商汤科技秘密研发多模态大模型“U1 Pro” 预计7月内测或成设计领域新势力

这款综合实力对标国际顶尖产品的国产多模态大模型，凭借一流的技术架构、卓越的综合能力与丰富的应用潜力，将为无锡具身智能产业搭载硬核“AI大脑”。科大讯飞结合其在大模型技术方面的深厚积累，基于该算力平台加速训练了…

针对当下行业内多模态 AI 视频理解的共性技术难题，这款模型在长视频时序分析、内容逻辑推理等维度完成多项升级优化，改善了传统 AI 模型解析视频内容的各类短板，也为国内多媒体人工智能的产业落地，提供了全新的技…

谷歌Gemini Omni多模态大模型发布：支持混合输入，对话实时编辑生成多元内容

谷歌发布旗舰多模态大模型Gemini Omni 可实现“任意输入、任意输出”能力

2026年4月14日，生数科技与阿里云智能集团正式签署战略合作协议。双方将围绕“长期互信、战略协同、技术共创、生态共赢”的原则，依托阿里云在云计算与全栈AI基础设施领域的能力，以及生数科技在多模态大模型与世界模型方向的技术积累，共同探索生成式人工智能（AIGC）

华为昇腾快速适配阿里Qwen3.5新模型 助力多模态大模型高效应用

但让大模型真正”张开眼睛”，在统一架构下同时提升语言和视觉能力，实现多模态信息的高效融合与协同生成，并非易事。 在智能体训练上，千问团队还搭建了一套大规模强化学习框架，支持文本、多模态与多轮对话等场景，训练效…

但让大模型真正”张开眼睛”，在统一架构下同时提升语言和视觉能力，实现多模态信息的高效融合与协同生成，并非易事。 在智能体训练上，千问团队还搭建了一套大规模强化学习框架，支持文本、多模态与多轮对话等场景，训练效…

一是更稳健的视觉与多模态理解：豆包2.0强化了视觉感知与推理能力，对复杂文档、表格、图形、视频内容的解析水平显著提升，视觉信息处理更精准。 豆包2.0全面升级了多模态能力，在各类视觉理解任务上均达到业界顶尖…

春节前夕字节多模态大模型密集升级 豆包2.0推理代码能力提升且价格亲民

结合如上实践来看，体系化 AI 工程的核心，就是把大模型的能力从实验室搬到产业场景，其中涉及到复杂的场景拆解和能力重组，它不仅包括模型本身的训练和优化，还涵盖数据采集与标注、算力调度、分布式训练、推理加速、…

在Keye-VL-671B-A37B的强化学习系统中，快手首先训练了专门的Verifier（验证器），用于验证模型输出思考过程的逻辑性，以及最终答案与标准答案的一致性，Verifier模型采用Keye-VL-…

11月21日，以“非凡‘十四五’ 聚力启新程”为主题的2025移动通信高质量发展论坛在湖北武汉举办。中国科学院自动化研究所副总工程师、武汉人工智能研究院院长王金桥在论坛上作题为《多模态大模型：迈入主动交互新时代》的主旨发言。

巨量引擎AI治理新招：多模态大模型高效审核，单季精准拦截84万违规广告素材