媒体行业：可灵AI“全能灵感周”连续上新，Gemini 3 Deep Think推理能力再进阶－AI系列跟踪（84）251211

事件描述12 月 1 日-5 日，可灵 AI 连续 5 天上新，发布视频 O1 模型、图片 O1 模型、音画同出模型可灵 2.6、可灵数字人 2.0，以及可灵 O1“主体库”、“对比模版”功能。12 月 5 日，Gemini 3 Deep Think 正式上线。事件评论

可灵发布图片 O1 模型，赋能全场景创意落地。图片 O1 模型以“自然语言+图像”的多模态描述作为交互入口，具备以下核心优势：1）特征高度保持：支持多达 10 张参考图的特征提取，通过多维视觉解析技术，不论是否跨图均能保持主体轮廓、核心元素与色调基调等特征的高度统一，在很大程度上降低创作者的创作时间成本，可灵图片 O1 模型在多图参考任务上表现出色，与 Nano Banana/即梦 4.0 的效果胜负比分别为 174%/123%；2）精准响应修改：创作者不需要掌握专业修图技能，通过文字指令输入即可实现对特定人物、物品、元素的精准新增、删除及优化；3）统一风格调性：图片 O1 模型能够深度理解参考图的风格调性，实现画面风格的高度统一，适用于品牌视觉统一、分镜设计等多元场景。

可灵 2.6 作为首个音画同出模型，首次实现“所见即所闻”。从创作流程来说，可灵 2.6 模型有别于传统 AI 视频模型“先生成画面、后配音剪辑”的割裂流程，能直接生成包含语音、音效、环境音的完整视频。目前主要包括两种创作路径：一是文生音画，创作者输入文本即可生成视频；二是图生音画，适用于已有图像的进一步拓展。目前可灵 2.6 模型支持生成 5s/10s 视频，支持的音频类型包括对话叙述、对白、唱歌、Rap、环境音效、物体/动作音效、混合音效等。价格方面，在高品质模式下，使用视频 2.6 模型生成 10s 非音画同步/音画同步视频，分别对应 50/100 灵感值。

谷歌上线 Gemini 3 Deep Think 模式，复杂推理能力显著加强。Gemini 3 Deep Think 模型采用“并行推理”机制，能够探索多种假设、进行多轮迭代思考，因此更加擅长处理复杂问题。Gemini 3 Deep Think 主要专注于解决复杂数学、科学推理与逻辑问题，在 ARCAGI-1 测试（基础抽象推理能力测试）中以 87.5%的成绩超越 GPT-5、Claude Opus 4.5等先进模型，在 ARC-AGI-2 测试（“类人智慧”高阶推理能力测试）中以 45.1%的成绩大幅领先于 GPT-5 Pro 18.3%的成绩。目前 Gemini 3 Deep Think 已在 Gemini App 向Google AI Ultra 的订阅用户开放。

建议关注以下 AI 细分赛道：1）优质 IP 或受益于 AI 技术演进带来的创作效率和变现价值提升，看好受益于多模态加速的 AI 漫剧赛道，关注工具型实力领先且 AI 能力持续迭代升级的快手等；2）大厂具备流量分发、模型、数据等优势，聚焦 to C AI Agent 打造商业闭环，关注腾讯控股等；3）海外已跑通商业模式，国内有望复制的广告、电商、教育等垂直赛道；4）AI+游戏陆续落地，关注 AI 布局积极的巨人网络、恺英网络等游戏厂商。风险提示1、AI 技术发展及应用落地不及预期风险；2、内容监管风险。