多模态AI
能同时看懂文字、语音、图像和视频的 AI，正在把通用助手从概念变成现实。看多模态模型的发布、能力评测与应用场景。
专题介绍
只会聊天的 AI 已经不够看了——真正的通用助手要能看图、听声、理解视频。多模态就是这条路：各家旗舰模型都在向全模态演进。内容包括多模态大模型的发布动态、跨模态能力对比与真实应用场景，帮你看懂 AI 是如何打通多种感官的。
Meta Muse spaces 正式上线：对它说句话，礼物追踪和文字游戏自己搭出来
AI资讯 AI导航 1 次阅读
蚂蚁百灵 Ling-3.2-flash 发布：560B 原生多模态模型，三项评测超 Claude Opus 5
AI资讯 AI导航 2 次阅读
World Labs 发布 Frameboy：Atlas 世界模型 15fps 在浏览器里实时漫游
AI资讯 AI导航 2 次阅读
HunyuanVideo-Avatar 怎么用？一张照片加音频就能开口说话的两种方法
AI问答 AI导航 2 次阅读
Gemini Omni 1.2 Flash 上线：15 秒长视频、降价 30%，开发者与商家都能用
AI资讯 AI导航 5 次阅读
可灵 Kling 4.0 对白口型总对不上怎么办？先写清声音再调画面
AI问答 AI导航 4 次阅读
腾讯混元Hy4正式发布：首次看懂图片，还能直接操作电脑
AI资讯 AI导航 8 次阅读
轩辕4.5发布：度小满与港科大推出自进化金融大模型
AI资讯 AI导航 7 次阅读