计算机行业研究：全球多模态基模抵近GPT3.5时刻，关注多模态产品化机会.pdfVIP

本周观点

10月1日，OpenAI正式发布新一代AI视频模型Sora2及首款社交应用SoraApp。Sora2在物理一致性、音

画同步、角色连贯性等方面实现重大突破，被誉为“视频生成的GPT-3.5时刻”。用户可通过SoraApp将自己

“投影”进任意AI生成场景，实现互动式视频创作。Sora2支持多镜头、跨场景叙事及高保真音效生成，分为

Sora2和Sora2Pro两个版本，前者主打快速创作，后者面向专业级内容制作。10月5日，腾讯混元团队发布

并开源仅一周的原生多模态文生图模型——混元图像3.0，超越谷歌Nano-Banana与字节Seedream4.0，位

列文生图综合榜与开源榜第一。该模型参数量达80B（推理时激活13B），生成效果媲美顶级闭源模型。实测显

示，混元图像3.0具备知识理解、逻辑推理与创意生成能力，文字渲染与画面构图显著提升。10月7日，OpenAI

在开发者大会2025上发布多项重磅更新，包括AgentKit、Codex正式版、ChatG