鯊瘋了！一周連發六款模型。

火力全開的昆侖萬維，正在把多模態AI卷到新高度。

8月11日~15日，這家公司天天都有新模型掉落，覆蓋的還都是視頻生成、世界模型、統一多模態、智能體以及AI音樂創作這些大熱門，幾乎每一個都是多模態AI應用的核心場景。

用表格總結一下be like：

而且這當中的絕大部分模型還被昆侖萬維給開！源！了！

u1s1，不怪網友們天天在昆侖萬維官方評論區等待驚喜掉落（doge）：

而且就在技術周開幕前，昆侖萬維還成功入選“中國AI開源16強”，與騰訊、阿里等互聯網大廠坐上了同一桌。

所以說，這個技術周的節點也顯得格外耐人尋味——

表面上是一場高調的技術“肌肉秀”，但細究之下，背后其實藏著昆侖萬維的一盤AI大棋。

單點突破，多模態能力全面開花

還是先來康康過去一周都發了啥（按發布順序展開）。

SkyReels-A3：一張圖開口帶貨so easy！

一上來，昆侖萬維就甩出了核心瞄準數字人直播帶貨的SkyReels-A3模型。（畢竟目前光國內直播市場就已經逼近十萬億量級）

玩法呢主要有三種：

讓照片開口說話：一張人像圖+一段配音，照片里的人就能按照指定語音開口說話或唱歌；根據指令生成新視頻：一張人像圖+一段配音+提示詞，照片里的人還能按照要求的狀態進行表演；改臺詞不換臉：換掉原來的音頻，新視頻會重新自動對口型、表情和表演，畫面依舊連貫。

從官方demo來看，今后恐怕很難分清每天都在看的視頻是真人出鏡還是數字人了——其手部動作、說話的語氣和節奏、口型等都非常自然。

除了帶貨能力強悍，這個模型還有意增加了“鏡頭語言”——官方預設8種常見運鏡參數，包括固定鏡頭、推鏡、拉鏡、左搖、右搖、抬升、下降和手持鏡頭。

這樣一來，它也能輕松應對那些對藝術美感要求更高的場景（如音樂MV、電影片段或演講視頻），不像傳統數字人只能“固定鏡頭”，畫面略顯呆板無趣。

瞅瞅下面這個由AI制作的MV，是不是氛圍感一下子拉滿了：

而且不止明面上效果OK，官方測評顯示，在不同的音頻驅動場景下，SkyReels-A3在大多數指標上均超越了主流的開源模型OmniAvatar和閉源模型OmniHuman等方法。

尤其在唇形同步（Sync-C和Sync-D）方面，SkyReels-A3明顯表現更佳。

這里也不得不提到SkyReels-A3背后所采用的核心技術原理：

基于“DiT視頻擴散模型+插幀模型進行視頻延展+基于強化學習的動作優化+運鏡可控”

DiT視頻擴散模型就不用多說了，由于用Transformer結構替代了傳統的U-Net，它能更好地捕捉長距離依賴關系。

這當中重點看一下所謂的“用插幀模型進行視頻延展”：

插幀上一步：為了高效處理視頻數據，SkyReels-A3采用3D變分自編碼器（3D-VAE）將視頻壓縮成一個更小、更緊湊的形式，同時保留所有重要的信息；開始插幀：有了壓縮后的視頻數據，SkyReels-A3還需要讓視頻中的人物動作看起來自然，而通過在視頻幀之間添加更多的幀，這個目標最終得以順利實現。

基于上述技術方案，SkyReels-A3相比之前的SkyReels-V1（今年2月發布）、SkyReels-V2（今年4月發布），為用戶帶來了四個方向上的新體驗：

①Text prompt（文本提示詞輸入）支持畫面變化；
②更自然的動作交互，包括和商品的交互、說話時的手部動作等；
③運鏡的運用和控制更高級，讓藝術場景如音樂/MV等擁有更高的藝術美感；
④可以生成單分鏡分鐘級別視頻，支持長達60秒的輸出，多分鏡可以支持無限時長。

