游戏、影视、XR内容生产带来即时可用的新流水线。
2025-08-01
国产大模型技术突破
DeepSeek 联合北大提出原生稀疏注意力 NSA 获 ACL 2025 最佳论文，推理提速 11 倍；字节发布扩散语言模型 Seed-Diffusion，推理速度达 2.1k tokens/s；阶跃星辰开源 Step-3、通义开源 Qwen3-Coder-Flash，国产模型在架构、效率与代码能力上集体跃升。
2025-07-19
实时扩散视频生成革命
Karpathy站台投资的“实时、无限时长”扩散视频模型首次亮相，可实现直播零延迟转换，被视为AIGC走向实时媒体生产的关键节点，有望重塑短视频、直播与元宇宙内容生态。
2025-07-12
扩散模型量化加速突破
港科大、北航、莫纳什联合提出TFMQ-DM框架，首次实现4-bit无损压缩+6倍推理加速，通过维护时间特征解决扩散模型量化敏感难题，为端侧高清生成铺平道路，入选TPAMI'25。
2025-07-11
模型架构与训练新范式
北大/华为开源纯卷积DiC，速度超DiT 5倍；Inception Labs推扩散式语言模型Mercury，写代码快10倍；上交团队凭DeepSeek-R1外挂刷新“人类最后考试”国内纪录。后Transformer创新进入爆发期，训练效率与推理质量双升。
2025-07-05
扩散模型颠覆自回归
苹果-港大DiffuCoder、谷歌Gemini Diffusion等扩散式文本/代码模型相继亮相，以非自回归并行采样实现速度-性能双升，挑战Transformer自回归范式，预示大模型架构进入多元竞争阶段。
2025-06-04
多模态生成与编辑
扩散、流匹配等生成式模型在语音、视频、3D、跨模态转换上连续突破，实现局部无痕编辑、离线手机端运行、动漫化一键成片，标志“生成即服务”进入可商用阶段，将重塑内容产业生产链。
2025-05-17
统一多模态模型突破
BLIP3-o、混元图像2.0等模型用“先理解后生成”或实时交互，刷新图文双SOTA，端掉VAE，显示扩散+自回归融合路线已成熟，加速视觉内容生产与编辑平民化。
2025-05-12
多模态生成与编辑新范式
腾讯HunyuanCustom、中科院MCA-Ctrl、ModelScope全能图像模型等集中发布，实现高一致性视频生成、多方协同注意力精准编辑及理解-生成一体化，解决扩散模型误差累积，推动AIGC进入可控生产阶段。
2025-04-21
视频/3D生成进入无限时长时代
昆仑万维SkyReels-V2、VAST新框架相继开源，实现“无限时长”电影级视频与即时3D模型生成，扩散模型+RLHF突破时长与分辨率瓶颈，降低影视、游戏、元宇宙内容成本一个量级；标志着AIGC从“秒级Demo”走向“分钟级商用”，将冲击万亿数字内容市场。