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。

工业级多模态文档智能：PaddleOCR 推出超小型 Vision-Language 模型 PaddleOCR-VL