一言以蔽之，SkyReels-A3在“讓數字人開口說話”這件事上已經把門檻狠狠打下來了——

不需要專業影棚、不需要昂貴設備，只要一段聲音和一張照片，人人都能創造無限時長、無限可能的數字內容。

國產開源Genie 3，黑客帝國照進現實

當然了，眼前火的要抓，未來可能火的前沿課題昆侖萬維也不放過。

發布第二日，他們就帶來了自研世界模型Matrix系列中Matrix-Game交互世界模型的升級版——Matrix-Game 2.0。

早在一周多前，谷歌DeepMind就因推出Genie 3而讓世界模型再次備受關注，但遺憾的是Genie 3并沒有開源，如今昆侖萬維卻做到了開源。

據了解，其Matrix-Game-Turbo是國內首家對標Genie 3的模型，而且這一次的2.0版本在實時生成和長序列能力上有了質的飛躍。

像下面這個以第一視角走遍游戲場景的例子，以前大多只能生成十幾二十秒（包括7個月前的Genie2），而現在直接分鐘級起步，并且還能做到實時前后左右交互。

具體而言，相比上一版本，Matrix-Game 2.0擁有三大核心優勢：

高幀率實時交互長序列生成：支持前后左右移動和視角轉動，用戶可指令操控角色，系統以25 FPS（Genie 3為24 FPS）實時生成連續畫面，單次交互可生成分鐘級長視頻，動作流暢，響應精準。多場景泛化能力：模型適應多種場景，包括城市、野外等空間類型，以及真實、油畫等視覺風格。增強的物理一致性：對物理規則的理解進一步提升，角色在面對臺階、障礙物等復雜地形時，能夠展現出符合物理邏輯的運動行為，沉浸感及可控性進一步增加。

而為了實現這些升級，昆侖萬維主要從數據和架構兩方面對Matrix-Game 2.0進行了優化。

第一，為了應對現有交互式世界模型普遍面臨的數據瓶頸。他們為模型構建了基于Unreal Engine和GTA 5的可擴展數據生產管線，生產約1350小時高質量交互式視頻數據，提供豐富動作覆蓋。

第二，針對實時性不足的痛點，他們在1.3B小模型基礎上設計了動作條件控制模塊，支持幀級鍵盤與鼠標交互輸入。

第三，面對生成序列較短的挑戰，他們采用少步長自回歸擴散模型實現實時長序列視頻生成，在單個GPU上可達25 FPS的生成速度。

與此同時，昆侖萬維也在同一天發布并開源了3D場景生成大模型——Matrix-3D。

作為一個融合全景視頻生成與三維重建的統一框架，它從單圖像出發，能夠生成高質量、軌跡一致的全景視頻，并能直接還原可漫游的三維空間。對標李飛飛World Labs的生成效果，還能實現更大范圍的探索空間。

p.s.量子位另有一篇文章對昆侖萬維Matrix-3D進行了詳細介紹~

結合以上兩種模型，昆侖萬維可以說成功打破了世界模型在內容生成與交互之間的壁壘。

這也意味著，他們已經為游戲引擎、元宇宙、具身智能、自動駕駛等多個領域構建起了強有力的技術基座。

用上新框架，生圖/編輯統統SOTA

進入第三天，昆侖萬維盯上了今年頗火的統一多模態——

正式開源Skywork UniPic 2.0模型，作為面向統一多模態建模的高效訓練和推理框架，能夠實現一個模型搞定圖像理解、生成以及編輯。

過去業界為了實現這一目標，通常信奉“大力出奇跡”那一套，想讓模型更強，就加參數、加顯卡、加算力。

但昆侖萬維用新框架證明，優化訓練策略可以替代單純的模型擴張，從而降低高性能圖像生成/編輯模型的訓練成本和硬件門檻。

具體來說，通過改進SD3.5-Medium架構以及應用“獨門秘笈”（漸進式雙任務強化策略），最終使一個僅2B大小的模型在圖像生成和編輯性能上超越了BAGEL（7B）和Flux-Kontext（12B），成功“以小博大”。

緊接著，當把這個2B模型與Qwen2.5-VL-7B聯合訓練之后，所得到的統一多模態模型UniPic2-metaquery直接刷新了理解、生成、編輯等多項任務的SOTA紀錄。

