2025 年 12 月 AI 新闻：Gemini 3 Flash、Nemotron 3 与 SAM Audio

摘要

30 秒看懂

在这期 2025 年 12 月的新闻综述中，Matthew Berman 讨论 Google Gemini 3 Flash、NVIDIA Nemotron 3 公告、OpenAI 图像生成、Zoom Federated AI、Bernie Sanders 的数据中心提议及 Meta SAM Audio。他还介绍了应用集成报道和 OpenAI 与 Amazon 的投资谈判。视频包含 HubSpot 赞助。基准成绩和价格针对 2025 年的特定配置；Nemotron 的较大版本在最初公告时尚未推出，而视频中的投资仍处于报道所称的谈判阶段。后来，Amazon 和 OpenAI 宣布了一项单独的 500 亿美元投资安排。

1Gemini 3 Flash 基准Google 报告该模型在单次尝试配置下的 SWE-bench Verified 成绩为 78%，并分别列出输入和输出价格。
2Nemotron 3 上线Nano 首先发布，Super 和 Ultra 当时宣布稍后推出。
3图像生成更新Berman 对比了新旧 ChatGPT 图像系统中挑选出来的示例。
4Zoom 多模型成绩Zoom 报告其联邦系统在 HLE 上取得 48.1%，该结果并非来自单一独立模型。
5数据中心政策Berman 反对 Sanders 的暂停提议，提出涉及竞争和能源基础设施的论点。
6投资谈判与后续协议视频讨论了报道中的谈判；2026 年后续公告描述了一项 500 亿美元安排。
7SAM AudioMeta 的系统通过文字、视觉或时间段提示，从混合音频中分离声音。

要点建议

Gemini 3 Flash 报告的 SWE-bench Verified 78% 成绩适用于 Google 指定的单次尝试配置，并不代表所有编程任务。
2025 年发布时分别列出了输入和输出 API 价格；免费使用产品不意味着 API 可以不受限地使用。
NVIDIA 首先发布 Nemotron 3 Nano，Super 和 Ultra 计划稍后推出；四倍吞吐量说法比较的是 Nano 与 Nemotron 2 Nano。
Zoom 报告的 HLE 结果针对路由多个模型的系统，取决于基准测试条件。
Sanders 的数据中心暂停提议和 Berman 的反对意见是相互竞争的政策立场与预测。
2025 年 12 月的 Amazon 投资数字是关于谈判的报道；两家公司后来在 2026 年宣布了一项 500 亿美元安排。
SAM Audio 使用提示分离声音，模型可用性受其许可证约束。

主题Foundation Models Benchmarks Open-weight models Generative media AI Regulation

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

Gemini 3 Flash 与 Nemotron 3

Berman 解读模型价格、基准结果和 NVIDIA 的开放模型公告。这些数字与 2025 年发布及特定比较条件有关。

在这期 2025 年 12 月 18 日的新闻综述中，Matthew Berman 介绍 Gemini 3 Flash、NVIDIA Nemotron 3、更新后的 ChatGPT 图像生成、Zoom 多模型系统、AI 数据中心争论及 Meta SAM Audio。他还讨论了应用集成和 OpenAI 与 Amazon 投资的相关报道。视频包含 HubSpot 合作。产品可用性、价格、排名和谈判情况均是当时的历史快照。

Berman 称赞 Gemini 3 Flash 的速度和成本，将其称为自己偏好的编程模型。Google 发布时的比较列出每百万输入 token 0.50 美元、每百万输出 token 3 美元；这是 2025 年分别计算的 API 价格，并非所有使用都免费。Google 报告该模型在单次尝试的 SWE-bench Verified 中取得 78.0%，表中 Gemini 3 Pro 为 76.2%，GPT-5.2 为 80.0%。结果取决于测试配置，不能确定哪款模型适合每项任务。

幻灯片 1 / 3Google 的 Gemini 基准比较发布表格列出了所述 2025 年配置下的基准结果以及分别计算的输入和输出价格。

他引用了当时 Artificial Analysis 的排名，并指出该模型支持文字、图像、音频和视频等多模态输入。他关于“最佳模型”的评价是对当时情况的个人看法。不同产品的可用性和免费额度不同，也可能发生变化；他说所有东西都免费，不应理解为 API 可无限免费使用。

NVIDIA 宣布了 [Nemotron 3 系列](https://nvidianews.nvidia.com/news/nvidia-debuts-nemotron-3-family-of-open-models)，分为 Nano、Super 和 Ultra。2025 年 12 月公告时，Nano 已推出，Super 和 Ultra 预计稍后推出；公告分别估计其总参数量／活跃参数量约为 300 亿／30 亿、1000 亿／100 亿和 5000 亿／500 亿。这些是发布时的描述，不能证明当时三个版本都能下载。

