多模态AI

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...

深度解析Mistral AI最新开源推理模型Magistral Small 1.2的技术特性：240亿参数规模、多模态输入支持、可验证推理架构及商业应用场景，助力开发者构建下一代企业级AI解决方案。

腾讯混元开源视频音效生成模型HunyuanVideo-Foley，通过扩散模型技术实现85%以上音画同步准确率，助力影视与游戏行业降低制作成本，支持环境音与动作音效自动生成。

字节跳动Seedream 4.0多模态AI图像生成模型正式发布，实现文生图与编辑功能统一架构，支持秒级4K图像生成、多模态交互与企业级应用，推动游戏设计、广告制作等领域的生产力革新。

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...

阶跃星辰发布开源语音大模型Step-Audio 2 mini，突破端到端多模态架构，在MMAU、URO Bench测试中领先，中文识别错误率仅3.19%，已与吉利、TCL合作落地，推动语音交互技术革新...

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...

谷歌正式宣布Gemini 3将于2026年发布，目标直指缩小与GPT-5技术差距。新一代模型将突破300万token上下文，强化智能代理自主决策能力，深度整合Workspace与地图生态，为企业级AI...

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。

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...