AI在线 AI在线

多模态AI

国内首个多模态AI程序员正式上岗 文心快码Coding智能体Zulu正式发布

国内首个多模态AI程序员正式上岗 文心快码Coding智能体Zulu正式发布
2025年4月25日，百度Create AI开发者大会在北京隆重举行。 在这场备受瞩目的科技盛会中，百度正式发布了文心快码3.5版本以及国内首个多模态AI程序员——文心快码Comate Zulu智能体，标志着AI编程工具进入了一个全新的发展阶段。 在本次大会上，百度工程效能部总监臧志表示，AI是百度提升工程效率最重要的生产力来源，智能体是大模型能力与研发生产力之间最关键的桥梁。
4/27/2025 6:00:38 PM
AI在线
Moonshot AI发布Kimi-Audio：开源音频基础模型树立新标杆

Moonshot AI发布Kimi-Audio：开源音频基础模型树立新标杆
近日，Moonshot AI正式宣布推出Kimi-Audio，一款全新的开源音频基础模型，旨在推动音频理解、生成和交互领域的技术进步。 这一发布引发了全球AI社区的广泛关注，被认为是多模态AI发展的重要里程碑。 以下是对Kimi-Audio核心特性、性能表现及行业影响的全面报道。
4/27/2025 10:00:49 AM
AI在线
Grok大更新！视觉能力、多语言音频处理与实时搜索功能震撼上线

Grok大更新！视觉能力、多语言音频处理与实时搜索功能震撼上线
由xAI打造的生成式人工智能聊天机器人Grok迎来了一次里程碑式的更新，其功能全面升级，不仅新增了视觉处理能力，还实现了多语言音频处理以及语音模式下的实时搜索功能。 这一更新标志着Grok在多模态AI领域的重大突破，为用户提供了更智能、更便捷的交互体验。 以下，AIbase将为您详细解析此次更新的亮点与意义。
4/23/2025 9:00:42 AM
AI在线
苹果与索邦大学联合研究：早期融合与稀疏架构助力多模态 AI 发展

苹果与索邦大学联合研究：早期融合与稀疏架构助力多模态 AI 发展
在多模态人工智能（AI）领域，苹果公司的工程师们与法国索邦大学的研究团队合作，展开了一项重要研究。 近日，科技媒体 marktechpost 发布了相关博文，探讨了早期融合与后期融合模型在多模态 AI 中的应用与前景。 研究表明，从头训练的早期融合模型在计算效率和可扩展性上更具优势。
4/16/2025 5:01:05 PM
AI在线
MiniMax MCP Server正式上线，开启多模态AI新纪元

MiniMax MCP Server正式上线，开启多模态AI新纪元
人工智能技术的边界正在不断拓展。 AIbase从社交媒体获悉，中国AI初创公司MiniMax稀宇科技于近日宣布，其MiniMax MCP Server正式上线。 这一服务器通过简单的文本输入，即可调用视频生成、图像生成、语音生成及声音克隆等多项能力，并兼容多种主流MCP客户端，为开发者与创作者提供了强大的多模态AI工具。
4/15/2025 12:02:39 PM
AI在线
报道称OpenAI下周重磅发布GPT-4.1系列，包含Mini版和Nano版

报道称OpenAI下周重磅发布GPT-4.1系列，包含Mini版和Nano版
人工智能领域的领跑者OpenAI即将在下周掀起新一波技术热潮!据科技媒体 The Verge 报道，OpenAI计划推出包括GPT-4.1系列、o3系列以及其他多款AI模型在内的重大更新。 这一波密集发布不仅彰显了OpenAI加速创新的雄心，也为行业带来了更强大的AI工具。 GPT-4.1系列:多模态能力的全面升级作为GPT-4.0的继任者，GPT-4.1系列被认为是OpenAI在多模态AI领域的又一力作。
4/13/2025 7:34:52 AM
AI在线
联想CTO：押注多模态AI协作，打造模型工厂加速智能体落地

联想CTO：押注多模态AI协作，打造模型工厂加速智能体落地
在联想集团2025/26财年誓师大会上，首席技术官Tolga Kurtoglu强调，当前AI应用仍处于快速迭代的技术演示阶段，远未真正释放为用户创造价值的成熟能力。 他指出，未来AI发展的关键在于将技术转化为以用户为中心的解决方案，构建联想独特的差异化优势。 Kurtoglu描绘了未来以用户为中心的AI图景:它将不再受限于单一模型、芯片、设备或形态，而是由端侧、云端、边缘等多种模型和智能体协同运作，无缝地为用户提供服务。
3/31/2025 12:00:49 PM
AI在线
马斯克xAI收购视频生成初创公司Hotshot，AI视频领域竞争再升级

