多模态AI

2026年10月18日，MIT团队在《自然·通讯》发表多模态晶体模型，把三维原子结构与文字描述对齐，为固态电池电解质筛出的靠前候选与独立研究认定结果重合。本文讲清方法、验证结果和它替代不了的环节，适合材料与电池研发读者。

2026年10月16日，初创公司Elorian发布首个模型Glimpse，用视觉草稿空间让模型在推理中反复回看、裁剪原图。本文介绍它与主流多模态模型的区别、公司自测成绩的口径与研究预览的开放程度，适合关注多模态进展的读者。

2026年10月16日，百度智能云在西安宣布百度一见6.0开放内测，用自然语言加Golden-Set样本生成视觉AI，并推出AI原生具身智能相机。本文拆解门槛降在哪、相机形态的信号与门店巡检落地样本，适合关注产业视觉AI的团队。

可灵AI在2026年10月15日让Kling 4.0正式上线：单次原生生成最长30秒，全能参考可组合15项素材，最多10张关键帧锁定人物与情节，还接入了MCP与CLI。本文说明这次全量开放和9月内测的区别，适合短剧、广告与动画创作者参考。

NVIDIA在2026年10月15日发布开源的Nemotron 3.5 Super VL，120B参数主攻多模态智能体任务，并推出两款可在本地运行的Bolt端侧模型。本文说明三款模型的分工与上线时间，适合做企业智能体选型的团队参考。

2026年10月15日阶跃星辰开放Step 5 Preview的BF16与FP8权重，600B稀疏MoE每Token激活27B、支持百万Token上下文。适合做长程智能体的开发者，核心判断是自部署价值需结合Preview属性与硬件成本评估。

面壁智能2026年10月13日开源MiniCPM-V 4.7，35B-A3B版本用约3GB内存在手机上流畅跑多模态推理。本文拆解LES专家调度、1B版本与平台适配，适合关注端侧大模型和本地部署的开发者。

Cloudflare 在 2026 年 10 月 9 日发布开放权重决策模型 Clef-omni，一次请求处理文字、图片、音频和视频。本文核对它的参数、速度、价格和 Clef-flash 降价背后的取舍，适合给智能体选决策层的开发者。