多模态AI

2025年AI应用层重大融资：LiblibAI完成1.3亿美元B轮融资，创国内AI应用赛道纪录。平台整合图像视频3D建模技术，服务2000万创作者，从模型聚合转型AI专业创作工作室，获红杉中国、CMC...

深度解析百度文心App 5.0版本重大升级：从文小言到文心的品牌升级，全场景AI搜索能力提升，多模态创作功能新增魔法漫画、创意修图等特色功能，月活用户3.65亿的背后技术支撑与市场布局。

英伟达发布革命性全模态理解模型OmniVinci，在多模态基准测试中以19.05%优势领先，训练数据消耗仅0.2万亿Token，效率提升6倍。创新OmniAlignNet模块和时序编码技术实现精准跨模...

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...

蚂蚁集团发布AGI多模态应用“灵光”，核心功能AGI相机实现认知级场景理解与生成，依托支付宝生态优势布局多模态AI赛道，开启视觉交互技术新篇章。

深度解读上海知识产权国际论坛核心议题：商汤科技展示AI如何通过大模型技术提升专利检索、侵权监测效率，实现知识产权全场景智能化，并分享AI与知识产权全球治理的前瞻思考。

2025年10月22日Anthropic正式发布Claude桌面版，新增智能截图识别和Caps Lock语音输入功能，内存占用降低40%，响应延迟减少62%，支持macOS/Windows跨平台使用...

DeepSeek团队开源30亿参数OCR模型DeepSeek-OCR，采用创新光学压缩技术实现97%识别精度。该模型在长文本处理、多分辨率输入方面表现卓越，为金融、医疗、出版行业提供高效数字化解决方案...

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...