马斯克xAI收购视频生成初创公司Hotshot，AI视频领域竞争再升级
硅谷科技巨头的版图扩张再添新篇!埃隆·马斯克旗下的xAI公司今日宣布收购专注于视频生成AI技术的初创公司Hotshot，这一战略收购将为xAI在多模态AI技术领域注入新的活力。 Hotshot首席执行官Aakash Sastry在X平台上正式宣布了这一消息，但未透露具体的交易金额。 作为曾获得Reddit联合创始人Alexis Ohanian和SV Angel等知名投资方支持的新锐科技公司，Hotshot（正式名称为Natural Synthetics Inc.）在AI视频生成领域积累了独特的技术优势。
3/18/2025 11:35:00 AM
AI在线
微软团队推多模态AI模型Magma：整合视觉、语言和动作决策技能

微软团队推多模态AI模型Magma：整合视觉、语言和动作决策技能
近日，微软研究团队联合多所高校的研究人员，发布了一款名为 “Magma” 的多模态 AI 模型。 这款模型的设计旨在处理和整合图像、文本和视频等多种数据类型，以便在数字和物理环境中执行复杂任务。 随着科技的不断进步，多模态 AI 代理正在被广泛应用于机器人技术、虚拟助手和用户界面自动化等领域。
2/20/2025 9:30:00 AM
AI在线
智谱AI：Agentic GLM全面登陆三星Galaxy S25系列

智谱AI：Agentic GLM全面登陆三星Galaxy S25系列
2025年2月11日，北京智谱华章科技有限公司宣布，其研发的Agentic GLM全面登陆三星最新款手机Galaxy S25系列。 这一合作标志着全球首款支持多模态AI交互的智能手机正式推向市场，为用户带来了前所未有的智能体验。 智谱华章自2023年4月开启Agent智能体相关研究，并于2024年10月推出首个Agent产品AutoGLM，率先提出Phone Use理念。
2/12/2025 8:59:00 AM
AI在线
DeepSeek深夜再放大招，发布全新多模态大模型Janus-Pro

DeepSeek深夜再放大招，发布全新多模态大模型Janus-Pro
国产大模型DeepSeek发布了全新的Janus-Pro多模态大模型，正式进军文生图领域。 这一举动标志着DeepSeek在多模态AI技术上的重大突破。 在GenEval和DPG-Bench基准测试中，Janus-Pro-7B不仅击败了OpenAI的DALL-E3，还超越了Stable Diffusion、Emu3-Gen等热门模型。
2/9/2025 8:59:26 AM
AI在线
消息称阿里引入顶级人工智能科学家 或将加码AI To C业务

消息称阿里引入顶级人工智能科学家 或将加码AI To C业务
近期，阿里巴巴在AI领域迎来了一位重量级人物。 据业内人士透露，一位全球顶级人工智能科学家已于近期正式入职阿里巴巴，未来或将专注于AI To C业务的基础大模型研发与应用。 这位科学家在工业界和学术界均拥有超过20年的经验，尤其在多模态AI领域成果丰硕，曾主导发表过上百篇大模型顶级论文。
2/4/2025 2:08:00 PM
AI在线
谷歌押注多模态AI，BigQuery湖仓一体是核心支柱

谷歌押注多模态AI，BigQuery湖仓一体是核心支柱
根据多家调研机构的预测，未来几年，全球多模态AI市场的年增长率将超过35%，而谷歌正在积极布局，以期在这一蓬勃发展的市场中占据领先地位。 谷歌云计算部门最近宣称，将文本、图像、视频、音频和其他非结构化数据与生成式人工智能（GenAI）处理相结合的多模态AI，将成为2025年五大人工智能趋势之一。 BigQuery湖仓一体引领谷歌多模态AI战略谷歌负责数据、分析和人工智能战略的产品主管Yasmeen Ahmad表示，BigQuery数据仓库是谷歌多模态AI战略的核心支柱，公司正致力于将其重塑为能够整合并分析多样化数据类型的湖仓一体（Data Llakehouse）。
1/21/2025 5:02:14 PM
极客IT
多模态AI是医学的未来，谷歌推出三个新模型，Med-Gemini迎来大升级

多模态AI是医学的未来，谷歌推出三个新模型，Med-Gemini迎来大升级
编辑 | 白菜叶许多临床任务需要了解专业数据，例如医学图像、基因组学，这类专业知识信息在通用多模态大模型的训练中通常不存在。在上一篇论文的描述中，Med-Gemini 在各种医学成像任务上超越 GPT-4 系列模型实现了 SOTA！在这里，Google DeepMind 撰写了第二篇关于 Med-Gemini 的论文。在 Gemini 的多模态模型的基础上，该团队为 Med-Gemini 系列开发了多个模型。这些模型继承了 Gemini 的核心功能，并通过 2D 和 3D 放射学、组织病理学、眼科、皮肤病学和基因组
5/13/2024 3:58:00 PM
ScienceAI
  • 1