多模态模型

深度解析苹果在ICCV 2025大会发布的八篇前沿论文，涵盖MM-Spatial三维空间应用、STIV视频生成等突破性技术，揭秘这些研究如何推动AR设备和iPhone创作功能的未来发展。

阿里云正式开源全球首个原生端到端全模态AI模型Qwen3-Omni，实现文本、图像、音频、视频同步处理，22项基准测试达SOTA水平，支持119种语言，将推动自动驾驶、智能座舱等场景技术落地。

谷歌发布Gemini 2.5 Flash（Nano Banana）多模态模型官方Prompt模板，详解摄影、商业设计等六大场景应用，支持低成本高效图像生成与多轮迭代优化，助力创作者标准化AI创作流程。

百度正式宣布研发文心大模型5.0，将于8月底推出。新版本在推理效率、多模态能力及模型规模实现突破，日均调用量超15亿次。解读百度AI战略升级与行业竞争布局。