搜索
现有 VLA 模型的研究和基准测试多局限于家庭场景（如整理餐桌、折叠衣物），缺乏对专业科学场景（尤其是生物实验室）的适配。生物实验室具有实验流程结构化、操作精度要求高、多模态交互复杂（透明容器、数字界面）等特点，是评估 VLA 模型精准操作、视觉推理和指令遵循能力的理想场景之一。
千问 3.5 总参数量仅 3970 亿，激活参数更是只有 170 亿，不到上一代万亿参数模型 Qwen3-Max 的四分之一，性能大幅提升、还顺带实现了原生多模态能力的代际跃迁。
没有让我们等待多久，阿里刚刚正式发布并开源了 Qwen3.5 系列模型，页面显示有两款模型，分别为最新大语言模型的 Qwen3.5-Plus，以及定位为开源系列旗舰的 Qwen3.5-397B-A17B。两者均支持文本处理与多模态任务。
结果今天就等到豆包全家族了。Seedance 2.0都把贾樟柯干Fomo了，现在又上了个最全面的多模态Agent模型，还有人管管字节吗？Seed团队跳动得停不下来了💃烧的全是火山引擎上的Tokens，同时火山引擎上已经有豆包2.0系列的API了。
2月7日，中文医疗大模型评测平台MedBench公布最新多模态大模型评测榜单，数坤科技的数坤坤多模态医学大模型V3以63.6分拿下第一。在榜单中，V3的表现超过微医、云知声旗下医疗行业大模型，以及OpenAI、谷歌、阿里千问旗下通用大模型。
这个国产开源模型，把多模态玩出了“魔法”感。
梦瑶 发自 凹非寺 量子位 | 公众号 QbitAI 不是，谁也没跟我说今年的AI春节大战搞得这么猛猛猛啊！？！ 年还没到呢，可灵就超绝不经意甩出一个「过大年计划」：推出可灵3.0多模态全家桶。 让每
近年来，Vision-Language Models（视觉 — 语言模型）在多模态理解任务中取得了显著进展，并逐渐成为通用人工智能的重要技术路线。然而，这类模型在实际应用中往往面临推理开销大、效率受限的问题，研究者通常依赖 visual token pruning 等策略降低计算成本，其中 attention 机制被广泛视为衡量视觉信息重要性的关键依据。
今天，北京多模态生成技术创企生数科技宣布完成超过6亿元人民币A+轮融资。生数科技还披露，2025年该公司实现用户和收入超10倍增长，用户和业务覆盖全球200多个国家和地区。
近日，美团推出全新多模态统一大模型方案 STAR（STacked AutoRegressive Scheme for Unified Multimodal Learning），凭借创新的 "堆叠自回归架构 + 任务递进训练" 双核心设计，实现了 "理解能力不打折、生成能力达顶尖" 的双重突破。