首页
快讯
商业
AI
消费
游戏
3C
家电
汽车
文娱
体育
专栏
直播
专题
APP
DoNews > 多模态模型
LongCat‑2.5 正式开源：深度适配国产算力
LongCat-2.5是1.6万亿参数开源多模态大模型，专为长程智能体任务设计，支持百万token上下文、原生视觉编码与W4A4量化。
1天前
Kimi‑K3.1‑Pro 登陆微软 Azure AI Foundry：开源权重 3T 级
Kimi-K3.1-Pro是月之暗面推出的3万亿参数多模态大模型，支持百万token上下文与图文输入，已开源并登陆Azure AI Foundry。
2026-11-06
百灵大模型 Ling 3.2 Flash 发布：前两周限时免费
蚂蚁百灵发布多模态大模型Ling-3.2-flash，560B总参、1M上下文，强化视觉理解、长程Agent、3D与医疗能力性能超Opus 5。
2026-11-06
普林斯顿大学推出 SSoN 空间智能基准：人类准确率 83.3%，大模型最高仅 39.7%
普林斯顿发布SSoN基准，揭示多模态大模型三维空间理解严重不足（最高仅39.7%准确率），定向微调可近乎翻倍提升，为具身智能提供关键评测标尺。
2026-11-04
美团龙猫发布 LongCat-2.5 原生多模态 AI 模型：1.6T 参数
美团龙猫发布LongCat-2.5，1.6万亿参数，强化原生视觉理解与智能体编程，提升长程任务、代码开发与3D创作能力。
2026-11-02
Mistral AI 开放 Large 4 模型权重：1T 参数，编程智能体更省 Token
Mistral AI发布多模态大模型ML4（1万亿参数），性能优化后编码得分48%，Token成本降低47%，开源许可允许免费商用但MaaS需授权。
2026-10-30
研究人员提出MMGR基准，用以测试多模态模型的推理能力
MMGR评测揭示多模态生成模型视觉质量高但推理能力弱，尤其在符号任务和跨视角导航中表现差，物理常识任务相对较好。
2026-10-26
Meta 发布 Muse Spark Open，针对搭载 M5 Ultra 的 Mac Studio 优化适配运行
Meta发布开源多模态模型Muse Spark Open（816B参数），支持1M上下文、本地Mac运行，适配主流推理引擎与芯片，可免费商用。
2026-10-16
Cloudflare推出开放权重决策AI模型Clef-omni
Cloudflare推出开放权重多模态模型Clef-omni，支持文本、图像、音频、视频输入，基于Qwen3-Omni构建，专注结构化决策，响应快。
2026-10-10
Mistral AI 发布 Mistral Large 4 模型公开预览版
Mistral AI发布万亿参数多模态模型ML4（le Chonk），支持160+语言，欧盟合规训练，性能达开源SOTA，部分领域超闭源模型。
2026-10-08
DeepSeek V4.1 Flash发布：更强、更快、更普惠
DeepSeek发布V4.1 Flash模型：552B MoE多模态模型，推理更快、成本更低，已上线API并下调定价，V4 Pro将逐步下线。
2026-09-10
蚂蚁百灵系列首个原生多模态模型 Ling-3.0-flash-VL 发布开源
蚂蚁集团开源百灵Ling-3.0-flash-VL多模态大模型，124B参数、256K上下文，支持图/文/视频输入。
2026-09-09
全球首个多模态世界模型：李飞飞 World Labs 发布 Atlas
World Labs发布多模态世界模型Atlas，支持像素级相机控制生成图像/视频、单图3D重建及时空模拟，性能超越现有开源模型。
2026-09-02
DeepSeek-V4-Flash-Vision-Exp 模型开源
DeepSeek推出首个多模态模型V4-Flash-Vision-Exp，开源支持图片输入，适配Agent框架，视觉理解能力接近Opus-4.8。
2026-08-31
传美团LongCat通用Agent团队负责人顾奇将离职创业
美团LongCat团队负责人顾奇将离职创业，聚焦多模态模型；曾主导LongCat-Flash-Thinking模型及Agent管线建设。
2026-08-28
