多模态AI

阿里通义千问正式开源Qwen3-VL系列视觉理解模型，4B与8B版本通过密集架构实现显存优化，在STEM问答、VQA、OCR等任务中综合性能领先竞品，支持端侧实时AI应用，推动国产多模态模型小型化技术...

Google NotebookLM集成Gemini Nano Banana技术实现文档自动转视频功能升级，提供水彩、纸艺等6种视觉风格和Brief/Explainer双格式，面向教育课件、企业报告等场...

微软正式推出首款完全自研图像生成模型MAI-Image-1，在LMArena文生图排行榜中跻身前十。该模型在真实感光影处理、生成速度等方面表现优异，将集成至Copilot和Bing Image Cre...

2025年10月最新AI技术动态：腾讯混元图像3.0在国际评测中获全球文生图模型综合第一，快手可灵2.5Turbo在视频生成双赛道登顶。全球大模型形成技术梯队，AI产业化在政务、医疗等领域加速落地，市...

谷歌Gemini 3.0旗舰AI模型10月22日发布，突破性实现自然语言直接生成完整网页和游戏，采用万亿参数混合专家系统，在专业基准测试中超越主流竞品，将彻底改变前端开发工作流程。

深度解析马斯克xAI公司世界模型技术研发进展：从人才挖角到商业化布局，探讨其在游戏生成与机器人控制领域的应用前景，分析行业竞争格局与技术挑战。

Elastic完成对Jina AI战略收购，深度整合向量搜索与多模态AI技术。Jina AI核心模型将融入Elastic搜索平台，提升多语言文档和视觉文档检索效率，为企业提供更智能的搜索解决方案。

腾讯混元图像3.0登顶全球文生图榜单第一，正式登陆元宝App。这款800亿参数开源模型支持2048×2048超高分辨率，可实现表情包、人像写真等专业级图像生成，已助力电商、游戏行业提升80%开发效率。

谷歌相册6.48版本推出AI图生视频自定义提示词功能，用户可通过自然语言指令精准控制视频生成方向，基于Veo 3模型的技术升级使生成准确率提升40%，实现从随机创作到精准定制的跨越。

趣丸科技正式推出国内首个对话式音乐创作Agent Tunee，支持自然语言交互生成完整音乐作品，包含AI作曲、编曲、人声合成及MV制作功能，公测期间免费使用。