多模态模型

谷歌推出开源多模态模型Gemma 3n，专为移动设备优化，支持图像、音视频及文本处理，内存需求极低。采用MatFormer架构，动态调整规模，提升效率。适用于医疗、无障碍等隐私敏感场景。

InstaDeep推出生物多模态对话智能体ChatNT，革新生物学研究范式。该模型通过自然语言交互即可处理DNA、RNA和蛋白质序列，显著降低了生物学家使用AI工具的技术门槛，被学界视为生物信息学领域...

蚂蚁集团与Inclusion AI共同发布开源多模态大模型Ming-Omni，该模型可统一处理图像、文本、音频及视频输入，并具备跨模态生成能力，成为全球首个在功能上与GPT-4o对标且完全开源的多模态...

面壁智能开源新一代多模态模型MiniCPM-V 4.0，图像理解能力超越GPT-4.1等主流模型。该模型针对移动端优化，首token延迟低于2秒，解码速度达17 token/s以上，实现高效端侧部署。

OpenAI推出革命性GPT-5模型，实现文本/图像/语音统一处理，上下文窗口扩展至200万Token，微软生态首批接入。了解这一AI技术里程碑如何重塑行业竞争格局。

西安交通大学研发的SongCi多模态AI模型在法医病理诊断领域实现重大突破，通过自监督对比学习技术使诊断一致性提高30%，为司法鉴定与公共安全提供智能解决方案。

OpenAI宣布GPT-4o模型重新开放访问，支持文本、图像及音频交互处理，同时为付费用户提供模型切换功能。新一代GPT-4.1系列在长文档分析和专业场景中表现更优。