多模态AI

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。

OpenAI即将发布GPT-5.2中的Image-2系列图像生成模型，提供2K-4K高分辨率、专业级编辑功能与优化色彩还原。本文解读新模型在画质、提示词理解及多模态AI领域的升级，分析其与谷歌Nano...

生数科技Vidu Q2生图功能完成重大升级，新增文生图与图像编辑模块，支持5秒快速生成、批量创作与跨模态工作流。该工具在权威评测中超越GPT-5，尤其适用于电商、短剧等工业化内容生产场景，实现创作效率...

腾讯发布开源OCR模型HunyuanOCR，以1B轻量化参数在OmniDocBench测评获94.1分超越谷歌Gemini，支持14种语种翻译并获ICDAR2025冠军，已在GitHub开源。

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。

美国AI技术公司Reka AI完成1.1亿美元B轮融资，估值突破10亿美元，由英伟达与Snowflake联合领投。该公司专注于大型语言模型及多模态AI技术研发，成为新晋AI独角兽。了解最新AI行业融资...

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...

谷歌推出基于Gemini 3 Pro的Disco实验浏览器，可将任意网页动态重构为定制化Web应用，支持价格追踪、内容摘要等功能。了解Gemini 3的1501 Elo评分、多模态处理能力及浏览器技术...

百度文心大模型X1 1.1版本实现智能体深度任务规划、多模态能力提升及工具调用优化，在金融、医疗、制造领域表现卓越，推理成本降低17%，适用于企业API调用与私有化部署。

深度解析Meta以1亿美元高薪从OpenAI挖走三位核心AI研究员的战略意图，揭秘科技巨头在通用人工智能(AGI)领域的军备竞赛现状与未来行业影响。