一个可以自动分析PDF、网页、海报、Excel图表内容的大模型，对于打工人来说简直不要太方便。上海AI Lab，香港中文大学等研究机构提出的InternLM-XComposer2-4KHD（简写为IXC2-4KHD）模型让这成为了现实。相比于其他多模态大模型不超过1500x1500的分辨率限制，该工作将多模态大模型
......
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）
2024年多模态大模型成为AI领域最具前景的技术方向之一。文章全面分析了主流多模态大模型的特点、应用场景和发展趋势。多模态大模型能同时处理文本、图像、音频、视频等多种数据，实现更智能的人机交互。重点介绍了GPT-4V、Claude3.5、Gemini、通义千问等代表性模型，对比了它们在视觉理解、编程能力、中文处理等方面的优势。应用场景涵盖智能客服、内容创作、教育医疗等领域。未来发展趋势包括模型规模扩大、支持更多模态、实时交互能力提升等。选择模型需考虑应用需求、语言支持、性能成本等因素。
6月21日，东信云与华为云在HDC2025大会上签署合作协议，双方将基于昇腾AI云服务深化合作，重点布局多模态大模型应用与数字人技术。合作内容包括：1）构建智能营销系统，整合文本、图像、视频等多元数据，提升市场分析和消费者行为预测能力；2）通过大模型实现营销内容自动化生成，包括新闻稿、社交媒体帖子和广告文案；3）优化大模型架构，提升训练和推理效率。东信云6月发布的"数字人智能引擎"已实现分钟级生成逼真数字人，显著提升推荐转化率。双方还将联合行业伙伴共建营销大模型生态系统，推动营销行业智能化升级。
近日，腾讯视频推出超高清内容”专区，集纳平台400余部超高清内容，涵盖电视剧、电影、纪录片、综艺、动画片、微短剧等品类，在各端进行重点推荐。 腾讯视频超高清方案命名为臻彩”，这是腾讯视频超高清的代表性技术。 2025年1月，腾讯视频自研超高清视听品牌臻彩”的高阶版本臻彩MAX”正式推出，主打极致画质与沉浸式观影体验。
AI日报精选：1)百度开源文心大模型4.5系列，含10款新模型，性能优异；2)通义千问发布多模态模型Qwen-VL，支持图文交互；3)阿里开源3亿参数多模态模型Ovis-U1；4)华为开源盘古7B稠密和72B混合专家模型；5)美图MOKI推出AI创意广告功能，一键生成专业视频；6)谷歌Gemini 2.5 Pro API重新免费开放；7)豆瓣上线"深入研究"AI功能；8)小米"AI百宝箱"结束内测；9)北京智研院开源多模态系统OmniGen2；10)知乎升级"直答"知识库功能。
社交平台Soul正通过AI技术重塑社交生态：1）2016年推出智能推荐系统"灵犀引擎"，2020年启动AIGC算法研发，2023年推出自研大模型Soul+X，开发AI虚拟人、智能聊天等应用；2）升级多模态大模型，支持文字对话、语音通话、多语言理解等功能，提供拟人化情感陪伴；3）围绕Z世代需求，促成超10万对情侣步入婚姻，并联合开展心理健康公益活动；4）以"技术+人文"双轮驱动，致力于打造更智能舒适的社交环境，重新定义人机关系。
在iOS 26测试版中，苹果重新设计了闹钟界面，使其视觉风格更简洁。 新版闹钟界面的数字时间明显变大，按钮尺寸也同步增大，当闹钟响起时，屏幕底部会并排显示两个同样大小的巨型按钮，分别对应停止”和稍后提醒（Snooze）”功能。 尽管这次界面改版符合iOS 26整体视觉升级的策略，但它带来一个新的问题，用户误触的概率更高，容易睡过头。
6月12日，有网友在社交平台发布消息称，海底捞部分门店推出22元自主午餐。据了解，该套餐菜品丰富，包含3款热菜、3款凉菜、1款水果、2款饮料以及2款主食，供应时间为12点至15点。 门店规定，此套餐实行不限量供应，但要求顾客杜绝浪费行为。若出现浪费情况，每浪费20克将收取20元费用。 在价格策略上，海底捞秉持“绝对好、相对便宜”的思路，各门店根据自身实际情�
文章探讨了职场人在述职季制作PPT的痛点，指出传统PPT制作存在三大核心问题：内容复用性差、设计门槛高和协作效率低。作者推荐使用"咕片"等AI工具一键生成高颜值PPT，能实现文档秒变PPT、风格批量换肤、智能替换素材等功能，大幅提升效率。文中强调优秀的工作总结应注重思考深度而非形式炫酷，建议职场人善用新工具将时间投入真正的价值创造，在述职季交出既有专业质感又有思想深度的精彩答卷。
OpenAI推出突破性的o3推理模型，首次实现图像直接融入推理过程，在多模态基准测试V* Bench上准确率达95.7%。DeepSeek完成R1模型升级，上下文窗口从12K扩展至23K，幻觉率降低45%-50%。行业呈现开源趋势，DeepSeek开源策略促使多家企业跟进，OpenAI也考虑开源。微美全息加速布局多模态大模型，计划提供实时多模态AI体验。专家指出AI发展重心正从大模型向智能体演进，开源技术显著降低训练门槛，提升泛化能力，为多模态智能探索开辟新路径。企业需紧跟趋势把握机遇，在大模型驱动的新时代找准定位。
7家国产大模型参加2025年辽宁高考模拟测试，结果显示：腾讯元宝在文科考试中以667.5分夺冠，接近清北录取线；豆包、讯飞星火分别以655分和652分紧随其后，均达985高校水平。理科方面，豆包以635分领先，元宝和Kimi分别获得632.5分和629分。测试发现大模型在文科表现优于理科，尤其在语文作文和数学解题能力突出，元宝数学获得149分高分。但在理科综合科目存在短板，物理化学的解题过程和知识点推导不够完整，图像符号理解不足。相比去年，今年大模型整体能力显著提升，已从"文科一本、理科二本"水平进步到冲击顶尖高校的水平，展现了国产AI的快速发展。
