多模态AI

谷歌发布Gemini大模型能耗报告：文本生成单次仅耗电0.24瓦时，同步推出轻量级Gemma 3 270M模型。深度解析其Transformer架构优化、40%能耗降低技术，及在移动端多模态处理场景的...

可灵AI推出2.1首尾帧功能，视频生成效果较前代提升235%，GSB评分行业领先，支持复杂运镜与艺术风格切换，已应用于宣传片、AI短剧等场景，全球用户超2200万。

NSF与英伟达宣布投资1.52亿美元支持AI2开发开源多模态AI模型OMAI，推动材料科学、生物学等领域的透明化研究。项目涵盖完整开源工具链与人才培养，加速科学发现进程。

百度蒸汽机MuseSteamer 2.0实现全球首个多人有声中文视频一体化生成，采用多模态时空规划技术，支持电影级画质与高精度语音还原，成本降低70%，已通过百度搜索、绘想平台开放商用。

Looki公司完成超千万美元融资，推出全球首款多模态AI穿戴设备L1。199美元轻量化挂坠支持实时环境感知、自动生活记录与Vlog生成，突破传统AI交互模式，适用于健身追踪、亲子沟通等场景，计划202...

深度解析Higgsfield革命性Draw-to-Video功能：无需复杂文本提示，通过图形标记和自然语言指令即可生成专业级动态视频。了解其自主研发的DoP I2V-01模型如何整合70+电影运镜模板...

深度解读淘宝“AI万能搜”功能：基于自然语言交互和多模态内容生成，重构电商搜索逻辑，覆盖穿搭推荐、商品对比等场景，技术整合大模型与协同过滤算法，推动行业搜索模式变革。

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。

阿里巴巴通义千问推出开源Qwen-Image-Edit图像编辑模型，突破性实现语义与外观双重编辑能力，支持中英文文本像素级修改，适配消费级显卡，在多项国际基准测试中达到最先进水平。

深度解读昆仑万维2025年SkyWork AI技术发布周：六款覆盖视频、3D、音乐等领域的多模态AI模型技术细节、市场反应及商业化前景分析。