多模态AI

了解字节跳动豆包平台最新AI驱动的3D模型生成工具，支持图像和混合生成模式，专注于游戏开发和工业级应用，预计短期开放，助力多模态AI生态发展。

美的医疗正式发布国产自主知识产权的医学影像多模态智能诊断大模型，实现肺结核、肺炎等胸部疾病自动检测与报告生成。该模型采用轻量化设备端与高精度云端双架构，适配不同医疗机构需求，已进入临床验证，计划202...

蚂蚁数科在香港金融科技节发布创新多语种多模态大模型训练框架，通过语言感知优化机制提升小语种理解能力，在主流多语言VQA基准测试中准确率提升9.5%，评测总分超越GPT-4o、Gemini等国际主流模型...

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。

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...

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...

本文深度解析谷歌Mixboard AI工具的核心功能与技术优势，探讨其如何通过Gemini 2.5 Flash模型和自然语言交互，为家居设计、活动策划等场景提供高效可视化解决方案。

腾讯推出大模型训练库WeChat-YATT，专注强化学习与多模态优化，支持中文语境预训练并降低15%硬件消耗。了解其分布式框架、云集成能力及在微信智能客服等场景的应用前景。

MiniMax发布新一代海螺2.3视频生成模型，在肢体动作、微表情和风格化处理实现技术突破，配合Media Agent工具实现全流程自动化创作，生成速度提升50%，为专业创作者提供高效视频生成解决方案...