總而言之，Skywork UniPic 2.0的出現代表了統一多模態領域的一種全新訓練范式。

天工超級智能體核心引擎又又又升級了

至此，昆侖萬維前三天的發布可謂樣樣火熱，但這還沒完。

今年火到不能再火的Agent，這就接著上桌——

正式發布Skywork Deep Research Agent v2，作為天工超級智能體的核心引擎，它為平臺用戶產出了大量信息密度極高的優質文檔、PPT、表格以及其他交付物。

這次的升級也主要體現在多模態上，具體有三點：

①推出“多模態深度調研”Agent，首次整合多模態檢索、理解和生成。
②推出“多模態深度瀏覽器智能體”，重塑社媒內容分析與數據洞察。
③加強深度信息搜索和復雜任務執行能力，在多個任務測評集上取得SOTA。

先來看一個用“多模態深度調研”Agent搞研究的例子（該功能已全面上線天工平臺）。

亮點1：智能體在檢索信息的過程中，會自動瀏覽并分析理解重要的圖片（以前依賴于純文本）。

亮點2：在對圖片做了收集和理解之后，智能體在生成文檔時，會在合適位置插入高質量圖片，直接傳達信息，降低讀者理解難度。

亮點3：智能體也可能對圖片信息進行整合加工，以流暢的方式變成文字或者新的圖表。

另一個“多模態深度瀏覽器智能體”目前仍處于內測和邀測階段，官方計劃不久之后全面開放。

和之前的瀏覽器相比，它也不再局限于文本，而是能夠深入分析社交媒體（尤其是小紅書、推特以及Instagram等平臺）的圖片、視頻等內容。

現在，吃瓜和追星的姿態已經大變樣了~

吃瓜ing：
結合近期社交媒體上的時間線和熱點討論內容進行分析，為我們生成一個「梳理年輪爭議」的網頁。

追星ing：
幫我們快速整理Instagram上周杰倫的近況，并且為粉絲后援會做一個共享信息的應援網站。

從技術角度而言，新版本Skywork Deep Research的成功主要靠以下核心手段：

（1）高質量數據合成及訓練

提出端到端深度信息問題合成流程，明確高質量搜索問題的五大標準（多樣性、正確性、唯一性、可驗證性、挑戰性），并通過“種子實體篩選—端到端問題構造—迭代式問題增強”三階段方法，系統生成高難度、多步推理問題集。

（2）端到端強化學習

基于非對稱驗證原則構建大規模高質量訓練數據，采用GRPO算法與動態課程學習機制，確保訓練樣本始終處于適宜難度區間；引入生成式密集獎勵模型，將終點獎勵細化為過程獎勵，提升學習效率與魯棒性。

（3）高效的并行推理

研發并行思考（Parallel Think）機制，在每步推理生成多個候選路徑并篩選最優；引入長文本生成式結果驗證與錦標賽排序，提升推理準確率與泛化能力；采用熵自適應剪枝，僅在高不確定性節點進行多路徑推理，兼顧性能與計算效率。

（4）多智能體演進Agent

構建MCP Manager Agent，實現工具的生成—驗證—持久化—復用閉環管理；通過協同多智能體框架，將不同Agent模型能力與MCP工具能力深度融合，并支持動態創建與管理工具，顯著增強任務處理能力與環境適應性。

更懂中文歌曲的音樂模型

幾個大熱方向逐一突破后，最后一天，昆侖萬維來了一波強勢回歸——音樂模型。

正式上線Mureka V7.5模型，使中文歌曲演繹再上新臺階：

中文歌曲音色、演奏技法提升中文歌曲咬字與情感表現提升

前者通過深入理解中文音樂的多樣性和文化特性，模型能更精準地傳達中文音樂的藝術神韻和情感；后者通過優化的ASR技術提升了人聲的真實性和情感深度，使AI演唱更自然，尤其在中文歌曲的韻律和氣息處理上效果顯著。

話不多說，直接來看它和國外頂尖音樂生成模型Suno v4.5（Suno最新版）的對比：

僅從提示詞（搖滾、雨、愛與自由）來聽，Mureka V7.5明顯更具搖滾味兒，更符合提示詞。

此外，更多測評結果表明，不論是音樂性還是文本控制準確性，Mureka V7.5均領先同類音樂模型。

同一時間，昆侖萬維語音團隊還推出了首個基于MoE的角色描述語音合成框架——MoE-TTS。

作為面向開放描述（Out-of-domain Descriptions）場景的全新框架，它能讓用戶通過自然語言描述（例如“清澈的少年音帶磁性尾韻”）精準控制聲音特征與風格。

