多模态模型

腾讯混元团队开源全球首个800亿参数工业级多模态生图模型混元图像3.0，支持1000+字符文本理解和多语言文字渲染，在Github和Hugging Face可免费下载使用，推动AI图像技术普及。

商汤科技于2025年12月1日开源与南洋理工大学联合研发的NEO原生多模态架构，通过原生图块嵌入、统一注意力等创新技术，实现视觉与语言的深层融合，推动多模态AI进入“原生架构”时代，加速产业级技术标准...

深度对比OpenAI与Meta的AI人才战略：Meta斥资1亿美元挖角GPT-4o核心团队，OpenAI以21万年薪跨学科驻留计划反制。解析300万人才缺口下，两种模式如何影响AGI与多模态模型的技术...

阿里巴巴通义千问团队最新发布Qwen3-VL 2B和32B版本，在STEM问答、视觉理解等多项测试中超越GPT-5 mini和Claude 4 Sonnet。32B模型仅用少量参数实现与235B模型竞...

面壁智能开源MiniCPM-V4.5多模态模型，8B参数实现高刷视频理解，性能超越72B级竞品。创新3D-Resampler技术达12倍压缩率，适用于智能座舱、工业质检等实时场景，现已在GitHub等...

阿里云通义千问发布新一代多模态模型Qwen VLo，支持动态分辨率训练与生成，提升文本逻辑连贯性，适用于法律文书、学术论文等专业场景，加速AI与产业融合。

昆仑万维开源Skywork UniPic多模态模型，1.5B轻量化参数实现图像生成、理解与编辑一体化能力，支持高分辨率细节建模，性能接近百亿参数专用模型，为开发者提供可落地的统一视觉基座。

LiblibAI 2.0正式上线，实现图文视频同界面创作功能，整合Qwen Image、Midjourney V7等前沿模型，内置500+视觉特效工具，提升创作效率300%，服务超千万设计师的AI创作...

月之暗面（Moonshot AI）开源多模态模型Kimi-VL-A3B-Thinking-2506，性能超越GPT-4o，在数学推理、视频理解等任务中表现优异，实现效率与性能双重优化。开发者可通过Hu...

苹果开源SlowFast-LLaVA-1.5模型革新长视频理解技术：双流架构降低30%显存占用，1B参数超越7B模型性能，支持2小时视频分析。了解其在MLVU基准91.5%OCR准确率及商业应用潜力。