去年，美国有49家AI创业公司完成了1亿美元以上的融资。按常理，这样的数字意味着高基数、难再现。但今年的市场依旧火热，据TechCrunch的最新发布，进入年底前的最后几周，2025年已经追平去年，甚至出现更多的头部公司连续获得多轮 1亿美元以上的融资。
去年对于美国乃至全球的 AI 行业而言，都是具有里程碑意义的一年。 根据 TechCrunch 的统计，2024 年有 49 家初创公司完成了价值 1 亿美元或以上的融资轮次，其中三家公司完成了多轮「巨额融资」，七家公司的融资规模达到 10 亿美元或更大。
腾讯混元大模型团队正式发布并开源HunyuanOCR模型！这是一款商业级、开源且轻量（1B参数）的OCR专用视觉语言模型，模型采用原生ViT和轻量LLM结合的架构。目前，该模型在抱抱脸（Hugging Face）趋势榜排名前四，GitHub标星超过700，并在Day 0被vllm官方团队接入。
从单张图像创建可编辑的 3D 模型是计算机图形学领域的一大挑战。传统的 3D 生成模型多产出整体式的「黑箱」资产，使得对个别部件进行精细调整几乎成为不可能。
近日，一家名为 CraftStory 的 AI 初创公司推出了 Model 2.0 视频生成系统，凭借可生成长达五分钟的富有表现力、可媲美专业水准、以人为中心的视频，破解了困扰 AI 视频生成行业长久以来的「视频时长」难题，引起热议，并被视为或将是 OpenAI 的 Sora 和 Google 的 Veo 的强有力竞争者。
刚刚，才离开 Meta 不久的 Soumith Chintala 发布了一条推文，盛赞 Thinking Machines Lab（以下简称 TML）的人很了不起（incredible）。与此同时，这位 PyTorch 之父也更新了自己的个人介绍，正式官宣加入 TML，并表示正在这家估值已达 500 亿美元的创业公司「创造新东西（Building new things）」 。
是金山派来的猴子，复杂文档解析有救了！
上海人工智能实验室推出了一款革新的多模态生成理解一体化的扩散语言模型 ——Lumina-DiMOO。基于离散扩散建模（Discrete Diffusion Modeling），Lumina-DiMOO 打破了多模态任务之间的壁垒，在同一离散扩散框架下，完成从 文本→图像、图像→图像、图像→文本的全栈能力闭环。
skill‑creator 是 Anthropic 在 Claude Skills 体系中提供的“元技能”。它本身是一个可直接在 Claude 对话中调用的 Skill，专门用于 帮助用户快速创建、编辑、打包其他自定义 Skill，从而让 Claude 能够在特定业务场景下拥有专业化的能力。
来自AI语音独角兽公司ElevenLabs，刚刚发布了Scribe v2 Realtime实时语音转文本模型，网友表示：Next-Level。150毫秒的超低延迟，93.5%的高准确率，还覆盖了90多种语言。
