混元重排、视频Agent落地 | 多模态大模型8.20日报

1. 姚顺雨重整腾讯多模态路线：靠拢梁文锋，远离李飞飞

知乎 2026-08-19 00:00:00

2. 怎么评价原xAI多模态理解负责人蔺旭东，将加入腾讯混元？

知乎 2026-08-19 00:00:00

3. 医学多模态大模型各自为战，强化学习怎么把它们练成全能选手？CVPR 2026 五篇 RL+MedMLLM 方案

知乎 2026-08-19 00:00:00

4. MiniMax 这次确实想得够透彻。这一天终于还是来了。基座视频模型公司正式下场做视频 Agent。今天我发现 MiniMax 悄悄发布了 MiniMax Design。大家看他们官网上的一句话介绍，思路非常清楚。我感觉可以简单的理解为多模态领域的 Codex。最近MiniMax 的新视频模型 H3 特别出圈，没想到这么快，他们就推出了全新的 Agent，而且我看了下，产品完备度还是非常高。这件事应该算一个挺标志性的节点。前段时间我还跟朋友讨论过，为什么字节一直没有直接做上层的视频 Agent 应用。当时大家给了各种各样的猜测，我说有没有一种可能，他们其实已经在做了，只是还没有发布。字节到底有没有做我不知道，反正这一次 MiniMax 已经来了。看了下支持的视频模型，包括Seedance 2.5、Kling O3、Wan 2.6 等，只不过，自家的模型 H3 会有特别优惠。我觉得现在的发展趋势已经很清楚了。基座模型公司不可能下场做所有应用，但一些通用性非常强，而且已经被证明商业价值极高的场景，模型公司大概率一定会自己做。其中，Coding 是一个，视频是一个。MiniMax Design 之于 H3，有点像 Claude Code 之于 Opus，或者 Codex 之于 GPT。主观感受上，我觉得模型厂商自己下场做 Agent，确实更容易把自家模型的能力发挥出来。我也在其他 Agent 产品里用过 H3。这个没有严格的数据对比，完全是我个人体感，但目前在 MiniMax Design 里的创作效果确实最好。可能原因也不难理解。模型厂商最清楚自家模型的边界，诸如哪些提示方式最有效。基于这些认知再往上做 Harness，自然更容易把模型调到一个比较好的状态。深入看了一下，我觉得不应该把 MiniMax Design 简单理解为又一款视频 Agent。从名字其实就能看出端倪。因为这个产品的前身是 MiniMax Hub，改名成 Design 肯定是深思熟虑过的。Design 这个词，一听就是多模态创作，而且对标的是专业的创作软件。下面的截图是产品首页官方推荐的一些创作案例。我看了一下，确实全部都是实打实的生产力场景。网页链接

新浪微博 2026-08-19 00:00:00

5. #字节Seed组织架构再调整#【晚点独家丨计划训超大模型后，字节 Seed 基模团队调整了组织架构】我们了解到，字节跳动的大模型部门 Seed 已于上周完成了新一轮的组织调整。其中最关键的部分是 Seed Foundation Model （Seed 基础模型）成立了四个新的一级部门：Pretrain Data，负责人李成刚。由原先分散在文本模型、编程、视觉理解和语音等方向的预训练数据团队合并而来，统一负责新 Omni 模型的多模态数据，以及超大模型预训练所需的数据工作。Horizon RL，负责人唐晟宇。整合了此前散落在后训练、推理和视觉理解的后训练团队，主要负责强化学习，提升模型的基础智能上限。Product Posttrain-Work，负责人秦禹嘉。新部门主要服务 B 端应用，负责 Agentic 模型的整合与发布，并针对办公场景优化模型的 Agentic 能力，包括支持豆包和 Dola 的任务模式。原本由朱文佳负责的 Application 团队继续保留，并更名为 Product Posttrain-Chat，主要服务 C 端应用，负责对话模型的整合与发布，与 Product Posttrain-Work 分工协作。四个新部门的负责人均向吴永辉汇报。此外，Seed 还为 AI 安全及其他前沿探索方向分别任命了负责人。#字节Seed新成立四个一级部门# 晚点独家丨计划训超大模型后，字节 Seed 基模团队调整了组织架构

新浪微博 2026-08-19 00:00:00

6. #微博视频号续航计划##直击硅谷# 李飞飞，这位因创建ImageNet而被誉为"AI教母"的计算机视觉先驱，如今正将目光投向ChatGPT之外的新疆域。她认为，大语言模型虽能生成文字，却终究无法灭火或煎蛋——AI的下一个突破点在于"世界模型"，即让机器真正理解物理世界的空间智能。2024年，李飞飞创立World Labs并融资十亿美元，推出平台Marbel。与生成二维画面的Sora不同，Marbel能基于单张图片或文字提示，创造出可探索、可编辑的三维世界，服务于电影虚拟制片、游戏开发乃至机器人训练。她将空间智能分为渲染、模拟与规划三层，认为这正是弥补当前AI"只会说、不会做"短板的关键。从成都追虫少年到斯坦福教授，再到创业者，李飞飞始终强调AI应赋能人类而非取代人类。面对行业炒作与监管争议，她呼吁政策制定者立足科学事实，投资STEM教育，保持多元声音。尽管承认每天活在竞争焦虑中，这位"虎妈"式的CEO对团队50人的专注与使命感充满信心。"历史的长弧趋向仁慈，"李飞飞说。在她看来，世界模型不仅是技术的下一章，更是人类与机器在真实世界中和谐共处的开始。 历史的进城的微博视频

新浪微博 2026-08-19 00:00:00

7. AI视频生成大模型百花齐放，做AI漫剧到底该选哪个？2026年最全选型指南？

知乎 2026-08-19 00:00:00