多模态AI

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。

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。

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。

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...

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。

OpenAI被曝正在测试基于GPT-5模型的全新AI智能体GPT-Alpha。该技术突破传统生成式AI边界，支持文本、代码、图像多模态协同处理，具备高级推理与工具使用能力。本文详解其核心功能、应用场景...

智谱AI最新推出免费AI Slides功能，基于GLM-Experimental模型实现自然语言生成动态PPT，支持动画效果与多人协作，助力市场/销售人员分钟级完成专业演示文稿制作，突破传统订阅制商业...

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。

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...

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。