多模态AI

豆包在 2026 年 10 月 9 日给任务模式加上无限画布，并接入豆包 2.1 Lite 与图片模型 Seedream 5.0 Flash。本文梳理三处变化分别解决什么问题，适合用豆包处理文档、表格和策划案的人。

Odyssey 于 2026 年 10 月 8 日发布世界模型 Odyssey-3，用同一套物理理解演示机器人、车辆、无人机等六个领域。本文拆解 20 小时模拟数据的真实含义与自报演示的边界，适合关注世界模型与具身智能的读者。

2026年10月7日，Perplexity 开源多模态嵌入模型 pplx-embed-v2-late 的 9B 与 0.6B 版本，图文共用一个检索空间。本文说明逐 token 向量、公开成绩与存储成本，适合做文档检索的开发者。

2026年10月6日，Mistral 发布 Large 4 公开预览：1万亿参数、49B激活的原生多模态模型，预览接口已上线，权重月底开放。本文梳理它的编程、智能体与安全成绩和试用边界，适合关注开放权重与私有部署的团队。

2026年10月5日，Reka 发布研究预览 Rho-1：19B 参数从零训练，文本、图像、视频与机器人动作共用一个网络和上下文。本文梳理它的统一架构、演示与速度口径，以及官方自列的四条限制，适合关注多模态与具身智能的读者。

2026年10月5日，Liquid AI 发布首款决策模型 d1：它不生成文字，一次前向计算就返回各选项的概率，支持文本与图像输入，文本判断只要两三百毫秒。本文拆解它与聊天式大模型的区别、三类问题形态、官方对比口径的限制和适合先试的场景。

向量嵌入把文字、图片等内容变成一串数字坐标，意思越接近，位置越靠近。本文讲清它与Token、关键词检索的区别、相似度怎么算、它在RAG和语义搜索中的用法，以及换模型必须重建等限制，适合刚接触大模型检索的读者。

FLUX 3 Image 于 2026 年 10 月 2 日发布：生成与编辑共用一个接口，支持边界框布局、十张参考图与最高 4K 输出。本文整理了官方价格表和开放权重节奏，适合视觉创作者与接入方判断是否值得实测迁移。