在僅使用開源數據的條件下，對標甚至超越閉源商業產品的角色貼合度表現。

下圖顯示，在涵蓋域內與域外描述的雙測試集上，MoE-TTS與主流閉源TTS模型相比，在風格表現力貼合度（SEA）和整體貼合度（OA）等聲學控制上精準度領先，這也正是其在復雜描述匹配度上勝出的關鍵。

昆侖萬維：持續在AI核心技術領域投入

至此小結一下昆侖萬維技術周，不難發現這樣幾個特征：

①多模態能力全面拉滿：從文本到語音/視頻/圖像等，各項技術都在往多模態方向延伸。
②垂直領域深耕：面對高頻應用場景，模型一再快速刷新各領域SOTA。
③開源驅動生態：多款SOTA模型開放權重與代碼，推動行業迭代。

結合昆侖萬維在AI方面的布局，不得不說如今的成就并非偶然，而是其精心布局與持續投入的必然結果。

那么，這背后究竟是一盤怎樣的大棋呢？梳理下來核心在于三方面。

首先是戰略定力。

早在ChatGPT卷起這輪AI浪潮的2023年初，昆侖萬維就從頂層設計上率先確立了“All in AGI與AIGC”的戰略。

這一前瞻性的戰略決策，不僅體現了公司對AI未來發展的深刻洞察，也為昆侖萬維在AI領域持續深耕奠定了堅實基礎。

受此戰略指引，過去三年他們在視覺多模態、深度學習、強化學習等核心技術領域持續投入，在AI上傾注了實打實的人力、物力、財力。

這一點可以通過昆侖萬維2024以及2025年一季度財報體現：

研發投入節節高：2024全年研發費用為15.4億元，同比增長59.5%，占總營收比重的27%以上。今年一季度研發費用為4.3億元，同比增長23%，約占營收的26%。研發人員在國內AI企業中躋身前列：2024年其研發團隊達到1554人，占總人數的73.41%。

如此重押之下，昆侖萬維也先后推出了多項重磅產品與平臺——包括天工超級智能體（Skywork Super Agents）、AI音樂創作平臺Mureka、AI短劇平臺SkyReels、AI社交產品linky等，形成了“AI前沿基礎研究——基座模型——AI矩陣產品/應用”的全棧式AI產業鏈。

當然，這些產品的選擇，實際上也揭示了昆侖萬維的另一個關鍵策略：

技術上全面開花，應用上卻狠狠瞄準垂直領域。

在WAIC 2025大會上，昆侖萬維董事長兼CEO方漢提出了一個與眾不同的觀點。在行業普遍追逐“超級應用”和通用Agent的熱潮中，他認為通用Agent在邏輯上不成立，垂直領域的深度優化才是未來。

絕大多數行業，數據雖多，卻缺乏揭示“如何做”的過程記錄。因此，通用大模型無法在所有行業都達到理想的智能水平，這為深耕特定行業的垂直Agent留下了巨大的發展空間。

而且從全球大模型調用數據來看，他認為只有那些能夠融入用戶日常工作流、被高頻使用的應用，才能產生巨大的商業價值和用戶粘性。

這些都為昆侖萬維的AI應用落地指明了方向——垂直領域+高頻應用場景。

△圖源：昆侖萬維公眾號

當完成從技術→應用落地的關鍵一環后，昆侖萬維最后用開源補齊了整個鏈條。相比一些同行選擇閉源，昆侖萬維在多個關鍵節點堅持開源，持續貢獻高質量模型和工具。

在業內，這不僅幫助公司建立起技術話語權，也在吸引更多開發者、合作伙伴加入，從而形成“技術—社區—應用”的正向循環。事實也證明，該公司已經憑借開源成果入選“中國AI開源16強”，生態地位正在穩步提升。

綜上所述，能夠看到的是，昆侖萬維正在加速推進其AI戰略，并展現出強大的技術實力和商業潛力。作為國內AI企業第一梯隊成員，其后續發展無疑值得資本關注。

可以說，技術周的落幕并非終點，而是昆侖萬維AI征程新的起點。