AI 新闻：Vibe Jam、Mistral Small 3.1 与新音频模型

摘要

30 秒看懂

在这期 2025 年 3 月 21 日的新闻回顾中，Matthew Berman 讨论 Vibe Jam、Mistral Small 3.1、Claude 网页搜索、OpenAI 音频模型、Windsurf 和多项视觉生成产品。他还介绍 Gemini Canvas 与 LG 的 EXAONE Deep。基准和可用性信息反映的是当时的公告，并非产品当前排名。

1Vibe Jam 游戏这场游戏创作活动催生了多人游戏和其他浏览器游戏的实验。
2Mistral Small 3.1Mistral 推出 240 亿参数的多模态模型，并展示了厂商基准比较。
3音频转录与语音生成OpenAI 宣布两款转录模型，以及一款接受表达方式指令的文字转语音模型。
4创意工具Krea 视频训练和 NotebookLM 思维导图是多项创意更新的开端。
5EXAONE DeepLG 推出了三种模型规模，并报告了推理基准表现。

要点建议

Vibe Jam 展示了多种借助 AI 编程制作的浏览器游戏。
Mistral Small 3.1 以 240 亿参数的开放权重模型提供多模态能力。
Claude 网页搜索和 Gemini Canvas 将助手的能力扩展到最新信息检索和浏览器内编辑。
OpenAI 推出了语音识别模型和可通过指令控制表达方式的文字转语音模型。
新创意工具包括视频训练、思维导图、三维生成和可控制镜头的视频。
模型基准比较取决于厂商选择的测试和发布时点。

主题Foundation Models Vibe Coding 语音 AI Generative media AI research

全文

按章节阅读整理后的全文

对照原始文稿

只看原始文稿

Vibe Jam 与 AI 辅助游戏

Berman 展示了多款游戏创作活动的参赛作品及其不同玩法。

在这期 2025 年 3 月 21 日的 AI 新闻回顾中，我先谈 vibe coding。Levels.io 展示了一个借助 AI 开发的飞行模拟器后，宣布举办 Vibe Jam，邀请大家以这种方式制作基于网页的多人游戏。参赛作品展示了人们尝试可玩项目的速度。

幻灯片 1 / 6Vibe Jam 多人游戏示例展示一款正在试玩测试的方块风格多人射击游戏。

其中一个多人游戏将 Fortnite 风格的射击玩法与 Minecraft 式画面结合起来，已经开始进行试玩测试。其他例子包括野生动物园驾驶游戏、类似 Line Rider 的游戏、一款据称几小时内做出的益智游戏、Vibe Tanks、食物大战模拟器，以及从简单二维俯视图逐渐发展出完整三维地图的空中交通管制游戏。

Mistral Small 与 Claude 搜索

他介绍 Mistral 的小型多模态模型和 Claude 的网页搜索功能。

幻灯片 2 / 6Mistral 的 GPQA Diamond 比较厂商图表将其模型的分数和延迟与部分其他模型进行比较。

Mistral 发布了 Mistral Small 3.1，这是一款 240 亿参数的多模态开放权重模型。该公司展示的 GPQA Diamond 图表显示，它在这一测试中超过了几款列出的模型，同时每个 token 的延迟较低。这是厂商在单项基准上的比较，并不能证明它在所有任务中领先。

Mistral 表示，该模型可以在单张 RTX 4090 或拥有 32 GB 内存的 Mac 上运行，因此本地推理颇有吸引力；其上下文窗口为 128,000 个 token。我认为它可以作为进一步训练推理能力的基础；实际性能和硬件需求取决于具体配置。

Claude 增加了网页搜索。我认为这对编程尤其有用：助手可以查找最新的 API 文档、库信息和近期漏洞，而不必只依靠已有知识。我认为 Claude 是领先编码模型之一，这是录制视频时的个人观点。

OpenAI 音频与 Windsurf Tab

新闻回顾涵盖转录、富有表现力的语音生成和代码补全。

幻灯片 3 / 6OpenAI 音频模型公告该帖区分了语音转文字模型与接受表达指令的文字转语音模型。

OpenAI 宣布推出两款语音转文字模型 GPT-4o Transcribe 和 GPT-4o mini Transcribe，以及一款新的文字转语音模型。该公司称，在自己的评估中，新转录模型比 Whisper 有所改进；解读基准结果和语言覆盖范围时，应考虑具体测试条件。

OpenAI.fm 的文字转语音演示不仅让用户指定说什么，还能指定怎么说，包括声音、语气、语速和情绪。我播放了一个富有戏剧性的例子，并指出界面还可以显示代码，方便将功能接入应用。

OpenAI 和 Teenage Engineering 还推广了一场创意文字转语音比赛，奖品是 OB-4 设备。这是 2025 年 3 月新闻周期中的公告，应结合当时的背景理解比赛细节。

Windsurf 的 Wave 5 聚焦 Windsurf Tab。在公司视频片段中，代表表示这一功能将自动补全、多行编辑、导航和导入整合在一个工具中。公告称免费用户也能无限使用 Tab 补全；这是当时公布的条件。

视频、思维导图与三维工具

Berman 介绍 Krea、NotebookLM、Hunyuan3D 和 Stable Virtual Camera。

Krea AI 推出了针对 Wan 2.1 的视频训练功能。用户可以用自己的视频进行训练，让生成片段体现特定风格、物体或动作。与此同时，NotebookLM 增加了根据所提供文档生成的交互式思维导图，与音频概览一起提供另一种探索材料的方式。

幻灯片 4 / 6NotebookLM 思维导图演示示例在源材料旁展示了根据文档生成的交互式思维导图。

Tencent 的 Hunyuan 团队宣布推出用于多视角生成的 Hunyuan3D 2.0 MV 和 Hunyuan3D 2.0 Mini。我指出，它们有潜力为游戏、动态图形和视频创建三维角色；演示中的模型已提供下载。

Stability AI 推出了 Stable Virtual Camera，可根据二维图像输入生成带有镜头运动的视频。演示展示了缩放和改变视角等动作。我认为这是让 AI 电影制作更易普及的一步，但演示并不等于完整的电影制作系统；当时公布的版本供非商业使用。

Gemini Canvas 与 EXAONE Deep

节目最后介绍浏览器内编辑和 LG 的推理模型系列。

Gemini 增加了 Canvas，用户可以在浏览器中编写、编辑和运行代码。我将这一体验与 Claude 和 ChatGPT 已有的类似功能相比，并建议用它迭代 HTML 或 JavaScript 项目。

幻灯片 6 / 6LG 的 EXAONE Deep 公告该帖列出模型规模和 LG 自己的基准声明。

LG AI Research 宣布推出 EXAONE Deep 推理模型系列，包含 320 亿、78 亿和 24 亿参数版本。LG 的公告称，320 亿参数模型在其 AIME 比较中领先，而参数量只是竞争模型的一小部分；较小模型更适合本地使用。这些是当时厂商报告的基准声明，并非对模型能力的普遍排名。