DeepSeek V4-Flash-Vision-Exp 上线，开启多模态 API 服务
DeepSeek上线实验性多模态模型V4-Flash-Vision-Exp，文本能力持平V4-Flash，视觉理解显著提升。
2026-08-21
抖音宣布优化适龄推荐算法，引入多模态大语言模型
抖音升级未成年人模式，引入多模态大模型实现适龄内容识别与推荐，结合人工审核、年龄分层和偏好匹配，日均新增6000条优质内容。
2026-07-27
爱诗科技完成29.8亿元C轮融资
爱诗科技完成C轮29.8亿元融资，阿里领投，将用于视频大模型、世界模型研发及全球化落地。公司成立于2023年，产品覆盖全球177国。
2026-07-14
DeepSeek 开放识图模式，跨入图文交互时代
DeepSeek上线识图模式，具备文物鉴定、空间推理、梗图解读、截图转码等能力，采用‘视觉原语’新框架，高效低耗但存知识滞后与幻觉问题。
2026-05-09
商汤日日新SenseNova U1发布，迈向模型理解生成统一时代
商汤发布开源SenseNova U1系列模型，基于NEO-unify架构实现多模态原生统一理解与生成，支持语言视觉协同、逻辑推理、空间智能及机器人具身智能。
2026-04-29
商汤发布年度业绩，收入50.15亿元 同比增加32.9%
商汤-W2025年营收50.15亿元，同比增32.9%；经调整亏损收窄54.3%；现金流首次转正，多模态大模型领先，加速迈向Agent原生与物理AI时代。
2026-03-24
滴滴自动驾驶成立深穹远航实验室，与清华大学合作开展前沿研究
滴滴自动驾驶成立深穹远航实验室，联合清华攻关多模态大模型等前沿技术，推动端到端自动驾驶突破与产业落地。
2026-03-02
Kimi 发布并开源 K2.5 模型，带来全新视觉理解、代码和 Agent 集群能力
月之暗面开源Kimi K2.5多模态模型，支持图文输入、Agent集群、代码生成与界面录屏解析，已上线官网、App及API。
2026-01-27
商汤发布 NEO 架构，重新定义多模态模型效能边界
商汤开源全新多模态模型架构NEO，通过底层创新实现视觉与语言统一处理，推出2B与9B模型，推动原生多模态技术发展。
2025-12-03
阶跃星辰发布新一代基模Step 3，推理效率创行业新高
阶跃星辰发布新一代大模型Step 3，具备强智能、低成本、多模态特性，7月31日全球开源。
2025-07-25
上海建工集团推出基于多模态模型的建造物料堆载量监测预警方法
上海建工集团股份有限公司近日公开了一项名为“基于多模态模型的建造物料堆载量监测预警方法”的发明专利，该方法通过图像采集和多模态模型，实现对建造物料堆载量的精准监测和预警，提升建筑工地的安全管理水平。
2025-01-01
北京城建设计发展集团股份有限公司发布城市轨道交通多模态模型训练新专利
北京城建设计发展集团股份有限公司近日公开了一项名为“用于城市轨道交通多模态模型的训练方法与系统”的发明专利，该专利利用人工智能技术，通过多模态数据集训练模型，旨在提升城市轨道交通领域的智能问答系统性能
2025-01-01
海康威视推出多模态大语言模型量化技术，提升模型部署效率
杭州海康威视数字技术股份有限公司近日公开了一项名为“多模态大语言模型量化方法、装置、设备、存储介质及产品”的发明专利，该技术通过模块划分和量化调整，显著提升了多模态语言大模型的部署效果。
2024-12-31
拓元智慧完成近亿元Pre-A轮融资，加速多模态大模型研发
近日，虚拟数智人技术提供商拓元智慧宣布完成近亿元人民币的Pre-A轮融资，资金将主要用于加速多模态大模型和具身智能技术的研发与应用。
2024-12-30
阿里云通义千问发布业界首个开源多模态推理模型QVQ-72B-Preview
阿里云通义千问正式发布了业界首个开源多模态推理模型QVQ-72B-Preview，该模型在视觉理解和复杂推理方面表现出色，尤其在数学、物理等领域表现突出，为教育、科研等领域提供了新的可能性。
2024-12-26
关于我们| 电子协议| 合作联系| 京ICP备2025120072号
网站信息
Copyright © DoNews 2000-2026 All Rights Reserved
京ICP备2025120072号
京公网安备11010802023059号