多模态AI

深度解析谷歌Gemini 2.5 Flash图像模型的技术突破：多模态编辑精度超GPT-4o 15%，支持角色一致性保持与多图像融合，商业化成本降低25%。了解AI图像生成行业最新竞争格局与应用前景。

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...

小米发布全球领先的开源语音大模型Xiaomi-MiMo-Audio，在MMAU和Big Bench音频测试中超越谷歌Gemini与OpenAI GPT-4o。了解其亿小时训练数据、少样本学习能力及在智...

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。

OpenAI推出GPT-5 Thinking功能，响应速度提升40%，支持代码生成与实时调试。同步研发儿童版AI，布局教育细分市场。了解GPT-5技术优势、应用场景及行业竞争态势。

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...

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...

美团发布业界首个中文全模态评测基准UNO-Bench，包含1250条全模态样本和2480条单模态样本，覆盖44类任务及5种模态组合。该基准首次验证全模态大模型"组合定律"，为AI行业提供科学评估标准...

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...

昆仑万维正式发布升级版SkyReels AI视频创作平台，集成Google Veo 3.1、Sora 2等全球顶尖模型与自研SkyReels V3技术，提供无限画布、Agent系统、数字人多轮对话等功...