多模态AI

阿里Qwen团队最新发布Qwen3-Omni-Flash-2025-12-01全模态大模型，实现文本、图像、音频和视频无缝输入与实时流式输出，技术升级包括原生统一编码器架构、音视频帧对齐及韵律预测网络...

OpenAI即将发布GPT-5.2中的Image-2系列图像生成模型，提供2K-4K高分辨率、专业级编辑功能与优化色彩还原。本文解读新模型在画质、提示词理解及多模态AI领域的升级，分析其与谷歌Nano...

谷歌Doppl推出基于AI的沉浸式购物模块，通过多模态算法将静态商品转为动态视频，结合虚拟试穿实现全链路消费闭环。本文解析其技术原理、用户数据提升效果及行业差异化策略，探讨生成式AI如何重塑电商未来。

谷歌发布全新大模型架构Titans和MIRAS，Titans支持超200万token上下文，突破Transformer记忆瓶颈；MIRAS解决多模态对齐问题。两大架构已应用于实际平台，预计2026年商...

谷歌新一代轻量级AI模型Gemini Nano Banana 2 Flash正式推出，在图像生成与编辑领域实现显著突破，支持1M token上下文处理，运营成本降低30%，响应速度提升1.7倍。本文深...

2025年12月5日，谷歌正式开放Gemini 3的深度思考模式（Deep Think），在GPQA、AIME等测试中性能全面超越Pro版本。该模式提升多模态融合、代码生成及安全防护能力，已集成至Ge...

蚂蚁集团灵光AI助手推出“闪游戏”创作平台，通过自然语言交互实现30秒即时游戏创作，无需编程基础。平台支持移动端流畅运行，已吸引超200万下载，用户创建应用超330万，娱乐类占比最高。本文深度解读灵光...

2025年阿里巴巴千问AI推出办公功能重大升级，支持文档生成、智能排版、PPT制作及多格式转换，用户通过对话即可免费完成专业级办公任务。本文详解其一站式操作、多模态输入及商业化前景，探索AI如何重塑办...

英伟达支持的Luma AI完成9亿美元C轮融资，估值超40亿美元，启动以伦敦为核心的欧洲战略扩张。本文解析其融资细节、伦敦研发中心计划，以及在生成式视频领域与谷歌、Meta的竞争格局，探讨全球AI区域...

阿里巴巴2025年发布Qwen-Image重大更新，强化图像编辑一致性与多视角转换技术，提升人物合照生成和工业设计功能，免费开放于千问APP，推动生成式AI在影视、广告等领域的应用。