多模态AI

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...

谷歌发布开源端侧多模态大模型Gemma 3n，支持2GB内存设备流畅运行，采用创新MatFormer架构与PLE技术，大幅降低内存占用，推动生成式AI在边缘设备的普及。

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...

OpenAI Evals推出原生音频评估功能，支持直接上传音频文件进行端到端测试，消除转录失真，提升40%评估可信度。适用于语音助手、语音识别及AI语音生成的质量监控，加速语音AI产品迭代。

百度文心大模型X1 1.1版本实现智能体深度任务规划、多模态能力提升及工具调用优化，在金融、医疗、制造领域表现卓越，推理成本降低17%，适用于企业API调用与私有化部署。

谷歌下一代旗舰AI模型Gemini 3 Pro确认2025年11月发布，具备革命性100万token上下文处理能力，可完整分析300页书籍内容。多模态升级与Agent技术结合，将重塑企业AI服务竞争格...

阿里巴巴正式发布通义万相Wan2.5 Preview模型，突破多模态AI生成技术，实现音画同步的10秒1080P视频生成能力，支持文生视频、图生视频等核心功能，大幅降低影视内容制作成本。

2025年12月，谷歌正式将Gemini 3生成式AI模型部署至全球搜索引擎，支持文本、图像、音频多模态处理，响应速度提升40%。本文详解其技术架构、订阅政策及对搜索交互的革命性影响。

MiniMax Agent是MiniMax官方推出的AI生产力工具，主要说明该工具通过新增智能图像搜索、稳定的图像生成、多语言支持及多样化文档导出四大核心功能，进一步提升多模态能力与长任务处理效率。

字节跳动2025年发布Vidi2多模态大模型，具备120亿参数与突破性时空定位技术，实现长视频智能解析、自动化编辑与对象追踪，在VUE-TR-V2基准测试中性能领先。模型已集成至TikTok，提供Sm...