【新智元导读】杀疯了!一夜之间，全球最强端侧多模态模型再次刷新，仅用8B参数，击败了多模态巨无霸Gemini Pro、GPT-4V。而且，其OCR长难图识别刷新SOTA，图像编码速度暴涨150倍。这是国产头部大模型公司献给开发者们最浪漫的520礼物。拳打GPT-4V，脚踢Gemini Pro，仅仅8B参数就能
......
本文由站长之家合作伙伴自媒体作者“新智元公众号”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）
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�
继 Android 系统、Chrome 浏览器等应用之后，谷歌又为他们的 Gemini 预装花费了“巨额费用”……
快科技4月18日消息，据报道，谷歌发布了突破性混合推理模型Gemini 2.5 Flash，该模型创新性地引入可调节思考预算功能，在保持高性能的同时显著降低使用成本。在闭源思考模式下，其成本仅为0.6美元/百万tokens，相比全功能思考模式（3.5美元/百万tokens）大幅降低600%。值得注意的是，即便在基础模式下运行，其性能依然超越前代Gemini 2.0 Flash。性能表现方面，Gemini 2.5 Flash在大模�
谷歌宣布又有一款 AI 模型将加入 Gemini，但这次它不仅仅是一个聊天机器人。
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
联想在Tech World大会上展示了其最新AI创新成果"联想推理加速引擎"。该引擎由联想联合清华大学、无问芯穹共同研发，专为高效AI PC设计，通过并行解码、算子融合优化及异构计算技术，显著提升本地推理速度并降低功耗。现场演示显示，搭载该引擎的AI PC解答高考数学题仅需13秒，性能媲美云端大模型但成本更低。联想CEO杨元庆表示，下一代AI PC将让用户体验到强大的本地推理能力。该技术通过软硬件协同优化，实现了推理速度提升、内存占用减少和能耗降低的显著效果。
作者分享使用AI助手开发拼字游戏的两段经历：首次用Claude花费417美元(约3042元)，开发过程充满痛苦，常出现上下文失效、代码错误等问题；第二次用Gemini 2.5 Pro+Cursor完全免费，体验明显改善，能更好理解项目上下文，开发更流畅。对比指出：Claude像健忘的实习生，常搞砸项目；Gemini则像可靠的中级工程师，开发速度快且稳定。但强调AI仍需人类监督测试，无法独立产出完美代�
Gemini 的月活跃用户数为 3.5 亿，日流量为 3500 万。这些数字对于 Gemini 来说代表着巨大的增长……
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
