多模态大模型

中科院最新SolidGeo基准测试显示：主流多模态大语言模型在立体几何推理任务中平均准确率不足50%，较人类水平差距达28%。研究深入分析3113道三维几何问题，揭示MLLM在空间折叠、多图推理等复杂...

百度地图2025年推出新一代跨模态AI语音座舱系统，基于端到端大模型实现情感交互、精准时空识别和座舱硬件控制，复合指令准确率达92%，为车企提供端云协同的智能座舱解决方案。

快手发布并开源多模态大语言模型Kwai Keye-VL-8B，突破视频理解与逻辑推理性能，支持文本、图像、视频多模态处理，并在高考数学测试中表现优异，加速AI技术商业化进程。

阿里巴巴通义APP全面上线AI形象自定义功能，支持视觉形象、声音特征及人格设定定制，集成多模态大模型技术，适用于智能陪伴、教育辅助等场景，探索人机交互新范式。

小红书正式开源多模态大模型dots.vlm1，基于自研NaViT视觉编码器和DeepSeek V3构建，在MMMU、MathVision等基准测试中性能接近Gemini 2.5 Pro等闭源先进模型...

宇树科技发布Unitree R1人形机器人，起售价3.99万元，集成多模态大模型技术，支持开发者定制。具备26个高自由度关节，运动控制能力突出，为消费级和行业级市场提供高性能通用平台。

OpenAI最新推出ChatGPT Pro云存储连接器功能，深度集成Google Drive、Dropbox等平台，通过MCP技术提升企业文档处理效率。了解这一企业AI解决方案如何改变知识管理方式。

2025年深圳AI产品榜·2周年大会聚焦AI与智能硬件的深度融合，邀请200余位行业精英，探讨多模态大模型、AI编程工具等前沿技术，展示最新创新成果。免费报名审核制，获取前沿产品体验与专家交流机会。

阿里国际发布并开源多模态大模型Ovis2.5，9B与2B版本在OpenCompass评测领先，支持动态分辨率与跨模态推理。适用于电商、翻译及终端设备，助力企业低成本AI转型，技术全面开源。

上海AI Lab与浙大团队发布AI视觉推理重大突破：RRVF方法通过验证非对称性原理实现97.83%执行率，实证验证者法则。研究揭示未来AI发展核心在于构建可验证环境，为多模态大模型提供新范式。