谷歌开源端侧多模态大模型Gemma 3n发布，2GB内存即可流畅运行
谷歌发布开源端侧多模态大模型Gemma 3n，支持2GB内存设备流畅运行，采用创新MatFormer架构与PLE技术，大幅降低内存占用，推动生成式AI在边缘设备的普及。
排序
蚂蚁集团推出AGI多模态应用“灵光”，开启视觉交互新纪元
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。
Elastic收购Jina AI：开启多模态AI搜索新纪元，向量搜索技术迎来重大突破
Elastic完成对Jina AI战略收购，深度整合向量搜索与多模态AI技术。Jina AI核心模型将融入Elastic搜索平台，提升多语言文档和视觉文档检索效率，为企业提供更智能的搜索解决方案。
苹果秘密研发多模态AI模型Manzano，剑指OpenAI与谷歌图像编辑霸主地位
深度揭秘苹果秘密研发的Manzano多模态AI模型：具备图像理解与生成双重能力，技术指标接近行业领先的GPT-4o和谷歌Gemini 2.5 Flash Image。分析苹果如何挑战现有AI市场格局...
Claude桌面版正式发布：新增智能截图与语音交互，性能提升40%
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...
字节跳动即梦AI 4.0发布：多模态图像生成技术实现三大功能整合
字节跳动即梦AI 4.0版本实现多模态技术突破，整合文生图/编辑/组图三大功能，支持2K图像1.8秒生成与4K输出，精准响应自然语言指令，显著降低AI图像创作门槛。
马斯克xAI加速研发世界模型，瞄准游戏与机器人领域新突破
深度解析马斯克xAI公司世界模型技术研发进展：从人才挖角到商业化布局，探讨其在游戏生成与机器人控制领域的应用前景，分析行业竞争格局与技术挑战。
腾讯混元发布新一代图像生成模型HunyuanImage 2.1，支持2K高清与多语言生成
腾讯混元发布新一代开源图像生成模型HunyuanImage 2.1，支持原生2K分辨率输出、1000token超长文本解析与中英文混合嵌入，配套PromptEnhancer提示词优化工具，适用于商业设...
字节跳动发布OmniHuman-1.5视频生成模型：语音驱动多角色动画技术突破
深度解析字节跳动OmniHuman-1.5视频生成模型的技术特性：支持语音驱动、多角色互动与情感感知，突破分钟级动画生成限制，适用于影视、虚拟主播等商业化场景，推动AI内容创作技术发展。
Rokid Glasses完成Kickstarter众筹40万美元，多模态AR眼镜实现消费级突破
深度解析Rokid Glasses AR眼镜的众筹成果与技术优势：49克轻量化设计、多模态AI协同、支付宝声纹支付及高德全场景导航功能，涵盖产品特性、生态合作及全球市场订单数据，为AR行业提供消费级落...