李飞飞老师提出了空间智能 (Spatial Intelligence) 这一概念，作为回应，来自上交、斯坦福、智源、北大、牛津、东大的研究者提出了空间大模型 SpatialBot，并提出了训练数据 SpatialQA 和测试榜单 SpatialBench， 尝试让多模态大模型在通用场景和具身场景下理解深度、理解空间。
7 月，大模型公司 Cohere 宣布 D 轮融资 5 亿美元，估值 55 亿，比去年高了一倍多。 跟 OpenAI、Anthropic 甚至法国 AI 公司 Mistral 相比，成立于加拿大的 Cohere 略显低调，没有推出自己的 Chatbot、文生图或者文生视频产品，不涉足个人消费端产品；即使是推出的开源大模型 Command R+，似乎也没有那么引人注意。
7月30日，生数科技的视频生成大模型 Vidu 面向全球正式上线。
就在刚刚，Meta 如期发布了 Llama 3.1 模型。
如何度量国产大模型？
国产多模态大模型的头号交椅，再次易主
2024 年 5 月，DreamTech 官宣了其高质量 3D 生成大模型 Direct3D，并公开了相关学术论文 Direct3D: Scalable Image-to-3D Generation via 3D Latent Diffusion Transformer。
近期，由清华大学自然语言处理实验室联合面壁智能推出的全新开源多模态大模型 MiniCPM-Llama3-V 2.5 引起了广泛关注
相同性能情况下，延迟减少 46%，参数减少 25%。
当前，多模态大模型 （MLLM）在多项视觉任务上展现出了强大的认知理解能力。 然而大部分多模态大模型局限于单向的图像理解，难以将理解的内容映射回图像上。 比如，模型能轻易说出图中有哪些物体，但无法将物体在图中准确标识出来。 定位能力的缺失直接限制了多模态大模型在图像编辑，自动驾驶，机器人控制等下游领域的应用。针对这一问题，港大和字节跳动商业化团队的研究人员提出了一种新范式Groma
