多模态AI

美的医疗正式发布国产自主知识产权的医学影像多模态智能诊断大模型，实现肺结核、肺炎等胸部疾病自动检测与报告生成。该模型采用轻量化设备端与高精度云端双架构，适配不同医疗机构需求，已进入临床验证，计划202...

阿里巴巴2025年发布Qwen-Image重大更新，强化图像编辑一致性与多视角转换技术，提升人物合照生成和工业设计功能，免费开放于千问APP，推动生成式AI在影视、广告等领域的应用。

英伟达支持的Luma AI完成9亿美元C轮融资，估值超40亿美元，启动以伦敦为核心的欧洲战略扩张。本文解析其融资细节、伦敦研发中心计划，以及在生成式视频领域与谷歌、Meta的竞争格局，探讨全球AI区域...

OpenAI对ChatGPT语音功能进行重大升级，将语音模式全面整合至主界面，实现语音、文本、视觉内容实时同步显示，显著提升多模态人机交互体验，适用于教育、导航等多种场景。

Anthropic于2025年发布Claude Opus 4.5 AI模型，在编程测试中首次超越人类表现，SWE-bench准确率达80.9%领先行业，同时API价格大幅下调三分之二，支持30小时连续...

谷歌下一代旗舰AI模型Gemini 3 Pro确认2025年11月发布，具备革命性100万token上下文处理能力，可完整分析300页书籍内容。多模态升级与Agent技术结合，将重塑企业AI服务竞争格...

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。

由前OpenAI CTO Mira Murati创立的Thinking Machines Lab正式开放Tinker AI平台，集成万亿参数Kimi K2推理模型与Qwen3-VL视觉语言模型，支持多...

OpenAI Evals推出原生音频评估功能，支持直接上传音频文件进行端到端测试，消除转录失真，提升40%评估可信度。适用于语音助手、语音识别及AI语音生成的质量监控，加速语音AI产品迭代。

苹果研究团队推出多模态AI模型UniGen 1.5，实现图像理解、生成与编辑一体化集成，通过创新编辑指令对齐和统一奖励系统提升任务准确度，在多项测试中表现优异，为AI视觉领域带来重要技术突破与应用前景...