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。
微软研究院发布 Quine：为生物学打造「世界模型」，开放科学家申请
AI资讯 AI导航 15 次阅读
AI 画图文字乱码怎么办？4 个提示词写法一次过
AI问答 AI导航 19 次阅读
AI绘画工具选购实测：2026年6款用下来，自媒体、电商、设计师各取所需
AI精选 AI导航 39 次阅读
多模态模型是什么？能看图听声读视频，一文讲清能力与边界
AI百科 AI导航 26 次阅读
2026年AI视频生成工具推荐：7款对比，短视频团队这样选
AI精选 AI导航 12 次阅读
腾讯Hy翻译App今日上线：33种语言互译，语音拍照离线都能用
AI资讯 AI导航 20 次阅读
Google 发布 Gemini 3.8 Flash TTS：语音生成更快更便宜，支持 100+ 语言
AI资讯 AI导航 21 次阅读
小米开源 MiMo-V2.6：万亿参数全模态模型登顶开源榜
AI资讯 AI导航 20 次阅读