多模态

WorkBuddy 支持直接读取图片和 PDF 做多模态分析，可识别截图内容、提取表格、总结文档。本文说明支持到什么程度、哪些活它能干、哪些还得人把关，以及上传时的隐私注意。

**百度Comate AI IDE正式发布：开启AI原生开发新纪元** 2025年6月23日，百度在AI开放日活动中正式发布Comate AI IDE，这是文心快码的全新升级版本，也是国内首个原生AI编码集成开发环境。该工具集成了多模态输入、多智能体协作以及本土化生态连接，为开发者带来前所未有的智能编程体验。 **多智能体协作：Zulu全栈开发伙伴** Comate内置的Zulu智能体不仅能进行代...

**Skywork Super Agents：全球首个多模态 AI 工作区代理，明日登陆 Product Hunt** **一、Skywork Super Agents 简介** Skywork Super Agents 是由昆仑万维推出的一款基于 Deep Research 技术的 AI 办公套件，旨在通过多模态内容生成和深度研究能力，提升用户的工作效率。该产品将于明日正式在 Product H...

**Grok 3.5 API即将发布：xAI新模型“grok-3-5-api-2k-p2”曝光，支持灵活输入** **一、Grok 3.5即将上线，API接口现踪迹** 近日，xAI正在为即将发布的Grok 3.5模型做准备。在最新的Web构建中，发现了一个新的模型引用“grok-3-5-api-2k-p2”，以及“grok 3.5 flexible input”的提及。这表明Grok 3.5可能...

**BAGEL：字节跳动开源的统一多模态推理模型，挑战GPT-4o与Gemini 2.0** **一、BAGEL简介：统一的多模态理解与生成模型** BAGEL（ByteDance Adaptive Generalized Expert Learner）是字节跳动Seed团队在2025年5月开源发布的多模态大模型。该模型以统一的架构支持文本、图像、视频等多模态数据的理解与生成，具备与GPT-4o、...