NVIDIA 所说最高四倍的吞吐量提升，是在指定条件下将 Nano 与 Nemotron 2 Nano 比较，而非与系列中的所有模型比较。Berman 还提到发布的数据集、训练工具，以及对 LM Studio、llama.cpp、SGLang 和 vLLM 的支持。开放权重及配套材料仍受各自许可证约束；应检查具体版本和条款。

赞助与 ChatGPT Images

HubSpot 合作片段之后，Berman 对比了 OpenAI 图像生成更新的部分示例。这些例子不能证明普遍准确性。

视频由 HubSpot 赞助。Berman 说，他与该公司共同制作了一份免费指南，介绍其企业使用的九项自动化，包括内容、研究和销售线索生成。他对这些做法适用范围的描述属于宣传，并基于个人经验。

Berman 解读 OpenAI 2025 年 12 月的 [ChatGPT Images 更新](https://openai.com/index/new-chatgpt-images-is-here/)。公司表示，此次更新改善了编辑、指令遵循和速度。视频展示六乘六网格、文字和写实场景，对比挑选出的新旧输出。这些例子用于说明效果，并非对错误率的受控估计，也不能保证每张图都完美。

幻灯片 2 / 3六乘六图像生成比较挑选的新旧输出展示了面对详细网格提示词时的差异。

他比较了人群和伦敦巴士场景，并讨论了一张以 Sam Altman 为主角的幽默生成节日挂历。Berman 对所选示例评价积极，但视觉相似性和看似正确的文字仍应与提示词及来源核对，不能假设所有生成结果都如此。

Zoom 联邦 AI 与数据中心

Zoom 报告了一个组合多个模型的系统的基准成绩。随后 Berman 反对 Sanders 暂停建设数据中心的提议。

Zoom 报告其 Federated AI 系统在 Humanity’s Last Exam 全集上取得 48.1%，并列出了公司选取的其他系统比较。Berman 指出，这是一个多模型系统，而非 Zoom 单独的前沿模型。Zoom 称该系统将自家的较小模型与开放及闭源模型结合，使用 Z-score 进行选择和改进；基准比较取决于工具、预算和其他设置。

幻灯片 3 / 3Zoom 报告的 HLE 比较图表将 Zoom 的联邦系统与其他系统比较；结果取决于评估设置。

Berman 强烈反对参议员 Bernie Sanders 暂停建设 AI 数据中心的呼吁。Sanders 从民主监督和利益分配的角度提出这一提议，也提出了电力、水和其他社区方面的顾虑。Berman 认为暂停会损害美国竞争力，建设能源基础设施则会创造就业。这些是相互对立的政策论点与预测，并非某项政策已经确定的结果。

应用集成、投资与音频

Berman 讨论集成报道和 OpenAI 与 Amazon 的谈判。他最后展示 Meta SAM Audio。

Berman 提到有关 Apple Music 可能与 ChatGPT 集成以帮助创建播放列表的报道，以及 Adobe 应用集成。这些是当时的产品公告或报道，可用性与功能取决于推出进度和访问权限。他认为 ChatGPT 正成为互联网的默认入口，这是一种解读，而非经过测量的市场份额。

The Information 报道称，Amazon 正就向 OpenAI 投资至少 100 亿美元进行谈判；Berman 将该数字视为谈判事项，并讨论消息人士所报道的估值。另有一项交易是 Amazon 已宣布与 OpenAI 签订价值 380 亿美元、为期七年的 AWS 计算服务协议。云服务支出承诺和股权投资是不同的交易；视频中暗示服务商只是把同一笔钱返还，是一种解读，并非已披露的交易结构。

Berman 强调 Amazon 的 Trainium 芯片和对计算基础设施的需求。后续情况有所变化：2026 年 2 月，[OpenAI 与 Amazon 宣布](https://openai.com/index/amazon-partnership/)一项 500 亿美元投资安排，公告时包括先期 150 亿美元和另有条件的 350 亿美元。不能将这一后续协议误认为 2025 年 12 月已完成的 100 亿美元交易。

最后，Berman 讨论 Segment Anything 系列中的 [Meta SAM Audio](https://about.fb.com/news/2025/12/our-new-sam-audio-model-transforms-audio-editing/)。Meta 描述了通过文字、视觉或时间段提示从混合音频中分离声音的方法。他举的例子包括分离视频中与某个物体相关的声音，以及在嘈杂环境中分离人声。

展示的片段说明了可能的音频编辑用途，但不能证明对任意录音都能完美分离。Meta 在其条款下提供可下载模型；应检查当前模型许可证和使用条件，不要假设可下载权重意味着允许所有用途。Berman 以此结束新闻综述。