Gemini 4 Hydrogen一句话造3D海岛,145B端侧模型操控Blender

Google同日发布轻量模型与端侧大模型,世界模型与开源机器人模型齐推进。
Google一天内发布轻量模型Gemini 4 Hydrogen与1450亿参数端侧模型Edge 0:前者用单条提示词实时生成可交互三维场景,速度达前代2.5倍,并展示表格动画化等跨模态能力;后者断网下自主操控Blender,一小时搭出曼哈顿街区模型。李飞飞团队Atlas世界模型全面开放,支持照片补全三维空间与高斯点转实体网格;Runway以Apache 2.0开源270亿参数机器人世界模型Plexus-E。英伟达黄仁勋辞任CEO致市值缩水约1820亿美元。整体趋势是生成内容走向实时可交互,能力下沉与开源并行。
Google在一天之内抛出了模型能力与端侧部署的两枚重磅炸弹。轻量模型Gemini 4 Hydrogen用一句提示词实时生成多人三维海岛场景,还能把Python表格动画化;话说回来,1450亿参数的Edge 0端侧模型在断网状态下自主操控Blender完成建模与巡检。李飞飞团队的Atlas世界模型同步向公众全面开放。
Gemini 4 Hydrogen:单句生成实时3D场景
据B站科技资讯汇总,Gemini 4 Hydrogen最大的特点是「单条提示词即可实时生成多人三维海岛」——这不只是生成一张图或一段视频,而是可交互的实时三维场景。模型已接入API与搜索,百万输入1.5美元、输出7.5美元的定价也说明了它面向实际生产而非纯演示。
在Artificial Analysis合成指数上,该模型高档拿到51分、X-High档54分,自测Terminal Bench 4.1得分57%。这些数据与顶级旗舰仍有距离,但放在「轻量」定位下已属可观。模型支持四档思考调节,速度达Gemini 3.8 Flash的2.5倍;配合Gemini 4 Carbon并发还能省下24%配额,对需要大规模调用API的开发者来说,这个组合的直接价值是成本与延迟的双降。
官方另一段演示更值得玩味:用Python缩小表格单元格、结合公式实时渲染像素动画。把电子表格变成动画引擎,意味着模型对结构化数据的理解正在从「读取」走向「操作与呈现」。

模型甚至能在浏览器里手写三维地球着色器,把实时闪电数据转化为动态环境音乐——这种跨模态的实时创作能力,展示的是模型对图形管线与音频生成的统一调度潜力。
Edge 0 145B:断网也能操控Blender
Edge 0开放了1450亿参数的端侧版本。据素材数据,其每Token激活101.2亿参数,笔记本峰值内存29GB,单卡解码速度每秒98.3 Token。在Terminal Bench 2.1内测中得分86.5分,这个成绩甚至高于上述轻量模型的Terminal Bench 4.1表现——虽然测试版本不同不宜直接横比,但端侧模型在终端任务上的成熟度可见一斑。
实际演示里,模型在断网状态下调用Blender自主建模并巡检,一小时内搭出曼哈顿街区模型。模型卡与Hiker News合眼确认,底座基于千问Q1 3.8 Flash Next改造,采用自定义社区许可,商业托管需另签授权。目前仅开放CUDA 13构建,跑分带社区复现。
另一段本地工作流展示了模型在K-CAD完成双层电路板布线,再导入引擎渲染组装动画。端侧模型的价值正在从「能跑」转向「能干完整活」——断网、本地、隐私可控,这对工业与设计场景的吸引力很明显。
混合专家(Mixture of Experts, MoE) 架构是理解「1450亿参数、每Token激活101.2亿参数」这一表述的前提。MoE模型由多个专家子网络和一个门控网络组成,每次前向计算时门控只选择少数专家参与运算,因此总参数量虽大,实际激活的参数量却小得多。这种设计让模型容量和知识储备随总参数扩张,而推理算力与显存占用主要取决于激活参数。这正是端侧部署大参数模型的关键:145B的总规模带来较强能力,约10B的激活量使其在笔记本29GB内存、单卡每秒近百Token的解码速度下仍可运行。MoE的代价是训练复杂度和显存占用高于同激活量的稠密模型。
Atlas世界模型全面开放:照片变三维空间
据李飞飞团队公开信息,三维世界模型Atlas向公众全面开放。Viewfinder支持上传照片补全三维空间并编辑运镜;Frameboy支持网页端每秒15帧漫游,结果可转三角网格导入Blender,API同步开放。

