现在连文档都有大模型了，还是高分辨率、多模态的那种!不仅能准确识别出图像里的信息，还能结合用户需求调用自己的知识库来回答问题。比如，看到图中马里奥的界面，直接就回答出了这是任天堂公司的作品。这款模型由字节跳动和中国科学技术大学合作研究，于2023年11月24日上传至arX
......
本文由站长之家合作伙伴自媒体作者“量子位公众号”授权发布于站长之家平台，本平台仅提供信息索引服务。由于内容发布时间超过平台更新维护时间，为了保证文章信息的及时性，内容观点的准确性，平台将不提供完全的内容展现，本页面内容仅为平台搜索索引使用。需阅读完整内容的用户，请查看原文，获取内容详情。
（举报）
现在的国产AI应用，一口气看好几分钟的视频，都可以直接做推理和解析了!瞧~只需“喂”上一段柯南片段，AI就摇身一变成“名侦探”做剖析:它会对整个视频的内容先做一个总结，再按照秒级，对视频片段做内容上的推演。商汤科技联合创始人杨帆认为:银河通用合伙人、大模型负责人张直政表示:除此之外，上海交通大学副教授闫维新对这个问题的看法是:总言之，商汤作为国�
快科技4月16日消息，据报道，可灵AI在北京举行灵感成真”2.0模型发布会，正式发布可灵2.0视频生成模型及可图2.0图像生成模型。据介绍，可灵2.0模型在动态质量、语义响应、画面美学等维度保持领先；可图2.0模型在指令遵循、电影质感及艺术风格表现等方面显著提升。3月27日，全球AI基准测试机构Artificial Analysis发布了最新的全球视频生成大模型榜单，快手可灵1.6pro（高品质模
这是《窄播Weekly》的第52期，本期我们关注的商业动态是:当大厂的AI竞争策略开始倾斜向应用场景，多模态能力和代理执行成为两个焦点。大模型落地C端场景的核心，就是让大模型的能力越来越接近人。沿着这个主旋律，可以划分出两个进化方向:一个是持续降低用户与大模型进行有效沟通的难度;另一个则是让大模型具备执行更复杂任务的能力。前者的实现，需要给到大模型多
本期《窄播Weekly》聚焦AI大厂竞争策略向应用场景倾斜的趋势，重点分析了多模态能力和代理执行两大发展方向。文章指出，大模型落地的核心在于让人机交互更自然，具体表现为：1）通过多模态技术降低用户使用门槛，如阿里夸克新推出的"拍照问夸克"功能；2）通过代理执行提升复杂任务处理能力，如字节、百度等推出的通用Agent产品。国内外厂商路径差异明显：国�
在产业智能化进程中，如何高效融合企业专有知识资产，构建领域专属认知引擎，是企业迈向智能决策与高效运营的关键。然而，传统检索增强生成(RAG)技术受限于语言单模态处理能力，仅能实现文本知识库与文本查询之间的浅层理解，难以满足复杂业务场景的需求，在实际应用中暴露出两大缺陷:信息表征缺失:忽略知识库中多模态富文档的视觉语义信息，如版面结构、图表关�
多模态理解领域当前已成了各家AI大模型公司“军备竞赛”的关键点之一，国内外知名AI大模型公司都争相通过发布最先进的多模态大语言模型展现其在多模态理解领域的前沿能力。近期，上海AI实验室推出了其最新的多模态大语言模型InternVL3 系列，相比上一代InternVL2. 5 模型，该模型展现出卓越的多模态感知和推理能力，同时进一步扩展了其工具使用、GUI代理、工业图像分析等
复旦大学与美团研究者提出UniToken框架，首次在统一模型中实现图文理解与生成任务的"双优表现"。该方案融合连续和离散视觉编码，有效解决了传统多模态建模中的"任务干扰"和"表示割裂"问题。通过三阶段训练策略（视觉语义对齐、多任务联合训练、指令强化微调），UniToken在多个基准测试中性能超越专用模型。其创新性体现在：1）统一的双边视觉编码
2025 年 4 月 11 日，在华为云生态大会上，浙江九为健康科技股份有限公司（以下简称"九为健康"）正式发布基于华为云盘古大模型的"九为神农中医大模型智能体"。该解决方案依托AI技术，系统性攻克中医药研发周期长、作用机制解析困难、个性化方案制定复杂等产业难题，通过智能化手段推动中医药现代化进程，为医药全产业链提供覆盖研发、诊疗及健康管理的全流程智能服�
快科技5月2日消息，过往，用户在通过视频学习并记录笔记时，总免不了要不停切换平台软件，暂停、截屏、记录、插图、批注、切换返回视频过程繁琐而低效。为了应对这种情况，百度网盘和百度文库联合研发上线了AI笔记”，支持全自动学习、半自动学习、辅助学习三种模式。如今只要在网盘里面任意打开一个学习视频，在右侧就能看到AI笔记”功能，用户可以自主输入内容，也可以让其直接生成图文并茂、结构清晰的笔记。而且每个重要知识点旁会有时间戳，点击时间戳即可跳转到视频中对应位置，实现视频和笔记内容的顺滑关联。此外AI笔记”还可以帮
字节跳动发布豆包1.5深度思考模型，升级文生图能力。该模型在专业领域和通用任务中表现突出，采用MoE架构，总参数量200B，激活参数20B，推理成本优势显著。同时，其图像生成模型Seedream 3.0性能追平GPT-4o等顶尖模型。全球AI产业加速发展，开源模型降低技术门槛，推动商业化落地。微美全息等企业构建开放AI生态，DeepSeek等公司通过开源策略促进技术普惠。行业迎来"开源AI+"新阶段，企业需把握机遇应对挑战。
