多模态2025：技术路线“神仙打架”，视频生成冲上云霄
一场大会，聚集了中国多模态大模型的“半壁江山”。智源大会2025为期两天的论坛中，汇集了学界、创业公司和大厂等三方的热门选手，关于多模态的集中讨论达到了前所未有的热
多模态大模型
字节跳动正式发布豆包视觉理解模型：1元可处理近300张高清图
在今天举办的火山引擎Force大会上，字节跳动正式发布豆包视觉理解模型，为企业提供极具性价比的多模态大模型能力。豆包视觉理解模型千tokens输入价格仅为3厘，一元钱就可处
GPT-4o再暴露「弱智」缺陷，大模型无一幸免，港中文等发布「视觉听觉」基准AV-Odyssey：26个任务直指死角问题
多模态大模型在听觉上，居然也出现了「9.119.8」的现象，音量大小这种简单问题都识别不了!港中文、斯坦福等大学联合发布的AV-Odyssey基准测试，包含26个视听任务，覆盖了7种
苹果多模态模型大升级！文本密集、多图理解，全能小钢炮
【新智元导读】近日，一向画风精致的「苹果牌AI」，也推出了升级版的多模态大模型，从1B到30B参数，涵盖密集和专家混合模型，密集文本、多图理解，多项能力大提升。多模态大
多模态大模型不够灵活，谷歌DeepMind创新架构Zipper：分开训练再「压缩」
最近的一系列研究表明，纯解码器生成模型可以通过训练利用下一个token预测生成有用的表征，从成功地生成多种模态的新序列，从文本、蛋白质、音频到图像，甚至是状态序列。能