在Chisell演示中,用户上传手绘庭院草图即可生成立体线框并切换昼夜光影。官网同步开放深度图与点云实时预览,支持一键导出至主流游戏引擎。后半段演示用7关键帧环绕运镜,将198万个高斯点转为实体三维网格——高斯泼溅到实体网格的转换,正是三维内容进入传统游戏与影视管线的关键一步。
高斯泼溅(Gaussian Splatting) 是一种新兴的三维场景表示与渲染技术。它用大量带位置、旋转、缩放和透明度的三维高斯椭球来近似描述场景,每个高斯点还携带颜色信息。渲染时通过投影与混合这些高斯点来合成图像,无需传统网格的三角面片。相较神经辐射场(NeRF),高斯泼溅训练和渲染速度更快,且能保留更锐利的细节,适合从多张照片快速重建真实场景。但它的输出是点云式表示,不能直接被游戏引擎和影视管线当作实体网格使用,因此文中提到的「将198万个高斯点转为实体三维网格」是让三维内容进入传统制作流程的关键转换步骤,也是当前三维重建领域的热点方向。
Runway开源机器人世界模型Plexus-E
Runway把世界模型延展到机器人领域,以Apache 2.0协议开源270亿参数模型Plexus-E。在英伟达Robolab E20的1200次评测中成功率达46.2%,内测速度达GPT-6 Astra的15.6倍。

实际画面中,双臂机器人根据视觉预测接触轨迹,完成裹盘摆放、落旗与碗碟装卸等精细操作。以宽松协议开源机器人世界模型,对具身智能研究社区是实质性的推动。
Google与三星联名智能眼镜
Google与三星开启重约41克的Gemini智能眼镜预定,两款联名竞价分别售395与449美元起,12月10日发售。续航9小时,支持超70种语言翻译,处理前自动模糊路人面部,遮挡指示灯即停录。硬件微距镜头展示了镜框内置的1200万像素超广角相机、指示灯与开放式扬声器。隐私设计被放在显眼位置,说明这一品类的合规压力已成产品定义的一部分。
英伟达管理层变动与行业快讯
英伟达宣布黄仁勋即刻辞任总裁、首席执行官及董事,克莱特·克雷斯任临时首席执行官,哈维·琼斯任首位董事长。消息公布后每股收跌4.34%,市值缩水约1820亿美元,新加坡禁止黄勒入境,11月17日财报照常发布。这一变动对AI算力供应链的后续影响值得持续关注。

其余快讯:OpenAI推出自动攻防套件Daybreak Red Team与Diablo Defense Factory;Anthropic开放Cloud Meetings测试版,接入Google Meet实时化白板;Microsoft 365故障扩大,波及Copilot与企业连接器;美国司法部通报朝鲜用FaceStealer深伪窃取超4亿美元加密资产;4家公益机构起诉5家前沿AI公司,请求暂停高风险系统部署。
趋势观察
今天的信息流呈现两条清晰主线:一是模型能力向「实时可交互」演进,无论是单句生成3D海岛还是照片补全三维空间,生成内容正在从静态产物变为可漫游、可编辑的场景;二是端侧与开源同步推进,145B模型离线操控Blender、机器人世界模型以Apache 2.0开源,说明能力下沉与社区共建正在并行。
相关推荐

一个路由器故障,为何能让美国空管系统瘫痪?
美国联邦航空管理局(FAA)通信系统因单个路由器故障引发全国性中断,暴露空管基础设施冗余设计的脆弱性。本文分析故障链条、老化系统风险及对航空业与乘客的影响,探讨系统韧性的真正含义。

Google Maps新功能:实时生成行程规划,导航变旅行助手
Google Maps推出Ask Maps功能,支持通过自然语言描述自动生成多日行程,并附带各停靠点实时信息。本文分析该功能从导航到行程规划的转变及其对旅行规划产品的影响。

Apple TV 将推免费视频播客,播客生态迎来新变局
Apple TV 将新增免费视频播客专区,率先在开发者版本测试,iOS 27.3 Beta 用户即将迎来更新。本文梳理功能进展与对播客生态的潜在影响。